Сквозное внедрение искусственного интеллекта в российский девелопмент может давать ежегодный эффект до 900 млрд руб., или 0,4% ВВП России. Однако массового промышленного внедрения ИИ в отрасли пока нет: 64% компаний проводят эксперименты в свободном режиме, около трети перешли к внедрению на отдельных этапах жизненного цикла.
Около 90% девелоперов отметили положительный эффект от пилотов, но лишь каждая пятая компания способна измерить результат в деньгах: основные сложности возникают при расчете финансового результата или переводе нефинансового эффекта в денежное выражение.
По оценкам таких компаний, внедрение одного ИИ-решения может принести 0,5-1% EBITDA. Таким образом, на практике отрасль пока реализует лишь небольшую часть потенциального эффекта, который может быть достигнут при более зрелом и системном подходе к внедрению технологии.
Такие выводы содержатся в исследовании консалтинговой компании «Яков и Партнеры», с которым ознакомился ComNews.
Девелопмент и недвижимость остаются одним из крупнейших секторов российской экономики — в 2025 г. его объем составил 15-23 трлн руб. Однако отрасль испытывает растущее давление. Средняя маржинальность девелоперов по чистой прибыли снизилась с 9-11% в 2022 г. до 3-5% в 2025 г. Производительность строительства остается ниже среднего уровня по экономике — 1,4 млн руб. валовой добавочной стоимости против 1,8 млн руб. в большинстве других отраслей.
Дополнительный фактор — кадровый дефицит. Уже в 2025 г. девелоперы заявляли о нехватке 17% (1,2 млн человек). По консервативным оценкам ВНИИ труда, к 2030 г. дефицит в строительстве и недвижимости может составить около 10% (800 тыс. человек). В этих условиях ИИ перестает быть экспериментальной технологией и становится инструментом сокращения ручного труда, ускорения процессов и повышения управляемости проектов.
Главный барьер — не технология, а управление
Исследование показало, что 64% девелоперов признают, что недооценивают назначение бизнес-владельца для ИИ-кейсов и бюджет на качество данных и интеграции. Еще 55% недооценивают управление изменениями и обучение пользователей, а также необходимость единого портфеля ИИ-сценариев и его приоритизации. При этом среди компаний со стандартизированной архитектурой доля процессов на стадии внедрения или масштабирования достигает 36%, тогда как при фрагментированной архитектуре — только 2%.
Что делать в первую очередь
Эксперты выделили 10 приоритетных сценариев для первой волны внедрения. Большинство из них сконцентрированы на этапе продаж: ИИ-прогнозирование цен и темпов продаж, мониторинг конкурентов, динамическое ценообразование квартир, сквозная аналитика маркетинговых воронок, персонализированная реклама и скоринг лидов. В пилотных проектах такие решения показывали до 7% роста ежемесячной выручки, до 3% увеличения выручки за счет динамического ценообразования и до 20% снижения рекламных расходов.
Второе важное направление — генеративный дизайн мастер-планов и параметрическая оптимизация застройки. По данным вендорских кейсов, ИИ-платформа может генерировать в 2,5 раза больше вариантов дизайна и сокращать время на дизайн до 75%. Однако такие эффекты сильно зависят от контекста внедрения и качества исходных данных.
Директор блока технологического развития и ИИ группы компаний «Самолет» Олег Тихонов рассказал корреспонденту ComNews, что в «Самолете» переход от пилотов к промышленному внедрению ИИ требует больше усилий, чем может показаться со стороны: «Основной сдерживающий фактор — высокая вариативность проектов. Компания активно росла, в том числе за счет M&A, и у нас одновременно реализуется около сотни проектов с разными подходами, процессами и ИТ-ландшафтом. В таких условиях тиражирование даже успешных пилотов требует серьезной адаптации под каждую конкретную площадку, что замедляет масштабирование. При этом все наши ИИ-инициативы изначально привязаны к стратегическим бизнес-целям. Будь то сроки строительства, себестоимость, продажи или клиентский опыт. Мы осознанно уходим от «технологий ради технологий». Пока мы находимся на этапе косвенной оценки эффекта — через корреляцию внедрений с динамикой ключевых метрик как на уровне отдельных проектов, так и компании в целом. По мере накопления данных и стандартизации процессов будем переходить к более точечной финансовой оценке вклада каждого решения».
«Что касается управления, внедрение ИИ в ГК «Самолет» поддерживается на уровне генерального директора, что критически важно для масштабных трансформаций. При этом мы сознательно делаем ставку на инициативу «снизу». Здесь мы вовлекаем сотрудников в генерацию и тестирование гипотез. Такой баланс позволяет не только ускорять внедрение, но и повышать качество решений за счет близости к реальным бизнес-процессам. К слову, в компании работают приложения и ассистенты, которые «навайбкодили» не ИТ-сотрудники компании», — подчеркнул Олег Тихонов.
По другую руку цифровой стройки
Ведущий инженер-аналитик лаборатории технологий искусственного интеллекта аналитического центра кибербезопасности ООО «Газинформсервис» Ирина Меженева отметила, что для первой волны внедрения в девелопменте наиболее востребованы те сценарии, где уже много цифрового следа и понятная бизнес-метрика: «Это прогнозирование спроса и темпов продаж, скоринг лидов, динамическое ценообразование, анализ маркетинговых воронок, мониторинг конкурентного предложения. С математической точки зрения это более зрелые задачи: есть исторические данные, целевая переменная, регулярное обновление фактов и возможность сравнить прогноз модели с реальным результатом».
При этом Ирина Меженева добавила, что важно не переоценивать сам факт наличия ИИ: «Модель не создает выгоду сама по себе — она оптимизирует конкретную функцию потерь: точность прогноза, вероятность конверсии, отклонение цены от рыночного уровня, стоимость привлечения клиента. Экономический эффект появляется только тогда, когда результат модели встроен в управленческий контур: кто принимает решение, как быстро оно применяется, какие ограничения есть по риску, кто отвечает за качество данных и как измеряется результат. Без этого ИИ остается пилотом с красивым дашбордом».
Директор по развитию технологий информационного моделирования ГК «СиСофт» Сергей Ергопуло отметил, что большинство упомянутых «Яков и Партнеры» сценариев касаются фронтенд-функций (маркетинг, продажи, общие креативные решения): «Все они, безусловно, очень важны для любой компании. Но пока среди них серьезных начинаний в области внедрения ИИ в чисто инженерную практику — нет. Это вполне объяснимо: пока существует не так много механизмов, способных обеспечить достаточно прозрачную, предсказуемую, верифицируемую работу ИИ-агентов в сложной инженерии. Ведущие разработчики инженерного софта, в том числе и мы, уже работают в этом направлении. Здесь важно идти рука об руку с заказчиком, чтобы изначально максимально «приземлить» разработку. Из того, что доступно уже сейчас и где у нас уже есть целый ряд успешных кейсов, — применение ИИ при подготовке документации, проверке на соблюдение нормативки, автоматизации рутинных процедур, связанных с анализом и обобщением нормативно-справочной информации. Но повторюсь, это только начало, а спешка здесь не нужна».
Директор дивизиона развития технологий искусственного интеллекта Т1 Даниил Макас рассказал, что наиболее востребованные сценарии применения ИИ в продажах и маркетинге: динамическое ценообразование, сквозная аналитика маркетинговых воронок и персонализация клиентских предложений. «Эти направления быстрее всего дают измеримый эффект, поскольку напрямую влияют на выручку и конверсию. По нашему опыту, в подобных проектах эффект может выражаться в росте выручки или снижении маркетинговых затрат на уровне до 10%. Конкретные показатели зависят от отрасли, качества данных, зрелости внутренних процессов и масштаба внедрения», — сказал Даниил Макас.
Генеральный директор ООО «Осми-Ит» (Osmi It) Михаил Шрайбман рассказал, что к универсальным оценкам экономического эффекта компания относится осторожно: «В каждом проекте экономика зависит от качества данных, зрелости процессов и того, встроено ли решение в реальные рабочие контуры. У девелоперов данные часто разрозненны: планировки, карточки объектов, цены, статусы помещений, проектная документация, лиды и история продаж находятся в разных системах и описаны по-разному. Для корректного внедрения нужны единые справочники, актуальные статусы, связка объектов с коммерческими и техническими параметрами, API-интеграции, права доступа и ответственный за качество данных. Отдельно важна полнота и достоверность исходных материалов: ИИ должен работать не с абстрактным описанием, а с корректными планировками, параметрами помещений, ограничениями проекта и бизнес-логикой».
В исследовании приводятся ориентиры до 7% роста ежемесячной выручки, до 3% прироста выручки за счет динамического ценообразования и до 20% снижения рекламных расходов. Руководитель направления ИИ ООО «Симбирсофт» (SimbirSoft) Илья Фомичев рассказал, что на практике для первой волны внедрения корректнее закладывать более осторожные ожидания: «Примерно до 5% роста ежемесячной выручки, около 2% дополнительного эффекта от динамического ценообразования и до 14% снижения рекламных расходов. В нашей компании мы обычно оцениваем не сам факт внедрения ИИ, а конкретный бизнес-результат: сколько стоит привлечение одной заявки, какая доля обращений доходит до сделки, как меняется эффективность рекламы, быстрее ли обрабатываются обращения и становится ли выше качество заявок. Единой цифры для всех проектов нет: многое зависит от состояния данных, качества CRM и того, насколько хорошо связаны между собой реклама, продажи и аналитика».
