Искусственный интеллект на стройке: между хайпом и реальной пользой

ИИ уже активно внедряется в строительной сфере. В первую очередь, технология помогает оптимизировать процессы, которые обычно требуют много времени и ресурсов. Это, например, контроль безопасности. Нейросети анализируют видеопоток с камер, установленных на стройплощадках, и автоматически выявляют нарушения техники безопасности — фиксируют работников без касок или несанкционированный доступ на объект. Система помогает вполовину сократить количество инцидентов. При этом компаниям не нужно привлекать для этого дополнительную рабочую силу.

Системы на базе ИИ могут взять на себя и рутинные задачи по документообороту и отчетности. Системы анализа фотографий этапов строительства автоматически заполняют журналы, акты и формы, фиксируют этапы работ и первично оценивают их соответствие нормам, освобождая инженеров и руководителей для стратегических задач. Такой цифровой «помощник» не только повышает точность учета, но и ускоряет принятие решений, снижая операционные затраты и повышая общую эффективность проектов.

Еще одна суперсила искусственного интеллекта — способность быстро анализировать большие массивы данных и строить более точные прогнозы, чем это возможно даже при участии самых опытных специалистов. По данным McKinsey, около 80% девелоперских проектов выходят за рамки бюджета, а каждый пятый — превышает смету в два раза и более. Во многом это связано со «слепыми зонами» планирования: неучтенными погодными условиями, задержками поставок, ошибками в расчетах и кадровыми ограничениями. ИИ позволяет учитывать эти факторы в комплексе — от доступности и квалификации рабочей силы в регионе до загрузки техники и логистики. В результате компании получают более реалистичные планы, что позволяет сократить перерасход средств на 10–20% и уменьшить сроки строительства на 15–25%.

Сегодня многие строительные компании работают с BIM-моделями (Building Information Modeling) — цифровыми 3D-копиями зданий, в которых зашиты не только геометрия, но и данные о конструкциях, материалах, инженерных системах и сроках выполнения работ. BIM позволяет управлять проектом как единой системой. Но модель быстро устаревает, если не отражает реальное состояние объекта на стройплощадке.

Чтобы обновлять BIM-модели в режиме, близком к реальному времени, компании все чаще используют лазерное сканирование. Лидары, установленные на дронах или мобильных платформах, снимают строительный объект и формируют так называемое облако точек — набор миллионов пространственных координат, которые с высокой точностью (до нескольких миллиметров) повторяют фактическую геометрию здания или участка. Такой метод быстрее и точнее традиционных геодезических измерений и позволяет получать объективную картину происходящего на площадке за считанные дни.

Обработку облака точек все чаще поручают ИИ. Алгоритмы машинного зрения очищают его от «шумов» — людей, техники, людей, мусора или снега — и сопоставляют фактические данные с проектной BIM-моделью. ИИ также автоматически выявляет отклонения от проекта, оценивает прогресс строительно-монтажных работ и фиксирует ошибки на ранних стадиях, когда их исправление обходится в разы дешевле. Такой подход снижает риск накопления критических дефектов, уменьшает количество переделок и помогает девелоперам удерживать проект в рамках бюджета и сроков. По нашим оценкам, ИИ позволяет сократить затраты на проект в среднем на 5–8%.

Несмотря на высокий интерес к искусственному интеллекту, не все компании довольны результатами его внедрения. По данным BCG, свыше 70% проектов по внедрению ИИ не достигают заявленных результатов. По моему опыту, чаще всего это происходит тогда, когда компании подключают ИИ без предварительной подготовки бизнес-процессов. Это подтверждают исследования: опросы McKinsey показывают, что фирмы с низкой зрелостью процессов получают всего 15–20% эффекта от внедрения нейросетей, тогда как у бизнеса с высокой зрелостью показатель составляет 70–80%.

Чаще всего проблема кроется в работе с данными. ИИ обучается и делает выводы только на основе формализованной, сопоставимой и регулярно обновляемой информации Когда информация хранится в разных форматах, содержит ошибки или дублируется, алгоритмы не могут выявлять закономерности, корректно сравнивать проекты между собой и строить прогнозы. В результате система либо выдает неточные рекомендации. Поэтому первым этапом, еще до внедрения нейросетей, компании необходимо унифицировать сбор и хранение данных. Далее важно определить, какие задачи нужно оптимизировать в первую очередь — документооборот, контроль строительства, логистику, планирование сроков? Четкие ответы на эти вопросы позволят избежать завышенных ожиданий и выбрать корректный сценарий внедрения.

Отдельное внимание стоит уделить выбору партнера, который возьмет на себя внедрение ИИ в бизнес-процессы. Такой подрядчик должен понимать специфику строительной отрасли. Команды без такого опыта с трудом улавливают реальные потребности девелоперов или подрядчиков, а из-за этого пилоты нередко затягиваются и не дают ожидаемого эффекта. Надежный партнер также формулирует реалистичные целевые показатели и напрямую связывает их с доходностью бизнеса и конкретных объектов. Не менее значима вовлеченность подрядчика: проактивная команда помогает адаптировать данные и отчетность под систему, а не ограничивается формальными ответами на запросы. Наконец, имеет смысл оценивать устойчивость и репутацию потенциального партнера. Компании с долгосрочной стратегией дорожат именем и доводят проекты до конца. Присутствие в реестре российского ПО, статус резидента «Сколково» или малой технологической компании повышают уровень доверия и снижают риски для заказчика.

Телеграм-канал DigitalDeveloper
Подпишитесь, чтобы читать новости, кейсы, исследования и обзоры IT-технологий на рынке недвижимости.