Enhancing Request for Information (RFI) Process in Construction through Digitalization and Automation
Notice bibliographique
Résumé
The Request for Information (RFI) process is a fundamental component of construction project management, enabling the resolution of ambiguities, clarification of contract obligations, and coordination among stakeholders.Despite its critical role, the RFI process remains fragmented, inefficient, and prone to delays due to decentralized documentation, inconsistent workflows, and a lack of standardized procedures.These inefficiencies contribute to project delays, cost overruns, and increased risks of disputes.This study examines the limitations of the existing RFI process and explores how digitalization and automation can enhance efficiency, accuracy, and transparency.By reviewing ontological models and analyzing reported process deviations, this research identifies common bottlenecks and their root causes.The study investigates the potential of digital transformation toolsincluding Natural Language Processing (NLP), process mining, and AI-driven decision support systemsto automate and optimize RFI workflows.These technologies offer solutions for structured data management, real-time tracking, and predictive analytics to streamline RFI submission, review, and response processes.Additionally, a SWOT analysis framework evaluates the strengths, weaknesses, opportunities, and threats associated with AI integration in RFI management, providing a structured approach for industry adoption.The findings highlight the need for a balanced implementation of AI and human oversight to mitigate risks while maximizing efficiency gains.This study contributes to the ongoing discourse on digital transformation in construction by proposing a roadmap for RFI process improvement, emphasizing the role of automation in reducing inefficiencies and enhancing project communication.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».