Алексей Мостовщиков: «Цифровой помощник в каске — это не метафора, а новая реальность стройки»

Где ИИ приносит самую быструю отдачу?

Искусственный интеллект сегодня дает наибольшую отдачу в тех сферах, где важна скорость принятия решений и где много повторяющихся операций. Это в первую очередь логистика, аналитика, строительство и креативные задачи. Здесь автоматизация и предиктивные модели довольно быстро превращаются в рабочие инструменты и начинают приносить результат.

В логистике ИИ позволяет оптимизировать маршруты, управлять запасами, избегать простоев — в итоге издержки снижаются на 10%, а иногда и на 50. Есть конкретные кейсы: например, как Novo BI работал с «Волмой» и «Увелкой». Еще один пример — проект «N3.Аналитика», который успешно применяется в 20 регионах страны. Он помогает снижать аварийность на 5,5% и оптимизировать грузоперевозки.

В строительстве технологии ИИ помогают сокращать сроки реализации проектов на 10–30% и снижать бюджет на 10–20%. Это уже не теория, это практика. Платформа «Самолет 10D», например, позволяет контролировать строительные площадки в реальном времени и по срокам, и по безопасности.

Государственная сфера тоже активно использует ИИ. Он применяется для ускоренной обработки данных, особенно в мониторинговых системах. Один из ярких примеров — видеоаналитика от Ростелекома, которая используется для отслеживания ситуации с твердыми коммунальными отходами. Или, скажем, проект «Цифровой водоканал» от Росатома, он помогает предотвратить аварии в ЖКХ и уже дает экономию до 11% за счет снижения потерь воды.

Креативная сфера — еще одна зона быстрой отдачи. Генерация контента, визуалов, текстов — это уже часть повседневной работы во многих компаниях.

Частный сектор внедряет технологии быстрее благодаря гибкости и отсутствию сложных процедур. Но если говорить о масштабе, то здесь пример показывает госсектор. Взять хотя бы проект цифровых двойников школ в Москве. Это уже не пилот, а системный подход, который можно тиражировать.

Каковы, на ваш взгляд, главные барьеры внедрения ИИ?

На пути цифровизации до сих пор стоит несколько довольно серьезных барьеров.

Первый — это, конечно, нехватка данных. Во многих отраслях данные либо разрозненные, либо в таком состоянии, что работать с ними затруднительно: плохое качество, устаревшие форматы, отсутствие единой структуры. Без нормальных данных ни один ИИ не заработает.

Вторая проблема — дефицит квалифицированных кадров. Возьмем, например, строительную отрасль. По оценкам исследований, ИИ сегодня используют только около 3% компаний. И дело не в том, что там нет интереса, просто не хватает специалистов, которые умеют работать с этими инструментами.

Третье — сопротивление изменениям. Люди в компаниях, особенно на местах, часто с недоверием относятся к новым технологиям. Появляется страх, что ИИ заменит людей, лишит их работы. Или просто — «мы привыкли так работать, зачем менять».

К этому добавляется еще один фактор — низкий уровень цифровой грамотности, который касается не только сотрудников, но и руководителей. Без понимания базовых принципов цифровых решений и без уверенности в их пользе такие инициативы редко получают поддержку сверху.

Хорошая новость в том, что ситуация постепенно меняется. Доверие к ИИ растет по мере того, как появляются реальные, понятные кейсы. Люди начинают видеть, что это работает. Но для устойчивого эффекта нужны образовательные инициативы. Например, мы поддерживаем внедрение ТИМ-классов в школах, где школьников учат инженерному мышлению, цифровым инструментам. Чем раньше человек начинает с этим взаимодействовать, тем легче ему потом воспринимать новые технологии, будь то на производстве или в управлении.

Какие дискуссионные моменты сегодня связаны с регулированием ИИ, особенно в контексте госинициатив?

Одна из самых обсуждаемых тем сейчас — законопроект об искусственном интеллекте и все, что с ним связано. С одной стороны, есть четкая политическая воля, тот же Указ № 124, принятый в 2024 году, обязывает государственные структуры внедрять ИИ в свою деятельность. Но на практике реализация пока буксует. Скажем, в строительной отрасли около 33% госконтрактов до сих пор не содержат требований по применению ИИ, хотя формально это уже должно быть обязательным.

Есть и позитивные сдвиги. Мы видим, что сформировался консенсус по поддержке отечественных разработчиков, в реестре уже зарегистрировано 34 российских решения на базе ИИ, и список продолжает пополняться. Это важный шаг, который дает бизнесу определенную уверенность и ориентиры.

Но остаются и болевые точки. Например, до сих пор не до конца понятно, как быть с авторским правом, если в проектировании или разработке участвует генеративный ИИ. Кто в этом случае автор? Кто несет ответственность? Вопросы требуют не только технической, но и правовой проработки. Пока в этой части нет ясности, многие компании будут действовать с оглядкой.

Когда вы оцениваете стартапы в сфере ИИ и строительства, на что в первую очередь обращаете внимание?

На самом деле смотрим на все в комплексе. Нельзя выделить что-то одно, все зависит от контекста. Но если говорить о ключевых критериях, то для нас в приоритете три вещи.

Первое — зрелость продукта. Желательно, чтобы уже был хотя бы MVP или работающий прототип и, конечно, подтвержденные пилоты. Вот, например, хороший кейс — нейросеть VIJU, которую развивает группа «Самолет». Она помогает сократить простои на стройплощадках на 40%, и это уже зафиксированный результат, а не просто идея на бумаге.

Второй важный фактор — команда. И здесь важно, чтобы в ней был баланс: с одной стороны, люди, которые понимают отрасль, то есть строительство; с другой — специалисты по ИИ. Без такого симбиоза работать не получится. У Rocket Group, к примеру, это получилось — они разработали ИИ-платформу для генеративного дизайна территорий именно благодаря сильной команде, где были и архитекторы, и инженеры, и технари.

Ну и, конечно, востребованность темы. То есть насколько продукт закрывает реальные боли отрасли. Не просто «интересное решение», а что-то, что помогает, скажем, сокращать сроки, оптимизировать бюджет или повышать безопасность. У ДОМ.РФ, например, есть сервис по оценке ликвидности объектов — он востребован, потому что застройщики реально сталкиваются с проблемами в планировании.

Если говорить о приоритетах — они, конечно, зависят от формата. Для грантов, как в программе «Сколково», важно, чтобы проект был реализуемым, с софинансированием. А если речь об инвестициях, то на первый план выходит масштабируемость и потенциал рынка.

Что сегодня мешает экспорту российских ИИ-решений, особенно в таких отраслях, как строительство или урбанистика? И что, на ваш взгляд, нужно менять, чтобы выйти на внешние рынки?

Есть несколько ключевых барьеров, с которыми мы сталкиваемся. Один из них — нормативные ограничения. У каждой страны или региона свои стандарты, свои подходы к работе с данными. Простой пример — BIM-модели: то, что отлично работает в России, далеко не всегда соответствует требованиям ЕС. Или возьмем регуляторику: у нас один набор правил, а в Европе GDPR, который задает совершенно другие рамки.

Серьезным вызовом остается и конкуренция с глобальными игроками. В том же BIM-сегменте давно доминируют крупные международные компании вроде Autodesk или Trimble. Российские решения, такие как Renga или nanoCAD, по качеству уже близки, но пока слабо представлены за рубежом и не так известны.

Еще один фактор — нехватка международных кейсов. Многие наши ИИ-решения, будь то продукты ДОМ.РФ или система VIJU от «Самолета», заточены под внутренний рынок. У них нет внедрений за пределами России, а значит, и нет внешнего доверия, которое могло бы стать пропуском на глобальный рынок.

Добавим сюда и технологическую изоляцию. Санкции ограничили доступ к основным облачным платформам вроде AWS или Google Cloud, и это всерьез мешает развертыванию решений у зарубежных заказчиков, особенно если речь идет о крупной инфраструктуре.

Что можно делать в этой ситуации? Прежде всего — развивать партнерства с дружественными странами, например, по линии БРИКС+. Такие рынки более открыты к кооперации, и там проще адаптировать наши решения под местные реалии.

Кроме того, важно активнее участвовать в международных выставках и форумах — особенно тех, где есть запрос на импортозамещающие технологии. RosBuild — пример именно такой площадки, где можно не просто показать продукт, а реально начать диалог с потенциальными партнерами.

И конечно, нужны полноценные экспортные версии продуктов. Это не просто перевод интерфейса, а изначальное проектирование с учетом многоязычия, локальных стандартов, требований по документации. Иначе масштабирование просто не получится.

Какое направление в ИИ лично вам сейчас кажется самым перспективным?

На мой взгляд, сегодня особенно интересно развивается сразу несколько направлений. Генеративные технологии, конечно, на виду, особенно в проектировании. Есть отличные примеры, как та же Rocket Group, которая использует ИИ для генерации планировок, или проекты ДОМ.РФ в сфере комплексного развития территорий. Это уже не просто теория — это решения, которые дают ощутимую экономию времени и ресурсов.

Прикладные модели тоже активно применяются. Компьютерное зрение, например, помогает контролировать соблюдение техники безопасности — распознает ношение СИЗ на стройплощадках. Или предиктивная аналитика в промышленности, как у «ЛУКОЙЛа», где система прогнозирует возможные поломки оборудования. Это уже дает реальную экономию и повышает надежность.

Отдельное и, на мой взгляд, стратегически важное направление — это отраслевые платформы. Например, Реестр ИИ-решений Минстроя — он помогает систематизировать подходы, задать стандарты и делает рынок чуть более прозрачным. Хорошая основа для масштабного внедрения.

А если говорить о моем личном фокусе, то мы с моим партнером Андреем Лупием сейчас особенно внимательно отслеживаем проекты, связанные с нормализацией номенклатуры. Это очень «земная» тема, но от нее многое зависит. Мы развиваем экосистему «ОРЛАН System» — это платформа, которая объединяет отраслевые цифровые решения для строительного рынка. И здесь буквально на каждом шагу возникает проблема. В разных системах одни и те же материалы или процессы называются по-разному, что делает интеграцию решений крайне трудоемкой.

Такая проблема характерна не только для стройки, она есть в любом B2B-сегменте, особенно там, где задействованы сложные цепочки поставок. Поэтому при оценке стартапов мы всегда смотрим, насколько команда понимает специфику строительного рынка и умеет работать с данными именно в этом контексте.

Параллельно мы тестируем и «примеряем» различные ИИ-решения, которые потенциально могут интегрироваться в строительную экосистему. Задача — не просто внедрить технологию, а сделать ее реально применимой на практике, в живом, сложном производственном процессе.

На форуме вы выступаете на секции, посвященной ИИ в строительной отрасли. Почему именно эта тема для вас в фокусе?

Для нас это не просто актуальное направление — это системная работа, которой мы занимаемся уже не первый год. В нашей структуре, в АНО «Агентство Цифрового Развития» цифровизация строительного рынка выделена в отдельное направление, и вполне обоснованно. Мы работаем с этой отраслью уже больше шести лет, и за прошедшее время накопили достаточно и экспертизы, и практики.

Сейчас тема ИИ в стройке действительно выходит на первый план — и это не только тренд, а результат целенаправленных усилий. Минстрой активно продвигает использование ИИ. Так появился Реестр решений, запускаются грантовые программы, идут пилоты. И самое главное — начали появляться реальные кейсы, которые дают измеримый эффект. Например, ИИ в ДОМ.РФ сегодня сокращает время на оценку кредитной заявки до 30 секунд — раньше это занимало часы, а то и дни.

Но при этом вызовы остаются. По нашим оценкам, порядка 30–35% строительных компаний пока относятся к цифровизации скорее формально. Для них цифровые инструменты — это «галочка», а не способ менять процессы. И вот подобное мышление нужно перестраивать — и как раз такие мероприятия, как форум, в этом очень помогают.

Кроме того, мы в прошлом году начали активно развивать еще одно направление — внедрение блокчейн-технологий в строительную отрасль. На базе своего решения «ОРЛАН System» мы запустили проект «Единая блокчейн-платформа для строительного рынка». Он стал частью нацпроекта «Экономика данных» в треке «Платформизация отраслей» и получил поддержку Агентства стратегических инициатив.

По сути, это шаг к тому, чтобы создать единую цифровую среду, в которой участники стройки смогут взаимодействовать прозрачно, быстро и безопасно — от проектировщиков до госзаказчиков. Так что тема для меня не разовый интерес, а логичное продолжение большой и системной работы.

А есть ли уже в стройке реальные примеры, где ИИ работает не на презентациях, а в реальных проектах — помогает контролировать сроки, читать сметы, следить за безопасностью?

Да, такие кейсы есть — и, что важно, их становится все больше. Это уже не история про «взять грант и сделать отчет», а про реальные, живые процессы, в которых ИИ работает каждый день.

Например, в ДОМ.РФ используются ИИ-алгоритмы, которые прогнозируют стоимость квадратного метра, оценивают сроки строительства — и все это с учетом рисков и накопленных данных по региону, подрядчику, типу проекта. То есть модель работает не в вакууме, а с опорой на реальную аналитику.

У группы «Самолет» есть отдельный кейс с нейросетью VIJU — она мониторит работу башенных кранов, отслеживает простои, и на основании этой информации можно сразу понять, где процесс тормозит. Это реальная экономия времени и ресурсов.

Что касается безопасности — тот же Росэнергоатом внедрил систему компьютерного зрения, которая отслеживает, соблюдают ли сотрудники требования к ношению касок и другой защиты. То есть контроль идет в автоматическом режиме, без необходимости постоянного участия человека.

Можно с уверенностью сказать, что волна хайпа на ИИ прошла. Сейчас к нему относятся гораздо прагматичнее — как к инструменту, который должен либо сокращать издержки, либо повышать эффективность. Другими словами, он должен помогать зарабатывать. Все, что не приносит реальной ценности, просто не приживается. И это здорово отрезвляет рынок.

В какой части строительной отрасли, по вашему мнению, ИИ дает наибольший эффект?

На самом деле ИИ уже сегодня влияет на стройку очень заметно, но максимальный эффект мы видим в трех ключевых направлениях — управление проектами, предиктивный анализ и технический надзор.

Первое — это управление проектами. Здесь ИИ помогает автоматизировать планирование, контролировать сроки и оптимизировать ресурсы. Например, платформа «Самолет 10D» отслеживает ход строительства в реальном времени — и за счет автоматического мониторинга техники и персонала позволяет сократить простои на 40%. Системы на базе машинного обучения умеют прогнозировать задержки, учитывая не только текущие процессы, но и внешние факторы — погоду, логистику, человеческий фактор. Кроме того, ИИ помогает корректировать сметы — алгоритмы ДОМ.РФ, к примеру, снижают перерасход материалов на 15–20%, просто потому что работают точнее, чем человек с Excel.

Второе направление — предиктивный анализ. Здесь особенно важна работа с рисками. Вот у «Газпром нефти» есть модель, которая прогнозирует поломки оборудования на стройке и тем самым уменьшает простой техники примерно на треть. Или анализ BIM-моделей — помогает на раннем этапе выявить коллизии, которые потом вылезают в виде конфликтов между системами. Еще один пример — ИИ в ДОМ.РФ, который оценивает ликвидность объекта и прогнозирует спрос на жилье. Это позволяет буквально за 30 секунд принять решение по кредиту — раньше на это уходили дни.

И третье — это технадзор и безопасность. Здесь активно применяется компьютерное зрение. Системы, которые распознают наличие СИЗ (касок, жилетов) уже сегодня помогают снижать травматизм на стройплощадках, и это подтверждают кейсы Росэнергоатома и Setl Group. Или дроны с ИИ как, например, в проекте SkyMule, которые отслеживают качество бетонных работ, правильность вязки арматуры. А еще нейросети начали использовать для автоматической проверки соответствия ГОСТам — например, в проектах «Газпром нефти» по авторскому надзору.

Если подводить итог, то самый ощутимый эффект ИИ дает на уровне комплексного управления проектами, когда он помогает и со сроками, и с ресурсами одновременно. Но очень быстро набирают обороты предиктивная аналитика и автоматизированный технадзор. И это уже не эксперимент — это новая реальность стройки.

Ведется ли сейчас работа по созданию нормативной базы для ИИ в строительстве? Насколько активно в этом участвуют Минстрой и крупные девелоперы?

Да, работа над нормативной базой идет довольно активно, и что важно, в ней участвуют не только чиновники, но и сами застройщики, и технологические компании. Так уже начали появляться национальные стандарты. С января 2025 года вступили в силу сразу пять ГОСТов, среди них, например, ГОСТ Р 71750 — он определяет терминологию, связанную с применением ИИ в строительной технике. Или ПНСТ 966, который касается алгоритмов распознавания препятствий для строительной техники. Есть и отраслевые документы, в частности, стандарт «Газпром нефти» по использованию ИИ для контроля качества строительства, он принят в апреле этого года.

И сам Минстрой активно вовлечен в процесс. Совместно с ДОМ.РФ в 2023 году они создали экспертную группу, уже разработавшую реестр ИИ-решений — в нем сейчас более 40 продуктов, включая системы, которые используют «Самолет» и «БРИО». Кроме того, разрабатывается методика оценки внедрения ИИ по 12 параметрам, включая технологические, экономические и социальные. Это важно, чтобы измерять не только сам факт применения, но и реальный эффект.

В этой деятельности участвуют и крупные девелоперы, такие как Setl Group, «Эталон», «А101». Они не просто присутствуют на круглом столе, а реально участвуют в пилотах, делятся обратной связью, дорабатывают решения.

Ну и конечно, есть господдержка. Указ Президента № 124, подписанный в 2024 году, обязывает госзаказчиков внедрять ИИ в свои процессы. Плюс действуют грантовые программы — например, через «Сколково», где можно получить финансирование на разработку ИИ-продуктов.

Если подводить итог — да, нормативная база формируется, и довольно быстро. Но, конечно, есть моменты, которые еще требуют доработки — в первую очередь это обмен данными между разными системами и сертификация самих алгоритмов. Пока в этих вопросах нет единой позиции, но движение в эту сторону уже началось — и это самое главное.