ИИ в строительстве: контроль качества на объектах, BIM-оптимизация и предсказание задержек

На крупной стройплощадке ежедневно работают сотни людей, десятки техники, поставляются тысячи единиц материалов. 70% строительных проектов в мире выходят за бюджет, 50% — за сроки. Это не случайность — это системная проблема управления сложностью. ИИ начинает эту сложность укрощать.

Кейс 1. Autodesk — Generative Design и BIM-оптимизация

Инструменты

• Autodesk Forma (ранее Spacemaker) — AI-платформа для мастер-планирования
• Generative Design в Revit/Dynamo — алгоритмическая генерация вариантов
• Autodesk Construction Cloud — ML-аналитика строительных проектов
• Computer Vision для анализа прогресса строительства по фото/видео

Что происходит

Generative Design: архитектор задаёт ограничения («здание на участке X, нормы инсоляции, максимальная высота, минимум 200 квартир, бюджет Y») и цели оптимизации («максимум естественного освещения, минимум материалов, лучшие виды из окон»). AI генерирует тысячи вариантов планировочных решений и ранжирует по всем критериям одновременно. Архитектор выбирает из лучших и дорабатывает.

Autodesk Forma для мастер-планирования жилых кварталов: анализирует ветровые потоки, инсоляцию, шумовое загрязнение, пешеходную доступность — прямо в процессе проектирования, без отдельных дорогостоящих исследований.

Результаты

• Скандинавские девелоперы, использующие Forma: сокращение сроков предпроектной стадии на ~40%
• Стоимость вариантного проектирования: снижение в 5–10 раз (AI генерирует то, что раньше делали команды архитекторов месяцами)
• Autodesk Construction Cloud: ML-предиктивная аналитика выявляет риски задержек за 3–4 недели до проявления
• Клиенты Autodesk Construction Cloud: снижение перерасхода бюджета на ~15% в среднем

Кейс 2. Doxel — AI-дроны для контроля прогресса и качества строительства

Инструменты

• Doxel — платформа компьютерного зрения для строек
• Автономные роботы и дроны для ежедневного сканирования объекта
• 3D-сравнение «что построено» vs «что должно быть» (BIM-модель)
• ML-аналитика производительности бригад и прогноза завершения

Что происходит

Каждый день робот Doxel проезжает по строящемуся объекту и снимает лидарные и видеоданные. Ночью ML-система сравнивает 3D-скан с BIM-моделью: выявляет расхождения — стена построена на 5 см не там, трубопровод проходит не там, плита не на той отметке. Эти ошибки обнаруживаются на стадии, когда исправление стоит $1 000, а не $100 000 (если их найти после отделки).

Параллельно: система считает выполненный объём работ каждой бригады, сравнивает с плановым, выдаёт прогноз: при текущем темпе — задержка на 3 недели. Руководитель проекта видит это сейчас, а не через месяц.

Результаты

• Проекты с Doxel: перерасход бюджета снижен на ~11% vs без контроля
• Выявление дефектов на ранней стадии: 95% скрытых дефектов обнаруживаются до заливки бетоном/закрытия отделкой
• Производительность строительных бригад при наличии объективного AI-мониторинга: рост ~38% (осознание контроля + оперативная обратная связь)
• Стоимость исправления дефекта на разных стадиях: в открытой стадии — ×1, после отделки — ×10, после сдачи — ×100

Кейс 3. «Самолёт» и российские девелоперы — AI в продажах и проектировании

Инструменты

• ML-система ценообразования (динамические цены на квартиры)
• AI-помощник для покупателей (подбор квартиры через чат)
• Computer Vision для контроля качества на производстве панелей
• Predicting demand — ML-прогноз спроса по районам и типологиям

Что происходит

«Самолёт» — один из крупнейших российских девелоперов — строит AI-инфраструктуру для всего цикла: от проектирования до послепродажного сервиса.

ML-ценообразование: цена квартиры обновляется динамически на основе темпа продаж, остатка предложения, конкурентной среды, сезонности. В высокий спрос — автоматический рост, при замедлении — точечные скидки на конкретные малоликвидные лоты.

AI-подбор для покупателя: чат-бот задаёт вопросы («сколько человек в семье», «важен ли вид из окна», «школа пешком или на машине») и фильтрует из 5 000+ квартир именно те 10–15, которые реально подходят. Конверсия из чата в показ — значительно выше стандартного поиска.

Результаты

• «Самолёт»: ML-ценообразование обеспечивает +5–8% к выручке vs фиксированные прайс-листы
• Конверсия AI-чата в запись на просмотр: в 2,1 раза выше стандартной формы на сайте
• Скорость продаж новых проектов: МЛ-прогноз спроса помогает выводить на рынок именно те планировки, которые будут востребованы — снижает «зависание» неликвидных лотов

Кейс 4. ЦИАН / Домклик — ML для оценки недвижимости

Инструменты

• ЦИАН Оценка — ML-модель оценки рыночной стоимости квартиры
• Hedonic pricing models (гедоническое ценообразование) + gradient boosting
• Данные: 50+ параметров объекта + история сделок + инфраструктура
• Real-time обновление оценок

Что происходит

Оценить квартиру раньше: нужен оценщик, визит, отчёт, 3–7 дней, 5 000–15 000 рублей. ЦИАН Оценка делает это за 3 секунды бесплатно.

ML-модель обучена на сотнях тысяч реальных сделок и учитывает: метраж, этаж, год постройки, тип дома, ремонт, вид из окна, расстояние до метро, школ, парков, уровень преступности в районе, динамику цен в конкретном сегменте. Точность: медианная ошибка <5–7% от рыночной цены.

Домклик (Сбербанк) использует похожую модель для автоматической оценки залогов при ипотечном кредитовании — без выезда оценщика для стандартных объектов.

Результаты

• Оценка через ML vs ручная: занимает 3 секунды vs 3–7 дней
• Точность: медианная ошибка 5–7% — достаточно для большинства практических задач
• Домклик: автоматическая ML-оценка используется для >60% стандартных ипотечных заявок
• ЦИАН: ML-оценка формирует органический трафик и повышает доверие к платформе

Источники: Autodesk Forma case studies, Doxel ROI analysis, «Самолёт» investor relations, ЦИАН технический блог, McKinsey «AI in Construction 2023».