Заместитель главы Минстроя РФ Константин Михайлик заявил о необходимых сроках готовности трех типовых отраслевых решений (ТОР) к апрелю 2027 г. — по управлению строительством, коммунальной инфраструктурой и "Умный город". Кроме того, к 2030 г. 50% бизнес-процессов в стройке и ЖКХ должны основываться на ИИ-инструментах. II Всероссийский форум развития "Города будущего". Заместитель главы Минстроя РФ Константин Михайлик (фото ComNews)
20 августа на II Всероссийском форуме развития «Города будущего» заместитель главы Минстроя РФ Константин Михайлик рассказал, что существующие цифровые системы в отрасли создавались десятки лет назад и требуют пересборки. Он отметил, что работа искусственного интеллекта упирается в необходимость качественных данных. «Если ИИ будет нырять в различные источники данных, которые ему непонятны, мы будем получать галлюцинации. Он будет додумывать. Работать ИИ должен на качественных, структурированных системных данных», — подчеркнул замминистра.
По словам Константина Михайлика, появление типовых решений позволит отрасли перейти к единому формату данных, что, в свою очередь, решит задачу максимального внедрения ИИ, поставленную президентом. «К 2030 г. мы сами должны 50% наших бизнес-процессов стройки и ЖКХ основывать на инструментах искусственного интеллекта. Представьте, что каждое второе действие будет задействовать алгоритмы и модели», — заявил замглавы Минстроя.
Среди уже используемых решений он назвал цифровой нормоконтроль проектной документации, системы машинного зрения для контроля безопасности на стройплощадках и генерацию вариантов архитектурного облика зданий.
Представитель пресс-службы Министерства цифрового развития, связи и массовых коммуникаций РФ сообщил корреспонденту ComNews, что разработка типовых решений по управлению строительством и городским хозяйством («Умный город»), а также ФГИС «Объекты коммунальной инфраструктуры» реализуются по плану. «Первые внедрения в субъектах Российской Федерации, выбранных в качестве пилотных, запланированы на 2027 г. Для решения вопросов создания типовых решений созданы соответствующие межведомственные рабочие группы с участием Минцифры России, Минстроя России, профильных экспертов со стороны регионов», — сказал представитель пресс-службы Минцифры.
Директор по информационным технологиям ООО «КТС-Проект» Артем Дугин назвал цель по внедрению ИИ в 50% бизнес-процессов строительства и ЖКХ к 2030 г. амбициозной: «Один из ключевых вопросов здесь — не только развитие самих ИИ-инструментов, но и готовность цифровой инфраструктуры отрасли. Данные об объектах могут находиться одновременно в нескольких информационных системах, поэтому переход к единому формату данных может стать важной основой для дальнейшего внедрения ИИ».
Константин Михайлик добавил, что на каждый этап строительного цикла — проектирование, экспертизу, эксплуатацию — появляются продукты, которые централизованно развиваются и переходят в регионы.
С 1 апреля 2027 г. типовые решения должны начать работать в промышленной эксплуатации в первых 15 регионах. По данным Минстроя, суммарный экономический эффект от внедрения ИИ в строительстве и ЖКХ к 2030 г. может составить около 47,7 млрд руб., а внедрение ТОР сократит сроки решения задач на 30% благодаря автоматизации процессов и повысит качество управленческих решений за счет объективных данных.
Первые шаги
Ранее, 28 марта 2026 г., портал ComNews сообщал, что три типовых отраслевых решения (ТОР) — «Управление строительством», ФГИС «Объекты коммунальной инфраструктуры» (ОКИ) и «Умный город» перешли в фазу проектирования. Все решения реализуются на платформе «ГосТех», единственным исполнителем выступает ПАО «Ростелеком», технический заказчик — Минцифры. Для регионов и муниципалитетов использование ТОР будет бесплатным. ТОР «Управление строительством» объединит существующие информационные системы (ГИСОГД, ИСУП, РГСН). ТОР по коммунальной инфраструктуре аккумулирует данные о тарифах, лицензировании и сведения о многоквартирных домах из ГИС ЖКХ. ТОР «Умный город» предоставит муниципалитетам современные цифровые инструменты для управления городским хозяйством.
В октябре 2025 г. в сообщении ГАУ КК «Краснодаркрайгосэкспертиза» было сказано, что ТОР «Управление строительством» позволит регионам использовать наработки друг друга вместо того, чтобы разрабатывать решения с нуля. Пилотное внедрение ТОР было запланировано в 2026 г. в 15 субъектах РФ: Владимирская, Самарская, Саратовская, Тульская и Псковская области, республики Алтай, Марий Эл, Мордовия и Северная Осетия, а также ДНР, ЛНР, Запорожская и Херсонская области, Чеченская Республика и Чукотский автономный округ.
Некачественное себе оставьте
Ведущий инженер-аналитик лаборатории технологий искусственного интеллекта аналитического центра кибербезопасности ООО «Газинформсервис» Ирина Меженева отметила, что единый формат данных — это главная ценность типовых отраслевых решений: «Значительная часть усилий при внедрении ИИ уходит на приведение разнородных данных из разных источников к пригодному для обработки виду. Если отрасль перейдет к единой структуре, этот этап существенно упростится: появляется согласованный базис, поверх которого можно выстраивать и модели, и контроль их работы».
Технический директор ООО «МД Аудит» (MD Audit, входит в ГК Softline) Юрий Тюрин выделил отдельный вопрос данных — актуальность: «Для строительной и коммунальной сфер данные постоянно меняются, поэтому должны быть определены ответственные за их обновление и понятный жизненный цикл информации. Только после этого имеет смысл масштабировать ИИ-инструменты: прогнозирование, поиск аномалий, подготовку документов, управление ресурсами и поддержку принятия решений. При таком подходе ТОР могут стать не просто набором цифровых сервисов, а основой единого информационного контура отрасли. И уже этот контур позволит постепенно переводить на ИИ реальные бизнес-процессы, а не формально добавлять нейросети к существующим разрозненным системам».
Директор практики «Государственные и социальные инициативы» ООО «Рексофт» Александр Нугаев отметил, что для ИИ в первую очередь нужно выстроить единые справочники и идентификаторы, определить требования к качеству данных и закрепить ответственность за их актуальность. «В этом смысле ТОР — очень важный шаг: они могут дать отрасли единый цифровой каркас и существенно упростить масштабирование ИИ между регионами. Но дальше потребуется постоянная работа с качеством данных — сама по себе единая платформа автоматически эту проблему не решает», — сказал Александр Нугаев.
Несмысловые галлюцинации
Константин Михайлик подчеркнул, что работа ИИ упирается в необходимость качественных данных, иначе будут галлюцинации. Технический директор ООО «Стахановец» Сергей Щербаков рассказал, что любая ИИ-модель — это зеркало данных, на которых она работает, и мусорные входные данные почти гарантированно дают галлюцинации на выходе: «В продуктах мы решаем эту проблему на уровне архитектуры, а не постфактум. Система сначала собирает и нормализует сырую телеметрию в строго структурированные события с фиксированным набором параметров, и только затем эти структурированные данные передаются LLM-модели для анализа. Такой подход, жесткая типизация и валидация данных до того, как они попадут в языковую модель, снижает риск галлюцинаций гораздо эффективнее, чем попытки дообучить саму модель быть аккуратнее на неструктурированном материале».
Руководитель ИТ-подразделения агентства «Полилог» Людмила Богатырева отметила, что государство уже давно работает над качеством данных, например, в рамках межведомственного взаимодействия. Она считает, что сложность в работе с данными в сфере строительства и ЖКХ дополнительно обусловлена большим количеством данных на разных уровнях власти: их зачастую не так просто связать и структурировать, есть сложная отраслевая специфика. «Работа с качеством информации одновременно снижает риск галлюцинаций и повышает надежность результатов», — подчеркнула Людмила Богатырева.
ТИМ-менеджер отдела инновационных систем ПАО «Нанософт» Максим Журавлев полностью согласился с тем, что для работы решений с ИИ требуется использовать качественные данные: «Поэтому наше разрабатываемое решение NSR Specification, созданное для автоматизации работы с нормативными требованиями в сфере проектирования зданий и сооружений, реализует всю цепочку работы с нормативными документами. На первом этапе NSR-модуль семантической разметки переводит текстовый документ в машиночитаемый формат, то есть подсказывает границы требований и классификационные коды для каждого требования. Выделенные требования храним в единой базе и далее используем для проверки текстовых требований и цифровых информационных моделей».
