🤖 Индекс зрелости операционной модели российских компаний: ключевые выводы для строительной отрасли

Исследование «Сбер Индекс зрелости операционной модели», проведённое в августе 2024 года, охватило 300 российских компаний из различных секторов. Для строительной отрасли результаты представляют особый интерес, поскольку именно здесь операционная эффективность напрямую определяет сроки сдачи объектов, себестоимость и устойчивость бизнеса.

🔴Общий уровень зрелости остаётся низким. 53% компаний находятся на начальном уровне, 46,8% — на среднем, и лишь 0,2% достигли высокого уровня. В строительстве ситуация усугубляется тем, что 74% респондентов указали на нехватку квалифицированных кадров, а 42% — на недостаток компетенций в области процессного управления. Это означает, что даже при наличии инвестиций и техники строительные организации часто не могут выстроить сквозные процессы от проектирования до сдачи объекта.

Наиболее зрелые компании отличаются набором практик. Они не просто управляют финансами, а внедряют регулярный менеджмент: формализуют процессы, используют данные для принятия решений, автоматизируют контроль. В строительстве это особенно критично, поскольку разрозненность участников (проектировщики, подрядчики, поставщики) требует единой операционной модели. Однако 42% компаний называют своей главной проблемой нехватку ресурсов, а 44% — низкую вовлечённость персонала в улучшения.

🔴Разрывы по областям операционной модели. Наибольшее отставание зафиксировано в блоке «Процессы и данные» — 48% компаний находятся на начальном уровне. В строительстве это проявляется в отсутствии единых стандартов документооборота, слабой интеграции между стройплощадкой и офисом, низкой культуре работы с данными. Блоки «Стратегия и цели» (42%) и «Технологии и автоматизация» (45%) также требуют внимания: без чётких KPI и цифровых инструментов управление стройкой остаётся реактивным.

🔴Приоритеты на 2025 год. Компании планируют сосредоточиться на повышении эффективности (42%), автоматизации (38%) и улучшении клиентского опыта (25%). Для строительного сектора это означает переход от ручного контроля к системам мониторинга, внедрение BIM-технологий и управление проектами на основе данных. Уже сейчас 30% компаний считают автоматизацию ключевым фактором роста, но в строительстве этот показатель ниже среднего из-за высокой стоимости цифровизации и сопротивления изменениям.

🔴Практический вывод. Строительным организациям необходимо сместить фокус с краткосрочных задач на построение целостной операционной модели. Ключевые шаги: формализация процессов, инвестиции в обучение персонала, внедрение цифровых платформ для контроля сроков и бюджета. Без этого разрыв между лидерами и отстающими будет увеличиваться, что в условиях роста конкуренции и ужесточения требований к срокам становится критическим риском.

#TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure

🖨️ Wonderdom показал, как устроен дом «Спираль» изнутри

«Спираль» — один из новых проектов Wonderdom, построенный по проекту архитектора Павла Семухина в экопарке «ЯСНОПОЛЕ». Его главная особенность — форма: плавные линии, закрученная геометрия и необычная пластика стен делают дом непохожим на привычные прямоугольные постройки. Подобных форм добились используя технологию 3Dпечати.

При этом архитектура раскрывается не только снаружи. Внутри «Спираль» продолжает ту же идею: пространство строится вокруг формы, а интерьер становится частью общей задумки.

#3Dпечать

📲MАХимально на связи🔴
⏺Подписаться:
NeStroy3D

📌 MR, Сбер и «Эвотор» внедрили ИИ-ассистента в проектное финансирование

В проектном финансировании начал работу ИИ-контролёр на базе ГигаЧата. Решение внедрили MR, Сбер и разработчик «Эвотор», входящий в экосистему Сбера. Платформа интеллектуального мониторинга автоматически отслеживает ковенанты и кредитные обязательства по всем стройкам девелопера.

🔴Как это работает:
— ИИ формирует мастер-версию каждого кредитного договора с учётом всех правок;
— ведёт единый календарь и заранее предупреждает о приближении сроков;
— сводит ковенанты по разным банкам в одном месте;
— обеспечивает готовность к аудиту по первому требованию;
— снимает зависимость экспертизы от человеческого фактора, включая отпуска и увольнения.

Система функционирует в изолированном контуре в соответствии со 152-ФЗ, с шифрованием и журналированием.

«Применение Gen-AI решений на базе ГигаЧата качественно трансформирует процесс проектного финансирования. Для девелопера это означает абсолютно прозрачное управление кредитным портфелем. Использование ИИ-ассистентов, под капотом которых работают большие языковые модели с архитектурой RAG, позволяет уйти от ручных сверок и ошибок к интеллектуальному управлению рисками», — отметил Андрей Дмитриев, управляющий директор Сбера.

#StroyOS_MR

📲MАХимально на связи🔴
🟦Подписаться на канал:
Stroy.OS |

🤖 ИИ-ассистент Sarex автоматизирует оценку рисков при управлении проектами

ИИ-ассистент Sarex, интегрированный в модуль «Планирование», позволяет специалистам оперативно выявлять ключевые риски проекта на основе комплексного анализа графика работ. В ответ на запрос «Какие ключевые риски сейчас по проекту» система за секунды формирует детализированную картину текущего состояния.

В ходе анализа ассистент выявляет нарушения сроков критических вех, операционные риски по активным задачам, а также угрозы, связанные с критическим путем. По итогам оценки ИИ предлагает конкретные рекомендации по устранению проблем: сокращение отставания по отдельным работам, ускорение темпа на конкретных участках, ревизию связей на критическом пути и другие корректирующие меры

.
Демонстрация работы инструмента представлена в видео, где показан полный цикл обработки запроса — от анализа графика до выдачи рекомендаций.

#ИИ #ИИ_ИНП #TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure

🤖 Применение ИИ в проектировании. Опыт «Проект-М»

Белорусская компания «Проект-М» (14 лет на рынке, резидент ПВТ, более 90 специалистов) поделилась опытом использования искусственного интеллекта в проектировании. Руководитель технического департамента Денис Васильев рассказал, как ИИ помогает проверять и обрабатывать выполненную документацию.

🔴С чего начинали
Сначала использовали бесплатный Google AI Studio. Миллиона токенов хватало на анализ одного раздела или усреднённого проекта. Потом перешли на платный Codex — получили ИИ-агента, который хранит промпты в markdown-формате, не требует каждый раз заново объяснять задачу и отдаёт результат через MCP-плагин в шаблонную Google-таблицу.

🔴Схема работы простая: документация раскладывается по каталогам — проверяемая документация, заключение экспертизы, задание на проектирование, техническое задание, требования заказчика, изменения, прочие основания. Дальше агент запускается и выдаёт перечень замечаний.

🔴Что ИИ уже умеет
Проверять внутренние противоречия в разделе, несоответствия между смежными разделами, соответствие заданиям на проектирование, ТУ, заключениям экспертизы. Анализировать объёмы работ и материалов, искать дублирование данных.

🔴Реальные находки
— ВК: сброс теплоносителя теплосетей в хозяйственно-бытовую канализацию. Запрещено ТУ и нормами.
— ВК: недобор теплоизоляции Т3/Т4 — 474 метра, или 15,1% от длины труб.
— АР: под вентфасадом учтено 297,10 м² утеплителя при 669,43 м² облицовки. Недобор — 55,6%.
— АР: площадь наружных откосов — общий итог 405,90 м² против суммы секций 753,72 м². Расхождение почти 348 м².

🔴О чём предупреждают
ИИ не сделает всю работу за человека. Это часть общего процесса ручных проверок и живых согласований. Специалисты «Проект-М» подчёркивают: не верьте ИИ слепо, проверяйте каждый шаг, иначе галлюцинации и потеря контекста могут навредить. Плюс зависимость от онлайн-сервисов — санкции, VPN, рост стоимости подписок, блокировки аккаунтов. Локальные модели требуют закупки железа и настройки, окупаемость пока сложно прогнозируема.

🔴Цель — увеличить рентабельность и снизить затраты на корректировки. Но ИИ — не волшебная палочка, а инструмент, который требует компетентных специалистов и мотивации. «Проект-М» продолжает тренировать локальные модели Qwen для типизированных задач и развивает систему каскадирования проверок до уровня отдела.

#ИИ #ИИ_ИНП #TechNews  #ИНП #ИНП_международка

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure

🤖 ИИ в проектировании: где заканчивается алгоритм и начинается инженер

На днях на конференции НОПРИЗ в НИУ МГСУ Дмитрий Топчий (завкафедрой «Испытание сооружений», д.т.н., профессор) представил очень трезвый — и оттого редкий — взгляд на место искусственного интеллекта в изысканиях и проектировании. Без хайпа и без паники.

🔴Автор разводит естественный и искусственный интеллект не по «сложности», а по критерию ответственности. Если задача имеет измеримый критерий качества, полные данные и проверяемый результат — это зона алгоритма. Обработка изысканий, поиск коллизий, нормоконтроль, сметы, спецификации, типовые сетевые разделы — всё это уже сегодня уходит в машинный контур. Если же критерий качества сам является предметом выбора, данные неполны, а ошибка имеет правовые последствия — это зона человека. Архитектурный замысел, выбор конструктивной схемы уникального объекта, инженерное суждение при противоречивых данных, подпись и авторский надзор — не делегируются.

🔴Что показательно из зарубежного опыта?
Автоматизированная проверка проектов перестала быть сервисом для проектировщика и стала государственной функцией. Сингапур (CORENET X) сводит пять ведомств в одно цифровое окно и проверяет BIM-модель автоматически. Эстония проверяет пожарную безопасность и доступность прямо в строительном регистре. Корея тестирует ИИ-проверку разрешительной допустимости на цифровом двойнике территории.

🔴Россия, вопреки стереотипам, не в роли догоняющего: база типовых замечаний Главгосэкспертизы работает с 2022 года, языковые модели применяются в проверке текстовой части уже в промышленном режиме. Отставание — в глубине формализации самих норм.

🔴И вот здесь самое интересное. Минстрой проанализировал 310 нормативных актов за год. Выявлено 42 246 требований. Подлежащими переводу в машиночитаемый формат признаны только 2 403 — менее 6%. Причины: нет измеримых параметров, нельзя привязать к элементам цифровой модели, норматив не содержит формализованной логики.

🔴Ключевой риск, который выделяет автор: шаблонный подход к проверке. Когда проектный ИИ работает против экспертного ИИ, проектные решения сходятся к «среднему допустимому» — уникальность вымывается. Это не абстракция. Это то, что уже происходит с теми разделами, где формализация максимальна — сметы, ведомости, спецификации.

🔴Для сметчиков, проектировщиков, ГИП и экспертов это означает одно: содержание труда меняется уже сейчас. Меняется не в сторону «ИИ всё сделает», а в сторону смещения ценности — к постановке задачи, инженерному суждению и ответственности за выбор.

🔴Полная версия статьи. Там же — таблицы разграничения функций и сопоставление подходов к автопроверке в разных странах.

#инженерные_изыскания #нормоконтроль #Главгосэкспертиза #ИИ #ИИ_ИНП #TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure