ИИ в строительстве и девелопменте: продажи квартир, работа с жителями, документация и стройка

Где девелопер теряет деньги и при чем тут ИИ

Маржа в девелопменте стала тонкой. По исследованию «Яков и Партнеры» в пересказе ComNews средняя маржинальность девелоперов по чистой прибыли снизилась с 9-11% в 2022 году до 3-5% в 2025 году, а в 2025 году компании заявляли о нехватке 17% персонала. При марже в несколько процентов каждая потерянная заявка на квартиру и каждый лишний сотрудник на первой линии заметны в итоговой прибыли.

ИИ в строительстве уже не экзотика. По данным ДОМ.РФ Технологии со ссылкой на индекс НЦРИИ доля строительных компаний, применяющих ИИ, по итогам 2024 года составила 36%, за год она выросла на 8 п.п. Но в исследовании «Яков и Партнеры» видно, что зрелость низкая: 64% компаний экспериментируют в свободном режиме, около 90% отмечают положительный эффект от пилотов, и только каждая пятая может измерить результат в деньгах.

Отсюда наш главный принцип: начинать не с технологии, а с места, где компания теряет деньги, и считать эффект в рублях до старта. У девелопера таких мест пять:

1. Продажи. Заявки с сайта и из рекламы приходят вечером и в выходные, менеджер отвечает утром, а покупатель за это время успел написать трем конкурентам.
2. Сервис для жителей и УК. Линия перегружена однотипными звонками: течет кран, не работает лифт, когда придет мастер.
3. Проектирование. Ошибка в спецификации или коллизия в BIM-модели всплывает на площадке, когда исправлять ее уже дорого.
4. Стройка. Отставание от графика замечают на планерке, а не в тот день, когда оно началось.
5. Бэк-офис. Договоры, исполнительная документация, тендеры и переписка с подрядчиками обрабатываются вручную.

Ниже разбираем каждый участок: что уже работает, какие нужны данные и сколько это дает.

Применение ИИ на разных этапах: общая картина

ДОМ.РФ Технологии проанализировали больше тысячи цифровых решений для отрасли: только 17% из них используют ИИ. Больше всего таких решений на этапе эксплуатации дома, хорошие результаты в продажах, а меньше всего ИИ пока в проектировании. Эта картина совпадает с нашим опытом: быстрее всего ИИ приживается там, где много однотипных обращений людей.

На матрице наша оценка: слева вверху задачи, где пилот дает деньги на данных, которые у девелопера уже есть. Справа внизу задачи, которые требуют оборудования и долгой подготовки. Это не значит, что их не нужно делать. Это значит, что с них не стоит начинать.

Продажи квартир: ИИ-консультант и подбор

По тому же исследованию большинство из 10 приоритетных сценариев первой волны находятся на этапе продаж: прогноз цен и темпов продаж, динамическое ценообразование, сквозная аналитика воронки, скоринг лидов. В пилотах такие решения давали до 7% роста ежемесячной выручки и до 20% снижения рекламных расходов. Это верхние границы, а не средние значения, но они показывают, где у девелопера самый короткий путь от ИИ к деньгам.

Мы начинаем продажи с другого конца воронки: с ответа покупателю. Реклама уже оплачена, заявка пришла, и дальше все решают скорость и качество первого ответа.

Кейс: ИИ-риелтор для девелопера LEVEL

Задача. Покупатели пишут в любое время и задают много однотипных вопросов: какие квартиры есть в нужном бюджете, какие планировки, есть ли парковка и кладовка, какие условия по ипотеке. Отдел продаж не может отвечать мгновенно ночью и в выходные, а в пиковые дни после запуска рекламы не успевает и днем.

Что сделали. Мультиагентную систему, которая ведет диалог с покупателем как консультант:

• подбирает квартиры под запрос: бюджет, площадь, число комнат, корпус;
• подбирает парковки и кладовки, которые девелоперу часто сложнее продать, чем квартиры;
• рассказывает про ипотеку и условия покупки;
• работает круглосуточно и держит больше 300 диалогов одновременно, чего не сможет ни один отдел продаж.

Персональные данные. Покупатель называет имя, телефон, а когда спрашивает про ипотеку, иногда доход и семейное положение. Эти данные обезличиваются до отправки в языковую модель: модель работает с запросом, а не с личностью. Это наш стандарт для любого проекта, где в диалоге есть персональные данные.

Срок. Проект занял 4 месяца, включая подключение данных о лотах, настройку сценариев и обкатку на реальных диалогах. Подробнее на странице ИИ-риелтор для LEVEL.

Что важно перенести на свой проект:

• Данные о лотах должны быть живыми. Если ИИ предлагает квартиру, которую вчера забронировали, доверие к нему пропадает. Поэтому консультант должен читать актуальную шахматку, а не выгрузку месячной давности.
• Горячий клиент уходит к человеку. Задача ИИ не закрыть сделку, а довести покупателя до менеджера с понятным запросом.
• Эффект считается по воронке. До запуска фиксируем, сколько заявок остаются без ответа больше часа и какая у них конверсия в визит. После запуска сравниваем на том же показателе.

Пример расчета, а не обещание. Допустим, девелопер получает 3000 обращений в месяц, и треть из них приходит вечером и в выходные. Если конверсия этих 1000 обращений в визит в офис продаж из-за позднего ответа ниже хотя бы на 1 п.п., это 10 визитов в месяц, которые не случились. Сколько из них стали бы сделками и сколько стоит одна сделка, есть в вашей CRM. Обычно уже на этом шаге понятно, окупит ли себя пилот.

Жители и УК: голосовой оператор и заявки

После сдачи дома у застройщика начинается другая работа. Если у группы своя управляющая компания или служба сервиса, жители звонят туда с бытовыми вопросами, и большинство звонков однотипные. Это идеальная задача для голосового ИИ-оператора: много повторяющихся обращений, понятный результат (заявка), и все разговоры уже идут через телефонию.

Кейс: голосовой ИИ-оператор для 300 домов КВС

Задача. Строительная компания КВС обслуживает 300 домов. Жители звонят с заявками на ремонт и вопросами, в пиковые часы и вечером линия перегружена, а операторы тратят время на то, чтобы записать адрес и суть проблемы.

Что сделали. Голосовой ИИ-оператор, который:

• принимает звонки на тот же номер, что и раньше: он интегрирован в телефонию компании;
• отвечает на вопросы жителей по базе знаний;
• составляет заявку на ремонт: уточняет адрес, квартиру, суть проблемы и передает заявку в работу;
• нестандартные случаи, конфликты и аварии переводит на сотрудника.

Результат.

• 75% запросов ИИ закрывает сам, без оператора.
• 3 секунды до ответа в 80% случаев. Для голосового робота это ключевая метрика: при паузе дольше нескольких секунд человек переспрашивает или кладет трубку.

Остальные 25% звонков это как раз то, что и должны разбирать люди. Операторы перестали записывать адреса и занялись сложными случаями. Подробнее на странице голосовой ИИ-оператор для КВС, а как устроены такие системы и что требует закон, мы разбирали в статье о голосовых роботах.

На графике наши цифры рядом с внешними оценками. Это разные показатели, их нельзя складывать или сравнивать напрямую. Наши метрики фактические по проекту, внешние взяты из оценки МФТИ и исследования консалтинговой компании.

Проектирование: проверка BIM и спецификаций

С 2025 года технологии информационного моделирования, как пишет ДОМ.РФ Технологии, стали обязательными не только для строительства за государственный счет, но и для жилищного строительства. У девелоперов становится все больше структурированных данных о проекте, а значит, и материала для ИИ.

Самый понятный сценарий здесь проверка. В альманахе Института ИИ МФТИ «ИИ в промышленности» есть кейс проверки BIM-моделей и спецификаций для строительной отрасли: до 40% ошибок в документации предотвращено, эффект около 158 млн ₽ в год. Важная оговорка: это оценка МФТИ для типового предприятия, а не результат конкретной компании. Все 17 кейсов альманаха с цифрами мы собрали в статье об ИИ в промышленности.

Что проверяет ИИ в проектной документации:

• расхождения модели и спецификации: в модели одно количество и марка, в спецификации другое;
• коллизии между разделами: инженерные сети пересекаются с конструкциями;
• соответствие требованиям: типовые нарушения норм, которые эксперт обычно находит при повторной проверке;
• полноту комплекта: не хватает листа, раздела, подписи.

Почему меньше всего ИИ именно в проектировании, объясняет тот же материал ДОМ.РФ Технологии: рынок долго строился вокруг западного программного обеспечения. Для девелопера практический вывод простой: начинать стоит не с генерации проекта, а с проверки того, что уже нарисовано. Проверка снижает риск, а результат легко оценить: сколько замечаний нашла модель и сколько из них подтвердил инженер.

Стройка: сроки, видеоаналитика и СИЗ

На площадке ИИ работает в основном через камеры и фото:

• Контроль хода работ. Камеры или регулярные фотообходы показывают, что смонтировано, а модель сравнивает это с графиком и подсвечивает отставание по захваткам.
• Контроль СИЗ и безопасности. Модель находит людей без каски, жилета или страховки. В альманахе МФТИ есть пример из смежной отрасли: на Кольской АЭС система выявляет 95-98% нарушений СИЗ, несчастных случаев стало в 8 раз меньше. Это другая площадка, но принцип тот же.
• Учет техники и материалов. Распознавание номеров машин на въезде, сверка поставок с заявками.

По нашей оценке, это самый дорогой по подготовке участок. Нужны камеры с нормальным обзором, связь на площадке, разметка своих типовых нарушений и время на обучение модели. Стройка постоянно меняется: сегодня камера смотрит на котлован, через три месяца на пятый этаж. Поэтому видеоаналитику мы советуем начинать на одном объекте и с одной узкой задачей, например только СИЗ на входе, а не «контроль всего».

Есть вариант дешевле камер: контроль сроков по данным, которые уже есть. Если прораб каждый день отправляет фото и отчет в мессенджер, ИИ может собирать из этих сообщений сводку по объекту и сравнивать ее с графиком. Это не заменяет видеоаналитику, но показывает отставание раньше еженедельной планерки.

Бэк-офис: документы, тендеры и база знаний

У девелопера огромный документооборот: договоры долевого участия, договоры с подрядчиками, исполнительная документация, разрешения, переписка с банками. Здесь работают те же инструменты, что и в других отраслях:

• Поиск по документам. Сотрудник спрашивает обычными словами («какой срок гарантии на окна в договоре с подрядчиком по корпусу 3») и получает ответ со ссылкой на документ. В нашем проекте цифрового помощника по базе знаний компании поиск стал в 7 раз быстрее, а экономия времени составила 30%. Подробнее на странице цифрового помощника по базе знаний.
• Сверка документов. Сравнение акта с договором и сметой, поиск расхождений в объемах и ценах.
• Разбор тендеров. ИИ читает тендерную документацию, выделяет требования, сроки, штрафы и риски и готовит короткую выжимку для руководителя.
• Поиск новых объектов для смежного бизнеса. Сейчас мы делаем проект для бетонного завода, где одна из задач поиск новых строек по разрешениям и тендерам. Для поставщиков стройки это прямой канал продаж.

Многие из этих задач решаются ИИ-агентами: системами, которые не просто отвечают, а выполняют действие в учетной системе. Как они устроены, мы разбирали в статье об ИИ-агентах для бизнеса.

Персональные данные и коммерческие условия в договорах чувствительны. Поэтому мы работаем под NDA, обезличиваем персональные данные до отправки в модель, а чувствительные документы держим на моделях в контуре заказчика.

С чего начать застройщику

«Яков и Партнеры» называют главным барьером не технологию, а управление: 64% девелоперов признают, что недооценивают назначение бизнес-владельца для ИИ-кейсов и бюджет на качество данных и интеграции. Порядок, который мы используем:

1. Выбрать один участок, где потери видны в деньгах. Чаще всего это необработанные заявки на квартиры или перегруженная линия для жителей.
2. Назначить владельца процесса. Это руководитель продаж или сервиса, а не IT. Он знает, где теряются деньги, и отвечает за результат.
3. Посчитать эффект до старта. Зафиксировать показатель: доля заявок без ответа, время ответа, доля звонков, которые можно закрыть без оператора. Перевести его в рубли.
4. Проверить данные и интеграции. Есть ли актуальная шахматка, доступ к CRM, телефонии, системе заявок.
5. Запустить пилот на одном участке. Один проект или один пул домов. Срок фиксируем после разбора: он зависит от данных и числа систем. Для ориентира: ИИ-риелтор для LEVEL занял 4 месяца.
6. Масштабировать то, что подтвердило эффект в цифрах. Только после этого переходить к проектированию и стройке, где подготовка дороже.

Бесплатный разбор процесса у нас занимает 30-40 минут. Пилот стоит от 300 000 ₽, точная цена фиксируется после разбора и зависит от числа систем (CRM, 1С, телефония) и участков. Подробнее об этапах и бюджете внедрения в статье о внедрении ИИ в бизнес.

Ограничения, о которых стоит помнить

• Цифры чужих пилотов это верхние границы. До 7% роста выручки и до 20% снижения рекламных расходов в исследовании «Яков и Партнеры» показывают потенциал, а не гарантию. Свой эффект нужно считать от своих потерь.
• Оценка МФТИ по BIM не факт конкретной компании. 158 млн ₽ в год это расчет для типового предприятия.
• ИИ-консультант бесполезен на устаревших данных. Если шахматка в CRM обновляется раз в неделю, сначала нужно навести порядок в данных.
• Видеоаналитика на стройке требует долгой подготовки. Камеры, связь и разметка нарушений обходятся дороже, чем кажется на демонстрации.
• Не каждый пилот окупается. Поэтому пилот небольшой, а эффект считается заранее: тогда неудачный эксперимент стоит недорого и быстро показывает, куда двигаться дальше.

Частые вопросы