Generativ AI och verktyg som ChatGPT omnämns alltmer frekvent i vardagen och på socialamedier. Trots att denna nya teknologi ibland kan uppfattas som främmande och i vissa fall ävenklassas som fusk i akademiska sammanhang, har dess potential undersökts noggrant i dennarapport.I konstruktörens dagliga arbete upptas betydande tid av repetitiva uppgifter underprojekteringsfasen. Dessa uppgifter, som ofta är tidskrävande, är förknippade med risker somstress, kunskapsbrister, misstag och slarv, vilket kan leda till felaktigadimensioneringsantaganden.Samtal med yrkesverksamma inom konstruktionsbranschen visar att generativa plattformar harbörjat användas för att effektivisera arbetet, men analysen av dessa försök är begränsad, ofta pågrund av tidsbrist. En genomgång av akademisk litteratur avslöjar dessutom en märkbar brist påforskning om generativ AI:s roll inom konstruktionsområdet.Stora språkmodeller (Large Language Models, LLM), såsom ChatGPT, har avanceradeförmågor att analysera och förstå naturligt språk, och de har tränats på enorma datamängder.Dessa egenskaper gör dem väl lämpade för textbehandling och textanalys. Det är dock viktigtatt notera att LLM:er genererar information baserat på sannolikheter och därmed kan introducerasubtila fel i texter. Användare måste därför ha ämneskunskap och granska resultatet kritiskt.I den nuvarande generationen av LLM:er talas det om multimodala plattformar, där förmåganatt hantera olika typer av filformat som text, bild och ljud, kombineras med en alltmer avanceradfunktion för dataanalys. Denna funktion innefattar även möjligheten för ”logiska” resonemangoch ger plattformen beräkningskapacitet. I denna studie genomfördes omfattande tester för attskapa en GPT, identifiera lämpliga filformat och textkonfigurationer samt utvärdera GPT:nsförmåga att lösa förutbestämda hållfasthetsberäkningar.Arbetet har resulterat i värdefulla insikter trots målet att skapa en helt tillförlitlig GPT inteuppnåddes. För närvarande är GPT-teknologin opålitlig som beräkningsverktyg eftersom allgenererad information måste kontrolleras och verifieras, vilket är ohållbart ur tids- ochekonomiskt perspektiv. Den professionella presentationen av resultaten kan vara missvisandeoch dölja underliggande brister. Trots dessa utmaningar finns stor potential. AI kan förenkla ochförbättra konstruktörers dagliga arbetsuppgifter, men ytterligare utveckling krävs för attteknologin ska bli en avlastning snarare än en belastning.

Generative AI and tools such as ChatGPT are being mentioned increasingly frequently ineveryday life and on social media. Although this new technology can sometimes be perceivedas unfamiliar and, in some cases, even classified as cheating in academic contexts, its potentialhas been thoroughly examined in this report.In the daily work of a construction engineer, a significant amount of time is occupied byrepetitive tasks during the design phase. These tasks, which are often time-consuming, areassociated with risks such as stress, knowledge gaps, mistakes, and carelessness, which can leadto incorrect dimensioning assumptions.Conversations with professionals in the construction industry show that generative platformshave begun to be used to streamline work, but the analysis of these attempts is limited, oftendue to time constraints. A review of academic literature also reveals a noticeable lack of researchon the role of generative AI in the construction field.Large Language Models (LLMs), such as ChatGPT, have advanced capabilities to analyze andunderstand natural language, and they have been trained on enormous datasets. Thesecharacteristics make them well-suited for text processing and text analysis. However, it isimportant to note that LLMs generate information based on probabilities and can thus introducesubtle errors in texts. Users must therefore possess subject knowledge and critically review theresults.In the current generation of LLMs, there is talk of multimodal platforms, where the ability tohandle various types of file formats such as text, image, and audio is combined with increasinglyadvanced data analysis functions. This function also includes the possibility for "logical"reasoning and provides the platform with computational capacity. In this study, extensive testswere conducted to create a GPT, identify suitable file formats and text configurations, andevaluate the GPT's ability to solve predetermined structural calculations.The work has resulted in important insights despite the goal of creating a completely reliableGPT not being achieved. Currently, GPT technology is unreliable as a verification tool since allgenerated information must be checked and verified, which is unsustainable from both a timeand economic perspective. The professional presentation of the results can be misleading andconceal underlying deficiencies. Despite these challenges, there is significant potential. AI cansimplify and improve the daily tasks of construction engineers, but further development isrequired to ensure the technology becomes a relief rather than a burden.