Перспективы ИИ в строительстве: от обработки документации до проектирования объектов
Москва. 9 декабря. spbit.ru - О том, как инструменты ИИ используются для повышения эффективности процессов в строительстве, – рассказывает руководитель направления ИИ Cloud.ru Дмитрий Юдин.
Предпосылки к росту востребованности ИИ в строительстве
Предприятия строительной отрасли только делают первые шаги на пути к широкому внедрению в свою работу технологий искусственного интеллекта. Согласно глобальному опросу RICS (Royal Institution of Chartered Surveyors, международного сообщества профессионалов в сфере недвижимости), регулярное применение ИИ для автоматизации процессов отметили всего около 12% респондентов-представителей строительных компаний. А сквозное внедрение практикуется в менее, чем 1% от всех компаний, то есть остальные пока используют интеллектуальные решения только для отдельных задач.
Однако потенциал применения ИИ в этой отрасли очевиден. Это обусловлено как стремительным развитием технологии, колоссальными инвестициями в нее со стороны лидеров мирового ИТ-рынка, – так и рядом накопившихся проблем, которые сложно решить традиционными методами. Например, процесс проектирования здания сейчас в среднем занимает около 70% всего производственного цикла. Это ресурсоемкий, высокорисковый (с точки зрения ошибок, задержек и т. д.) процесс, требующий участия высококвалифицированных инженеров, которых сегодня на рынке дефицит.
ИИ-инструменты могут помочь компаниям ускорить сдачу объектов. Ведущие российские девелоперы уже активно осваивают инструменты ИИ в своей деятельности. Например, компания «ПИК» использует нейросети для генерации эскизов и планировочных решений, аналитики и других задач.
Однако, чтобы искусственный интеллект мог приносить наибольшую ценность, его нужно внедрять не для автоматизации отдельных технологических и бизнес-операций, а по всей производственной цепочке. В нашем случае – в цепочке выделяются такие этапы, как снабжение, планирование и проектирование, строительство и исполнение, логистика, эксплуатация и обслуживание.
Интерес российских строительных компаний к ИИ подогревается благодаря в том числе государственным инициативам. В частности, весной 2025 года в стране был утвержден первый национальный стандарт, регламентирующий применение технологий ИИ в строительной отрасли. В этом документе приведена нормативная база и описывается единый подход для применения инструментов на основе ИИ в процессах строительного контроля и авторского надзора.
Сценарии использования ИИ в строительстве
Рассмотрим подробнее сценарии применения ИИ в строительстве, эффективность которых подтверждена реальными кейсами.
Первый сценарий: автоматизация типовых операций в BIM-проектировании.
BIM (Building Information Modeling, информационное моделирование зданий) – это еще одна крайне востребованная в отрасли технология. Она подразумевает создание в специализированных BIM-системах цифровых моделей зданий, включающих все его физические и функциональные характеристики: от геометрии и свойств объектов и материалов до инженерной инфраструктуры, – для более эффективной реализации каждого цикла строительства.
Проектирование моделей объектов связано как с выполнением творческой работы, так и с множеством типовых операций, которые отнимают значительную часть времени. Модули на основе ИИ в BIM-системах применяются для генерации планировки и квартирографии, межевания территории, проектирования инженерных сетей, поиска геометрических коллизий, проверки на соответствие нормам и др.
Такие модули сокращают время на проектирование в BIM-системах до 40%, что, в свою очередь, позволяет снизить издержки и оптимизировать ФОТ.
Второй сценарий: составление планов и прогнозирование рисков.
При планировании вручную проектов, сочетающих в себе множество переменных, сложно учесть все внешние условия и скрытые ограничения для каждого этапа строительства и типа работ. Возникают риски ошибок, связанных с «человеческим фактором».
ИИ-модуль, интегрированный в систему планирования и управления строительством, дает возможность автоматизировать составление сметы и графика работ, оперативно и регулярно проводить критический анализ хода строительства, своевременно выявлять риски и вносить корректировки с помощью системы поддержки принятия решений.
В итоге эффект от внедрения такого решения – до 20% рост производительности и до 10% снижения издержек в процессе планирования.
Третий сценарий: визуализация дизайна интерьера.
Процесс проектирования дизайна интерьера требует времени и сложных расчетов с учетом множества ограничений и факторов, например, таких, как стоимость и экологичность материалов. Генеративная модель помогает создавать дизайн-проекты помещения и фасада здания по нарисованному от руки эскизу или текстовому описанию. Получая через промпт первоначальные требования, модель генерирует варианты макетов, предлагает улучшения с учетом указанных выше факторов.
В случае успеха строительная компания может добиться до 40% снижения времени на реализацию проекта – а это снова реальная экономия средств.
Четвертый сценарий: рекомендации по проектированию и генерация планировочных решений.
Процесс проработки детальных планов этажей и отдельных квартир тоже может быть долгим и сложным.
Модель ИИ генерирует планировки по текстовому описанию и другой информации в режиме реального времени, позволяет вносить правки в готовый план опять же с помощью текстовых инструкций. Кроме того, нейросеть дает возможность агентам по продажам демонстрировать покупателю, как квартира будет выглядеть после ремонта.
Эффект – снижение времени на проектирование до 50% при условии качественных датасетов.
Пятый сценарий: ассистент по закупкам.
Любая строительная компания проводит множество закупок (от стройматериалов до инженерного и компьютерного оборудования), взаимодействует с большим количеством поставщиков по разным схемам.
ИИ-инструмент при составлении контрактов использует технологии GenAI, чтобы уточнить и скорректировать требования к закупке. Также он может применяться для генерации текстов различных отчетов о выполнении работ, соглашении? об основных услугах и т.д.
При этом компания сокращает до 25% времени на составление контрактов.
Шестой сценарий: ИИ-агенты для анализа данных, обработки документов и управления базами знаний.
Работа сотрудников строительных компаний связана с регулярной обработкой больших объемов документации, а также с рутинными процессами на самих строительных объектах: составлением гибкого расписания, реагированием на непредвиденные события (недостаток материалов, погодные условия), координацией работы подрядчиков.
ИИ-агенты способны обрабатывать документы и маршрутизировать задачи, динамически отслеживать данные о ресурсах и условиях работы (персонал, материалы, погода), корректировать расписание проекта, при необходимости перепланировать задачи и ресурсы в режиме реального времени.
Такие решения развиты, прежде всего, за рубежом. Успешные кейсы иностранных строительных компаний свидетельствуют о том, что ИИ-агенты сокращают время на обработку рутинных запросов до 30% и время задержек, связанных с управлением процессами на объекте, до 20%.
Мы перечислили только наиболее популярные сценарии применения ИИ. Кроме перечисленного, технология приносит пользу, например, при обработке видео с дронов для контроля хода строительства на площадке, автоматическом выявлении рисков физической безопасности, оптимизации маршрутов промышленного транспорта (тракторов, грузовиков).
Условия для эффективного внедрения ИИ в строительстве
Мы уже выяснили, что наилучший результат технологии ИИ приносят при комплексной, сквозной автоматизации процессов. Конечно, внедрить технологию сразу во все процессы невозможно, поэтому цифровая стратегия предприятия должна подразумевать четкие долгосрочные планы.
Также мы упомянули, что для обучения генеративных моделей ИИ крайне важны качественные датасеты, на которых они будут обучаться.
Кроме того, результат внедрения зависит от решения, которое было выбрано заказчиком. Наши коллеги из института AIRI провели ряд экспериментов, чтобы выяснить, насколько точно GPT-модели решают задачу автоматизации проектирования в BIM по текстовому описанию. Они составляли промпт с целью получить описание конкретного объекта (этажность, структура, архитектура, тип стен и перекрытий, количество квартир и т. д.), делали корректировки и таким образом проводили несколько итераций, чтобы минимизировать количество ошибок в ответах ИИ.
Оказалось, что некоторые модели при внесении изменений полностью переписывают предыдущую версию ответа, что приводит к появлению новых ошибок. Некоторые, например, GPT-4o и Mistral, лучше следуют рекомендациям по доработкам, и после нескольких итераций количество их ошибок действительно снижается.
Во время эксперимента были проанализированы и российские модели, например, GigaChat. Ее преимущество – в учете российской конъюнктуры (культурного кода) и акценте на локальных источниках данных. Благодаря этому она лучше конкурентов описывала детали на планах.
Наконец, очевидно, что при внедрении ИИ компании должны опираться на уже существующие, отстроенные внутренние процессы. Множество компаний имеют разрозненные базы данных, у них нет культуры управления изменениями, четкой связи между AI-инициативами и бизнес-целями. Поэтому AI-проекты часто остаются в пилоте и не масштабируются. Этот тип барьера сейчас критичнее, чем сами алгоритмы или инфраструктура. AI-решения могут эффективно работать только в среде, которая к этому готова – с доступом к актуальным данным, прозрачными процессами и готовностью команды делегировать хотя бы часть решений.
Андрей Блинов
