ИТ-эксперты рассказали об этапах цифровой зрелости девелоперов в России

Девелоперы активно присматриваются к возможностям ИИ, проводят пилотные проекты и ищут подходы к его интеграции. Мы уже рассказывали про ключевые барьеры на этом пути и подходы, которые помогают лидерам рынка преодолевать сложности внедрения. 

Теперь мы собрали мнения экспертов о том, как может выглядеть цифровизация девелопмента в будущем, какие этапы уже проходят компании и какие шаги приближают их к «сквозной цифровой модели». Девелоперы рассказали AI-интегратору SML ключевые стадии цифровой зрелости и практические ориентиры для IT-директоров, которые помогут оценить текущую позицию и выстроить собственный план цифровой трансформации.

Идеальная картина цифровизации девелопмента

Идеальное будущее девелопмента — это единый цифровой цикл, в котором искусственный интеллект сопровождает проект от покупки земли до заселения и обслуживания дома. Это позволит девелоперам уйти от традиционного подхода к квадратным метрам и сфокусироваться на жизненных сценариях покупателей и жильцов. Генеральный директор FBK Cyber Дмитрий Лившин, ранее возглавлявший блок цифровой трансформации и инноваций в федеральном девелопере GloraX, уверен: в девелопменте все начинается с маркетинга.

Дмитрий Лившин: «Когда проекта еще нет, земля только куплена, девелопер смотрит, какой проект какого класса строить. Зрелый девелопер идет в тестирование гипотез: делает презентации, посадочные страницы, смотрит спрос, формирует портрет потребителя. Технологии уже позволяют проверять десятки сценариев застройки и снимать ключевые риски еще до начала стройки».

В проектировании генеративные модели создают мастер-планы и прорабатывают планировки с учетом инсоляции, шумовых карт и транспортной доступности. 

На стройке важнейшая роль у компьютерного зрения — от безопасности до контроля материалов. «Камеры фиксируют, в каске ли рабочий, есть ли дым или пожар, как перемещаются машины и материалы по строительной площадке. Иногда стройматериалы «неожиданно» исчезают со стройплощадки — это тоже отслеживается», — рассказывает Дмитрий Лившин.

И, наконец, эксплуатация. Здесь предиктивная аналитика способна предсказать поломку лифта или перебои с электроснабжением задолго до аварии. Это снижает затраты управляющей компании и повышает доверие жителей.

Пока такой комплексной сквозной картины нет ни у одного из игроков, но отдельные части уже дают значительный эффект — сокращают сроки, снижают риски и экономят ресурсы. Строить такую цифровую экосистему — вот что станет главным конкурентным преимуществом в ближайшие годы.

Стадии цифровизации девелоперов: где вы сейчас

Путь к идеальной картине начинается с честного ответа на вопрос: где ваша компания находится сейчас? Не все компании стартуют с одной позиции. Эффект ИИ напрямую зависит от качества данных и процессов: «мусор на входе — мусор на выходе».

Станислав Ежов, «Астра»: «В условиях импортозамещения российские застройщики вынуждены искать новые инструменты для оптимизации процессов. Мультиагентные ИИ-системы становятся ответом на дефицит квалифицированных кадров — один специалист теперь может контролировать целые направления благодаря умным помощникам, которые анализируют BIM-модели, прогнозируют сроки и выявляют коллизии в проектах. Однако лишь 15% компаний работают над повышением ИИ-зрелости, остальные застревают на базовом уровне из-за проблем сбора данных и неотлаженных процессов. Когда отрасль переходит к обязательному информационному моделированию, а данные разбросаны по разным системам, время на освоение новых технологий критически ограничено».

Тимур Талипов, PIONEER, добавляет: «Интеллектуализация возможна только при постоянном обновлении данных и их эффективной интеграции между системами». Он подчеркивает, что без синхронизации и объединения данных из разных подразделений и систем невозможно построить работающую цифровую экосистему и полноценно использовать ИИ для улучшения процессов в девелопменте. Интеграция данных — фундамент для успешного внедрения и масштабирования ИИ-технологий.

В реальности данные живут в «цифровых силосах»: CRM не интегрирована с BIM, данные с датчиков стройки не стекаются в хранилище, юридические документы существуют в несопоставимых форматах. Без устранения этих разрывов ИИ работать не будет.

Сегодня отрасль можно условно разделить на три уровня зрелости:

1. Базовый уровень — хаотичные процессы, документооборот на бумаге или в Excel. Здесь шаг №1 — навести порядок в данных и автоматизировать рутину (например, автоматизация клиентских коммуникаций, AI-помощники для управления корпоративной базой знаний, ИИ для работы с договорами).
2. Средний уровень — BI-системы, CRM, цифровые процессы в продажах и маркетинге. Здесь уже возможны пилоты генеративных моделей и голосовых ассистентов.
3. Продвинутый уровень — цифровые двойники, BIM, предиктивное обслуживание. Эти компании становятся «цифровыми девелоперами» и могут строить платформенные решения.

Попытка перескочить этапы приводит к провалам. 

Путь от малых побед к системной трансформации

Лидеры сходятся во мнении: ИИ нельзя внедрить одним махом. Правильный путь — идти от быстрых пилотов к масштабной трансформации.

Марат Идрисов, Dogma объясняет: «Мы внедряем ML-ассистента, который помогает руководителям проектов с планированием, и шаг за шагом строим модель оптимизации ресурсов и техники на стройке, используя компьютерное зрение и датчики. Ставка должна быть не на гигантские платформы, а на модульную экосистему: решения добавляются постепенно и собираются в единую цифровую архитектуру».

Начинать цифровую трансформацию лучше с автоматизации рутинных процессов, где ИИ показывает быстрый и измеримый ROI. Это снижает затраты и освобождает ресурс для более сложных задач.

Ольга Манохина, «Талан»: «Любое внедрение технологий должно приносить пользу людям. Мы начинаем с вопроса: чем вам помочь? И используем ИИ там, где это действительно облегчает работу. Так шесть лет назад мы впервые внедрили телефонного бота на базе речевой аналитики. Сейчас у нас свой бот «Юленька» на Яндекс Speech, SaluteSpeech и речевая аналитика в Bitrix CRM».

В «Талане» именно такой подход позволил добиться первых результатов. Еще один успешный кейс, о котором рассказала Ольга — внедрение ИИ для работы с договорами: «Раньше юристы и финансисты вручную разбирали 50-страничные кредитные договоры, на что уходили часы. Сейчас алгоритм анализирует документы и выделяет критические условия за минуты. Эффект — экономия времени, снижение рисков и доверие сотрудников к новым инструментам».

Эта логика применима ко всей отрасли:

1. Диагностика — где болит сильнее всего?
2. Быстрый пилот — простое решение с измеримым результатом.
3. Оценка эффекта — ROI в деньгах (сроки, себестоимость, конверсии).
4. Масштабирование — подключение новых участков и подразделений.
5. Интеграция в экосистему — связывание ИИ-сервисов с CRM, ERP, BIM.
6. Эксплуатация и предиктив — переход от «ручного контроля» к прогнозной модели.

Вадим Кокарев, «Самолет»: «Мы активно проводим R&D-исследования и ищем, где применять ИИ. Мы уже развернули внутри контура некоторые инструменты и LLM модели и у нас работает несколько агентов. Эффекты будут отложенные: нужно время на масштабирование. Пока у нас есть только оценки, подтвержденные бизнесом. Мы всегда переводим эффект от внедрения в деньги: сроки строительства, себестоимость, трудозатраты. И не все идеи проходят этот фильтр — иногда ROI отрицательный».

В «Самолете» именно поэтому сделали ставку на ML-модель для формирования ведомостей объемов работ. Она позволила сократить издержки и повысить эффективность процессов на 55%. Важен не только результат, но и сам принцип: внедряются только те решения, где эффект измеряется и подтверждается в деньгах.

Для ИТ-директора такие «быстрые победы» — это доказательство ценности  внедрения ИИ в глазах акционеров и сотрудников.

Формирование культуры ИИ в девелопменте

Практика показывает: проваливаются не инициативы, а конкретные внедрения. Главная проблема — в людях. Часто инициативы по обучению ИИ «сверху» не работают, так как сотрудники боятся новых технологий или не видят в них быстрой пользы под давлением KPI.

Илья Смирдин делится опытом запуска внутренней ИИ-платформы в крупной девелоперской компании: «Моя ключевая идея в том, что ИИ-культуру нельзя «внедрить» приказом. Она должна вырасти сама. Мы пошли не от бизнес-задач, а от человека: создали внутреннюю «песочницу», где каждый сотрудник мог безопасно и без давления «поиграться» с нейросетями для своих личных нужд. Когда у человека получается решить простую задачу — например, сгенерировать забавную картинку с котиком в штанах для презентации, — уходит страх и появляется интерес. И только после этого он сам начинает нести технологию в свои рабочие процессы. Такой подход «снизу вверх» работает в консервативных отраслях гораздо эффективнее, чем любые корпоративные курсы. Когда это станет частью ДНК компаний, появятся прорывные решения, о которых сегодня мы даже не мечтаем».

Тимофей Лютомский, РАЗУМ, добавляет: «Без цифровой грамотности руководителей не будет цифровой грамотности у их сотрудников. Низовые инициативы могут возникать, но, скорее всего, они останутся в очень небольших группах и не получат развития. Эффективно работают только практические воркшопы, которые показывают на деле: да, внедрение ИИ действительно приносит результат. Чтобы выработать привычку и сформировать культуру использования ИИ в девелопменте, требуется много времени, и первые шаги всегда самые трудные».

Формирование культуры ИИ — это стратегический актив, который отличает «цифрового лидера» от догоняющего.

Где взять экспертизу для внедрения ИИ в девелопменте

ИИ в девелопменте — стратегическая необходимость. Выбирать между созданием собственной экспертизы, поиском партнеров или покупкой готовых решений нужно уже сегодня. Чтобы ИИ в девелопменте перестал быть набором точечных решений и стал сквозным стандартом, нужны системные шаги:

1. Коробочные решения с понятной экономикой.
   Продукты должны внедряться быстро и без крупных инвестиций в R&D.
2. Партнерства девелоперов и ИТ-компаний.
   Большинство решений рождаются в сотрудничестве, а не внутри девелоперов.
3. Стандартизация данных.
   Отрасли нужна единая культура сбора и использования данных.
4. Доступность для региональных игроков.
   Решения должны работать «по подписке» и быть внедряемыми даже без больших ИТ-отделов.

Важно не просто внедрять технологии, а выстраивать фундамент: развивать внутреннюю экспертизу, объединять данные и создавать культуру взаимодействия между ИТ и бизнесом.

Тимофей Лютомский подчеркивает эту мысль: «Нужно точно развивать внутреннюю компетенцию, вместо того, чтобы сразу создавать дорогой отдел ML-инжиниринга. Лучше собрать небольшую инициативную группу — пару стажеров, опытного бизнес-аналитика — и вместе выстраивать общий стратегический план по внедрению ИИ, ориентируясь на лучшие практики рынка. Логично вкладываться в решение узкоотраслевых задач, которые сейчас не решены». 

При этом он предупреждает: «Категорически неэффективно пытаться решать крупные задачи своими силами без ресурсов и опыта».

Сквозная цифровая экосистема не строится одномоментно — она рождается из последовательных шагов, когда каждый процесс, сотрудник и решение связаны общей логикой данных и измеримого эффекта. Те, кто начнет выстраивать такую архитектуру уже сегодня, завтра будут не просто использовать ИИ, а создавать на его основе новые бизнес-модели.

AI-интегратор SML регулярно проводит исследования внедрения ИИ в разных отраслях бизнеса, это позволяет транслировать успешный опыт использования AI-решений в российских компаниях и вдохновлять участников рынка на цифровое развитие.