Строительство, как гражданское, так и промышленное, вне зависимости от региона исторически считалось отстающим по производительности труда. Уникальность дизайна и инжиниринга каждого объекта, высокая текучесть кадров и повышающиеся стандарты безопасности приводили как к невозможности достижения требуемого уровня повторяемости на производстве, так и к сложностям в сборе данных, аналитике и внедрении цифровых инструментов. С возросшим интересом и общественным признанием ИИ кажется, что найден инструмент, который позволит системно повысить производительность.
Главная особенность ИИ, в отличие от периода «больших данных», — это демократичность. Большие, средние и малые компании находятся в сравнимом положении касательно стоимости и скорости внедрения. Эта демократичность даже немного пугает инвесторов: достаточно вспомнить момент открытия магазина OpenAI и возможности настройки собственного чата, когда компании, которые инвестировали в создание специализированных моделей, оказались в положении, где они должны доказывать, что могут работать лучше, чем общедоступный чат. Конечно, демократичность в какой-то момент заканчивается: повышаем стандарты безопасности, пробуем натренировать модель на собственных данных, интегрируем несколько систем — и вот уже кейс не на один спринт и требуются специалисты с рынка. Но порог входа беспрецедентно низок.
Малые и средние компании также могут успешно внедрять ИИ-технологии для улучшения эффективности, сокращения затрат и укрепления своих позиций на рынке. Существует множество готовых решений и инструментов, позволяющих предпринимателям интегрировать ИИ в свой бизнес без необходимости больших инвестиций.
Эволюция искусственного интеллекта
Основой цифровой революции «больших данных» было повышение доступности данных, а не появление мощных вычислительных ресурсов или новых моделей. С искусственным интеллектом же ситуация обратная: данные для обучения и алгоритмы построения модели всегда были у нас, но не хватало вычислительной мощности для их обработки. Поэтому сейчас речь идет о новой модели, связанной с появлением вычислительных мощностей, которая обладает интересной особенностью — способностью быть полезной, даже если у компании небольшой объем собственных и уникальных данных.
Парадокс заключается в том, что, хотя фундаментальная модель обучена на огромном объеме данных, конкретные приложения требуют для работы гораздо меньше данных. Например, приложение для анализа и синтеза онлайн-встреч уже включает все необходимые концепции и кейсы, чтобы обрабатывать транскрипт встречи как входные данные, без необходимости в дополнительном обучении.
Направления развития ИИ в строительстве
Экосистема сервисов в области искусственного интеллекта довольно демократична и строится на основе фундаментальных моделей с добавлением надстроек для конкретных приложений и элементов обучения. Это приводит к быстрому расширению числа сервисов, способных удовлетворить разнообразные потребности бизнеса.
Конечно, на данный момент искусственный интеллект прежде всего используется для повышения производительности в областях, где важна текстовая составляющая работы. Это маркетинг, работа с договорами, тендеры, закупки и юридическая деятельность. Здесь можно значительно выиграть от использования ИИ-помощников, опирающихся на внутренние документы и данные компании. Для таких потребностей часто существуют специализированные сервисы.
Другое направление — это интеграция ИИ-компонентов в стандартные приложения, такие как CAD- и ERP-системы. Использование этих сервисов, скорее всего, станет широко распространенным независимо от усилий компании. Именно здесь, вероятно, начнется ИИ-трансформация дизайна и проектирования — одной из самых интеллектуально нагруженных и зарегулированных областей.
Данные системы (Aveva, AutoCAD) легко смогут надстроить ИИ над существующими подсказчиками и использовать данные, которые уже содержатся в моделях. Таким образом, например, стоимостной инжиниринг станет на порядок прозрачнее, когда в зависимости от выбранной конфигурации и местоположения оборудования будет предлагаться оптимальная структура здания, а возможно, и предложения по реконфигурации генплана.
Третье и наиболее интересное для отдельных компаний направление — это разработка эксклюзивных пользовательских кейсов, адаптированных к конкретным потребностям каждой компании.
Выбор кейсов для внедрения
Особенность кастомизированных сервисов заключается в том, что ценность и глубина внедрения для каждой компании должны определяться индивидуально. К примеру, девелоперы, которые по причине недостаточного количества рабочей силы вынуждены нанимать на строительство объектов менее опытных работников. Они могут внедрить модели, помогающие реагировать в режиме реального времени на near miss incidents, когда работник по неосторожности или намеренно не выполняет правила техники безопасности.
Это достаточно сложный для внедрения кейс, так как он не только требует интеграции в реальном времени с системами наблюдения, но и задействует модели распознавания изображений, которые должны быть, в свою очередь, интегрированы в систему оповещения и предотвращения инцидентов. Однако есть большое количество сервисов — помощников обслуживающего персонала. Они помогают как сотрудникам управляющей компании, так и, возможно, самим жильцам решать возникающие проблемы. Такие сервисы, с учетом тренда на интеграцию застройщиков и управляющих компаний, скорее всего, будут одними из первых к внедрению.
Внедрение собственных кейсов в условиях динамического развития приложений — это непростая задача, поскольку вопрос «А не решит ли эту задачу завтра кто-то еще, к тому же бесплатно?» стоит очень остро. Наличие или возможность для компании сбора уникальных данных, которых может не быть у конкурентов, — основа для разработки собственного юзкейса: больше вероятность, что будет уникальный продукт, меньше вероятность, что завтра кто-то сделает похожее на рынке. Автоматически генерировать соглашения о неразглашении — вероятно, нет. Генерировать ТЗ на закупку лифтов и прочего оборудования на основе дизайнов и прошлых контрактов — вероятно, да.
Перспективы искусственного интеллекта в строительстве
Есть большие ожидания, что область тренинга и помощников будет динамично развиваться и несомненно поможет строительной отрасли, где всегда была проблема текучести и квалификации персонала. Есть большое количество исследований, демонстрирующих, что сотрудники, которым предоставляется возможность работы с ИИ, показывают производительность больше на 15—25%.
Однако важно понимать, что работа с ИИ требует обучения. Несмотря на значительный прогресс с моделями, это не прямая замена человеку. Это лишь инструмент — и необходимо знать, как с ним работать. Наилучшее, с моей точки зрения, умение работать с ИИ — это способность делегировать: умение сформулировать задачу достаточно точно, чтобы ее можно было выполнить, и умение проверить результат, критически его проанализировав. Другими словами, успешная работа с ИИ — это признак управленческих навыков.
К примеру, в компании по оказанию BIM-сопровождения один из сотрудников стал по собственной инициативе использовать ИИ для быстрого анализа тендерной документации, понимания объема требуемых услуг, требований по физическому нахождению сотрудников. Он смог таким образом обрабатывать в три раза больше запросов потенциальных клиентов. При этом ключ к правильному использованию — постановка правильных запросов или промптов, которые многие специалисты начинают сохранять в свои личные наборы.
ИИ — это про сотрудников, а не про компьютеры
Компании, стремящиеся успешно внедрить искусственный интеллект, должны уделить особое внимание обучению своих сотрудников. Этот процесс начинается с предоставления доступа к обучающим ресурсам, таким как онлайн-курсы и внутренние семинары. Так сотрудники смогут освоить основы ИИ.
Но обучение не должно ограничиваться только теорией. Важно создать практические среды, включая внутренние проекты и пилотные программы, где сотрудники могут применять свои знания на практике.
Культура обучения и обмена знаниями внутри компании также способствует развитию экспертизы в области ИИ и содействует инновационным идеям. В целом подход к ИИ требует сознательного и постоянного анализа выполняемых задач и критичного вопроса: «Может ли текущая задача быть частично или полностью выполнена ИИ?» Если да, то количество успешных проектов будет расти непропорционально.
Главные направления искусственного интеллекта в строительстве
Есть три основных направления развития внутри строительных компаний. Первое — это развитие ИИ в рамках существующего программного обеспечения, за которым компании должны активно следить и которое они должны использовать.
Второе — это микросервисы: они появляются постоянно и могут быть полезны для отдельных сотрудников. Третье — это собственные кейсы, которые могут принести компании результаты в специфических областях, требуемых для их бизнес-модели.
Применение ИИ внутри компании показывает, насколько полно используется его потенциал. Минимальное количество из 3—4 сценариев использования у каждого работника независимо от его позиции — хороший стартовый показатель глубины адаптации в строительной отрасли.
