17% цифровых решений в строительстве работают с ИИ. Внедрение в основном точечное и выборочное. SML поговорили с экспертами о барьерах и опыте их преодоления
Девелопмент — одна из самых консервативных отраслей с точки зрения технологических изменений. К примеру, если у застройщиков забрать все компьютеры и дать бумагу — что случится? Правильно — ничего особенного. Они как строили, так и будут строить. Получается, что информационные технологии в строительстве — это не та история, которая способна заблокировать реализацию основной функции.
Тем не менее, эта отрасль сильнее других подвержена кризисам, которые происходят с периодичностью чуть ли не раз в 1,5 года. Жесткая борьба за покупателя мотивирует застройщиков пересматривать подходы к цифровизации в поисках повышения эффективности и конкурентных преимуществ.
Один из таких инструментов — большие языковые модели (LLM). Они уже проникли во все отрасли, и девелоперы не стали исключением. По данным совместного исследования ДОМ.РФ и Фонда «Сколково», 17% цифровых решений в строительстве уже работают с применением искусственного интеллекта. Инвестиции в ИИ растут, но внедрение еще в основном точечное и выборочное. Почему возникает разрыв между желанием и практикой? Мы проанализировали опыт застройщиков и выделили четыре основных барьера, которые тормозят масштабное внедрение ИИ, а главное — узнали проверенные способы их преодоления.
Барьер 1. «У нас нет данных для работы с ИИ»
Самый частый барьер, о котором говорят все эксперты — отсутствие качественных цифровых данных, пригодных для работы алгоритмов, и невозможность быстрой настройки интеграций внутри компании.
Информация зачастую разбросана между разными подразделениями строительства и хранится в «аналоговом» виде — бумажных документов, сканов, ручных записей, без единого формата.
В строительстве особенно остро стоит вопрос качества и структурированности данных. Запас данных может существовать в теории, но они часто «грязные» и устаревшие, либо несистематизированные и не готовы для построения датасетов.
При этом, как отмечает Алексей Губин (ЭНКО), проблема не только в самих данных, но и в отсутствии культуры их накопления и анализа: «Все держится на опыте конкретного эксперта: «Я 20 лет так делал — и буду так делать». Но рынок изменился. Чтобы управлять бизнесом, нужно управлять данными. В девелопменте крутятся огромные деньги, и компании, которые научатся их считать, получат преимущество».
Картину усложняет специфика отрасли: длинные циклы проектов и разрозненные базы. Даже если данные есть, их качество и точность отличаются от отдела к отделу. Поэтому возможны какие-то сервисы, но в пределах одного департамента. При этом чтобы качественно изменить весь процесс, важно свести все воедино, но это титаническая задача, требующая управленческой воли и ресурсов. Начать эту работу решаются не все.
Но лидеры рынка не ждут идеальных условий. Они начинают с имеющегося цифрового багажа и постепенно повышают его качество. В ПИК, например, начали с обработки сканов договоров и рутинных отчетов.
Глеб Чернякин (ПИК):
«Искусственный интеллект тем и прекрасен, что может достаточно быстро создавать датасеты из хаотичных данных. Если у вас нет или недостаточно формализованных документов, то с помощью технологий можно эти документы очень быстро оцифровать, и у вас появится структурированная база для работы».
В качестве ключевой также может стать стратегия постепенной цифровизации — сначала автоматизация обработки документов с применением OCR-технологий. Это позволит быстро собрать базу для последующего анализа и обучения алгоритмов.
Отдельный вызов — прогнозная аналитика в продажах, где изменение ключевой ставки или условий ипотеки может полностью изменить картину. Девелоперы просто не успевают накопить нужный массив. В таких случаях ставка делается на генеративный ИИ: он менее требователен к данным и может «встраиваться» в отдельные процессы.
Работа с неполными или неидеальными данными — непростая, но необходимая часть пути цифровой трансформации. Реальность девелопмента диктует необходимость внедрения ИИ несмотря на недостаток данных, ведь даже частичная цифровизация открывает новые возможности. Успешные компании формируют стратегию «продвигаемся шаг за шагом», где каждый этап базируется на реальной цифровой инфраструктуре, постепенном накоплении и улучшении данных. Даже компании с минимальным уровнем цифровизации могут получать пользу от ИИ. Масштаб эффекта зависит от качества данных, но выгода возможна для всех — от локальных пилотов до системных решений.
Барьер 2. «Бизнес-процессы не готовы для внедрения ИИ»
Многие девелоперы до сих пор находятся на этапе базовой цифровизации: у кого-то даже нет электронного документооборота, а попытка внедрить ИИ в такой контур приводит к печальному результату — автоматизации хаоса.
На рынке девелопмента ощущается некое разделение. Компании по-разному относятся к внедрению технологий и к автоматизации в целом. По данным ДОМ.РФ и «Самолета», около 60% девелоперов не готовы менять процессы и ждут «коробочных решений», которые можно интегрировать без перестроек. Остальные 40% понимают: чтобы ИИ работал, нужно сначала упорядочить бизнес-логику и только потом запускать алгоритмы. Здесь особенно показателен принцип: «если процесс не описан — его не существует». Пока порядок не зафиксирован, любая автоматизация оборачивается потерей контроля. На практике это означает, что внедрять ИИ поверх неструктурированных процессов — все равно что строить небоскреб на зыбкой почве.
Василий Долгов (ГК «VIRA»):
«Инжиниринг бизнес-процессов — это база, с которой нужно начинать любую автоматизацию. Без этой основы компания рискует получить «автоматизированный хаос с элементами искусственного интеллекта». Бардак в квадрате, даже в кубе. Для большинства компаний достаточно провести реинжиниринг процессов, и этого уже хватает, чтобы повысить операционную эффективность. А ИИ стоит подключать только на следующем этапе».
Именно поэтому многие компании начинают с «нулевого этапа»: описания того, как процессы работают сейчас. На этом шаге уже выявляются дублирующие функции, бессмысленные согласования и «узкие места». В бумажном документообороте такие точки остаются незаметными, но как только процессы переводят в цифровой вид, становится понятно, где теряется время и ресурсы.
Хороший пример — документооборот. Когда компания перестает гонять сканы по почте и переводит согласование в систему электронного документооборота, исчезает потребность в печати, подписях и сканировании. Только этот шаг дает ощутимую экономию времени и снижает риск ошибок. Здесь важно понимать: польза возникает не от самого ИИ, а от наведения порядка. Уже на базе упорядоченных процессов ИИ дает дополнительный прирост эффективности.
Именно так действуют крупные компании: сначала убирают хаос, затем постепенно добавляют элементы роботизации, а уже после — внедряют ИИ и LLM.
При этом возникает вопрос: «А если мы еще не готовы? Может быть, рано внедрять ИИ?» Опыт показывает, что начать можно в любой момент. Даже компании без глубокой цифровизации могут использовать простые сценарии — например, дать сотруднику-сметчику доступ к LLM для поиска информации и сокращения ручной работы. Пусть прирост эффективности составит всего 3–5%, но на масштабе десятков сотрудников этот результат становится заметным.
Ключевой барьер здесь не столько в технологиях, сколько в корпоративной культуре. Большинство девелоперов работают «по красной модели», где решения принимаются ситуативно, а стандартизация воспринимается как лишняя бюрократия. Но именно стандартизация и прозрачность процессов дают управляемость и возможность использовать данные для принятия решений.
Барьер 3. «Наши сотрудники никогда не примут AI-технологии»
Третий барьер внедрения ИИ в девелопменте — это сопротивление сотрудников и отсутствие цифровой культуры. Не дефицит кадров или ИИ-компетенций, а именно человеческий фактор сегодня становится главным ограничением.
Даже когда в компании есть данные и описанные процессы, внедрение ИИ часто буксует из-за того, что сотрудники не хотят менять привычный порядок. Люди продолжают работать «по старинке»: бумажные согласования, звонки, личные подписи. Любые новые инструменты воспринимаются как угроза — «придет робот и заберет мою работу».
На самом деле ИИ не заменяет специалистов, а снимает с них рутинную нагрузку. Глеб Чернякин подчеркивает: «Задача не в том, чтобы исключить человека, а в том, чтобы помочь ему сократить время на выполнение рутинных задач и дать возможность реализовывать больше глобальных и интересных проектов. Если правильно выстроить взаимодействие с ИИ, сотрудник чувствует не угрозу, а облегчение».
Эта проблема проявляется сразу на трех уровнях. На уровне сотрудников — недоверие и боязнь, что их компетенции обесценятся. На уровне среднего менеджмента — непонимание, как использовать ИИ в конкретных функциях. А на уровне топ-менеджеров — привычка принимать решения без опоры на данные и алгоритмы. В итоге даже там, где технологии готовы, корпоративная культура оказывается не готова.
Опыт показывает, что сопротивление можно преодолеть. Самый действенный подход — не внедрять ИИ «сверху», а вовлекать сотрудников через практику. Вместо толстых регламентов и стратегий — простые кейсы, где каждый видит пользу для себя. Даже без сложных разработок сотруднику можно «дать в руки» ИИ-инструмент и позволить попробовать его в реальной задаче. Пусть сметчик или проектировщик почувствует, что с ИИ его рабочие процессы становятся быстрее и удобнее.
Особенно остро вопрос стоит в профессиях с большим стажем. Архитектор или инженер, проработавший 20 лет, привык действовать проверенными методами. Для него ИИ — не помощь, а почти вызов опыту. Именно поэтому внедрение требует деликатного отношения: объяснения, обучения, постепенного вовлечения.
Алексей Сложеникин, А101:
«Самая сложная часть цифровой трансформации — культура. Мы проводим вебинары, открытые сессии, где показываем, как ИИ реально работает в задачах. Дали доступ к LLM из корпоративного мессенджера в формате диалога, снизив порог входа. Коллеги пользуются.
Это зерно, которое закладывается, и оно не сразу, но обязательно прорастает. Люди начинают пробовать сами, делятся опытом, и тогда меняется общее отношение. Например, после проведения вебинаров использование ИИ среди сотрудников выросло в четыре раза».
Глеб Чернякин:
«Мы запустили серию лекций, где проводим фундаментальное погружение сотрудников в технологию искусственного интеллекта. Начинаем с рассказа о появлении ИИ, откуда произошел этот термин. Затрагиваем работу мозга, математику, машинное обучение, датасеты, а уже после этого переходим к овервью. То есть мы выбрали метод просвещения, который помогает сотрудникам не только прокачать свои знания, но и снять страх с использования технологий в своей ежедневной работе. Мы видим, что такой подход вызывает огромное количество откликов и вовлеченность в процессы».
Барьер 4. «Мы не можем оценить эффект от применения ИИ»
Еще один острый барьер внедрения ИИ в девелопменте связан не с технологиями, а с экономикой. Компании понимают, что цифровизация нужна, но когда CFO задает прямой вопрос — «Сколько мы сэкономим?» — у команды часто нет точного ответа, а ответ, что «точность модели 95%» — это провал.
Сегодня мало кто умеет напрямую считать ROI от ИИ-проектов. В результате вместо финансовых показателей используют промежуточные метрики — экономию времени, рост точности модели, сокращение ошибок. Экономический эффект признается отложенным и трудно измеримым: результаты могут проявиться через месяцы или даже годы.
Алексей Сложеникин отмечает: «Деньги посчитать очень сложно, потому что результат в ИИ-проектах не всегда терминирован». На этом фоне многие ИИ-инициативы воспринимаются как «игрушка для стратегии» — эффект есть, но он слишком абстрактен, чтобы убедить финансовый блок или акционеров.
В отрасли сейчас действует негласное правило: чем ближе проект к конечному клиенту, тем легче измерить эффект. В продажах и маркетинге результат виден быстрее всего — выше конверсия, меньше цикл сделки, выше удовлетворенность клиента. Алексей Сложеникин делится результатом внедрении ИИ для колл-центра А101: «В операционных процессах эффект тоже можно оценить через время: чат-бот сокращает поиск ответа с 40 до 15 секунд, рекомендательная система подбирает материалы с точностью 90%». Но в проектировании, мастер-планах, ценообразовании или управлении подрядчиками картина сложнее: здесь эффект ИИ реальный, но косвенный и растянутый во времени. Именно поэтому начинать лучше с «малых побед» — универсальных задач, где эффект проще измерить (работа с документацией, поддержка сотрудников, продажи). А уже потом двигаться к сложным направлениям — анализ территорий, сметы, предиктивная аналитика.
Андрей Камарицкий, рассказывая о создании сервиса «Ведомость объемов работ» (ВОР) — инструмента, автоматизирующего процесс составления сметы на основе рабочей документации:
«Сразу скажу, почему с искусственным интеллектом у нас получилось. С самого старта была четко обрисована задача: что именно должен делать ИИ и на каком участке процесса он работает. Мы никогда не рассматривали его как замену человека — система строилась вокруг специалиста, помогая ему работать быстрее. В нашем случае ключевая метрика была — скорость подготовки ведомости и, в итоге, скорость выхода на договор с подрядчиком. ИИ сокращает этот цикл, и за счет этого подрядчики быстрее выходят на объект. Это и есть реальный экономический эффект, который можно показать в цифрах».
Эти барьеры показывают, что успех цифровизации с ИИ возможен при системном изменении подходов. Искусственный интеллект — это технология, которую можно привязать практически к любому процессу, если найти, как привязаться. Однако успех внедрения зависит от готовности компании к трансформации — технологической и организационной. Девелоперам предстоит пройти путь от «хаотичных» процессов к структурированным, от страха перед новыми технологиями к их осознанному использованию, от разовых экспериментов к системной цифровизации.
Как показывает опыт лидеров отрасли, этот путь сложен, но достижим. Ключ к успеху — в сочетании технологической смелости с бизнес-прагматизмом, в готовности экспериментировать, но с четким пониманием результата.
Рекомендации экспертов
Совет 1: Начинайте не с технологий, а с людей: открыто говорите сотрудникам, что ИИ не отбирает работу, а помогает ее делать, создавайте практические кейсы, где каждый видит пользу лично для себя. Меняйте культуру постепенно, через «малые победы».
Совет 2: Не ждите «идеальных» данных. Работа с неполными данными — непростая, но необходимая часть пути цифровой трансформации. Приступите к оцифровке одного процесса (например, входящей документации или бумажных договоров), используя простые инструменты вроде распознавания текста.
Совет 3: Наведите порядок в бизнес-процессах. Переведите в цифру хотя бы один ключевой поток документов — и сразу увидите, где теряется время и возникают сбои. Это создаст фундамент для дальнейшей автоматизации.
Совет 4: Задавайте понятные бизнес-метрики еще на старте (срок согласования договора, скорость обработки документов, количество ошибок). Считайте не только «экономию денег», но и освободившееся время специалистов.