ИИ в строительстве и девелопменте Смета, объект, документы
Отчет по объекту за пять минут вместо двух-трех дней ожидания выгрузки — это наш проект, а не обещание. И документы, которые перестают быть архивом без поиска.
Частые проблемы
Не «недостаточная цифровизация», а процессы, которые называют на первой же встрече.
- За каждой цифрой идут в ИТ
- Руководителю нужен срез по объекту, а получить его можно только заявкой на выгрузку. Ответ приходит через два-три дня, когда решение уже принято по интуиции.
- Документация есть, поиска по ней нет
- Проектная и исполнительная документация лежит папками на общем диске. Найти, какая редакция действует и что сказано по конкретному узлу, можно только спросив человека, который это вел.
- Отставание видно постфактум
- Отклонение от графика становится очевидным на планерке в конце месяца. Данные для раннего сигнала есть — в журналах, актах и заявках, — но никто их не сводит.
- Охрана труда проверяется обходом
- Нарушение фиксируется, если инженер оказался в нужном месте в нужное время. Камеры на объекте есть, но пишут в архив, который смотрят после происшествия.
- Сметы и КС сверяются вручную
- Сопоставление позиций сметы, актов и фактических работ — это человеко-недели на каждом объекте, и именно здесь теряются деньги.
Где ИИ дает эффект
Сценарии, которые в этой отрасли дают измеримый эффект. Каждый ведет на страницу направления с деталями.
Отчеты по объекту вопросом на русском
«Сколько бетона ушло на третий корпус за июль в разрезе подрядчиков?» — ответ сразу, без обращения в ИТ. Это наш кейс: подготовка отчета сократилась с двух-трех дней до пяти минут, нагрузка на ИТ упала на 70%.
Внедрение LLMПоиск по проектной документации
Ассистент отвечает по вашим томам, СП и техническим решениям со ссылкой на страницу и редакцию. Отдельно важно, что он показывает, какая версия действует, — в строительстве это половина вопроса.
RAG-системыРазбор исполнительной документации
Акты, журналы работ и паспорта материалов распознаются и раскладываются по полям в учетную систему. Комплектность проверяется автоматически, а не за неделю до сдачи.
OCR и обработка документовКонтроль охраны труда по видео
Отсутствие каски или страховочной привязи, нахождение в опасной зоне — событие фиксируется и уходит ответственному сразу, а не обнаруживается в архиве после происшествия.
Компьютерное зрениеКонтроль хода работ по снимкам
Фото и съемка с дрона сопоставляются между датами: что изменилось на захватке, соответствует ли это заявленному объему. Проверка объемов перестает быть только словом прораба.
Компьютерное зрениеРанний сигнал об отставании
Модель на данных журналов, заявок и поставок выделяет объекты, где отклонение от графика становится вероятным. Ценность здесь во времени: месяц раннего предупреждения дороже точного отчета постфактум.
ML-модели и аналитикаСверка смет, актов и факта
Сопоставление позиций, названных по-разному в разных документах. Это та же задача сведения номенклатур, которую мы решали в металлургии, — там она сократила подготовку отчета с нескольких дней до получаса.
ML-модели и аналитикаНаши проекты в отрасли
Цифры — из этих разборов, а не из отраслевых отчетов.
Чем эта отрасль отличается
То, что меняет архитектуру решения и смету, — а не только формулировки в презентации.
Данные разбросаны по системам и людям
Часть в учетной системе, часть в таблицах прораба, часть в переписке. Первый этап проекта здесь — не модель, а сведение источников, и его нельзя недооценивать по срокам.
Редакция документа важнее его содержания
Ответ по устаревшему тому хуже, чем отсутствие ответа: по нему могут начать работы. Система обязана показывать версию и дату, а не просто находить релевантный текст.
Объект — сложная сцена для видео
Пыль, дождь, контровой свет, техника, перекрывающая обзор. Модель, обученная на кадрах ясного дня, деградирует в первую же непогоду — обучающая выборка должна включать плохие условия.
Связь на объекте ненадежна
Рассчитывать на постоянный канал в облако нельзя. Видеоаналитика работает на месте, а наружу уходят события, а не поток.
Пользователь — не офисный сотрудник
Инструментом пользуется прораб в перчатках, с телефона, а не аналитик за двумя мониторами. Если для получения ответа нужно больше двух действий, им не будут пользоваться.
С чего начинаем
Самый быстрый эффект дает отчетность: у вас уже есть база, и не нужно ничего собирать заново. Берем типовые вопросы, которые сейчас уходят заявкой в ИТ, и за две недели показываем, какая доля из них получает корректный ответ без человека. Дальше выбираем между документацией и контролем объекта — в зависимости от того, где у вас больше теряется.
Частые вопросы Короткие ответы
Нет. Права наследуются из вашей системы: запрос выполняется от имени пользователя, и он видит только то, к чему допущен. Это проверяется на приемке отдельно — вопрос доступа к финансовым данным по объектам обычно первый, который задают.
Поэтому она работает только на чтение и показывает, какой именно запрос выполнила: цифру можно проверить. Для типовых вопросов используются проверенные шаблоны, а сложные и неоднозначные запросы система помечает как требующие внимания вместо того, чтобы угадывать.
Текстовая часть — да, включая сканы: распознавание встроено в конвейер. С чертежами сложнее: извлечь из них текстовые примечания и штампы реально, а понимать графику как инженер система не будет. На диагностике честно разделим, что войдет в поиск, а что останется вне его.
Начинать стоит с одной-двух зон повышенного риска, а не с покрытия объекта. Это и дешевле, и дает понятную цифру эффекта. Расширение после пилота идет быстрее: модель и инфраструктура уже есть.
Нет, если данные сходятся в общую систему. Модель обучается на всех объектах сразу — так она даже устойчивее, потому что видит больше вариантов. Отдельной настройки требуют только принципиально разные процессы учета.
Другие отрасли
Начнем с одного участка
Расскажите, какой процесс болит сильнее всего в строительстве. Вернемся с планом прототипа на ваших данных, сроком и вилкой — и скажем, если задача решается без ИИ.