Цифры, озвученные на форуме, основаны на данных дайджеста «Проектирование 1.0» финансового института развития в жилищной сфере «Дом.РФ». Нейросети ускоряют подготовку проектной документации в четыре раза, на 50% сокращают сроки её обработки и на 45% повышают точность расчёта объёмов работ. Совокупность этих эффектов и даёт экономию порядка 1,8 млн рублей на проект.
Генеральный директор ООО «Сайбер Бизнес Консалтинг» Дмитрий Лившин считает цифру ориентиром, а не потолком: «Потенциальный эффект может быть значительно выше 1,8 млн руб. на один проект. Такая сумма выглядит возможной, но я бы не стал считать её верхней границей, поскольку это зависит от масштаба объекта, объёма повторяющихся операций и того, какую конкретно часть работы удастся улучшить. Для небольшой организации затраты на внедрение могут оказаться высокими по сравнению с экономией. В крупном проекте даже отдельная удачно выбранная под ИИ задача способна дать гораздо более весомый результат».
Одна из системных проблем отрасли — неупорядоченность исходных данных. Многие инженерные решения принимаются на основе личного опыта специалистов, а не зафиксированных регламентов. Это позволяет автоматизировать отдельную операцию, но блокирует передачу алгоритму более сложных процессов. Руководитель отдела развития инновационных систем «Нанософт» Ольга Кутузова указала на необходимость предварительной работы: «Строительная отрасль архаична. Поэтому одна из сложностей внедрения ИИ — отсутствие упорядоченных исходных данных. Зачастую, когда нужно выполнить работу быстро, компании не стремятся внедрять инновации, воспринимают это как дополнительный груз. Поэтому важно декомпозировать проекты, выбирать точечные задачи для автоматизации».
Масштабирование пилотных ИИ-решений на всю организацию сопряжено с дополнительными затратами на инфраструктуру. Генеральный директор компании «СтроИИка» Игорь Рогачев отметил, что строительные данные тесно связаны между собой, поэтому для работы с ними требуются дополнительные программные решения: результаты пилотного тестирования не всегда сохраняются при полноценном развёртывании, а оценка экономической выгоды усложняется.
Ещё одно ограничение — невозможность полностью делегировать проектирование алгоритму. Руководитель группы технической экспертизы Департамента решений САПР и ГИС «Софтлайн Решения» (ГК Softline) Николай Флягин привёл показательный пример: «ИИ предлагает оптимальную трассу трубопровода, но инженер замечает, что она проходит через участок вечной мерзлоты. Если не учесть местные геологические особенности, через несколько лет трубу придётся перекладывать. Поэтому полностью передать проектирование алгоритмам не получится: они могут предлагать варианты и выполнять расчёты, но оценивать результат и принимать окончательное решение должен специалист».
ИИ-инструменты встроены во все современные ТИМ/BIM-решения и не выделяются в отдельный класс продуктов. Лившин сформулировал практическую логику внедрения: компания получает возможность брать больше выгодных заказов без пропорционального роста затрат — и именно в этом, а не в разовой экономии, состоит долгосрочный экономический смысл технологии. Генеральный директор АНО «НЦК ИСУ» Кирилл Семион добавил, что особую ценность ИИ создаёт при проектировании сложных комплексных решений: система позволяет сразу видеть, как изменения в одном узле влияют на весь проект.
Новости по теме:
- Трафик из ИИ вырос в 4 раза у Ozon за год — как ИИ-трафик меняет продажи на маркетплейсах
- Беспилотные грузовики могут выйти на маршрут Россия — Беларусь — беспилотные грузовики на маршруте Россия — Беларусь
- Агентная коммерция Яндекса: как магазину подготовить инфраструктуру — как магазину подготовиться к агентной коммерции
- Как нейросети меняют международную логистику и ВЭД — где нейросети уже работают в логистике и ВЭД
