Умный метр: как ИИ меняет строительство и цены на жилье

Такой эффект способен вернуть прибыльность отрасли к уровню 2022 г., говорится в исследовании «Искусственный интеллект в девелопменте России» консалтинговой компании «Яков и партнеры». «Ведомости. Город» разобрался, где застройщики уже используют искусственный интеллект (ИИ), способен ли он снизить себестоимость строительства и как технология отразится на покупателях.

Где застройщики уже используют ИИ

Объем российского рынка недвижимости и девелопмента в 2025 г. составил 15–23 трлн руб., подсчитали в «Яков и партнеры» (исследование есть в распоряжении «Ведомости. Города»). При этом средняя маржинальность по чистой прибыли за три года снизилась более чем вдвое – с 9–11% в 2022 г. до 3–5% в 2025 г. Одновременно с этим девелоперы испытывают дефицит кадров. В 2025 г. он оценивался в 17%, или 1,2 млн человек, а к 2030 г. нехватка сотрудников в строительстве и недвижимости может составить около 800 000 человек. В таких условиях застройщики ищут способы сократить издержки, ускорить рабочие процессы и точнее прогнозировать финансовые результаты проектов. Одним из таких инструментов становится ИИ, говорится в исследовании.

Авторы выделили 175 сценариев применения ИИ на разных этапах девелоперского проекта и подробно оценили 80 из них. Алгоритмы могут использоваться при анализе земельных участков, разработке концепции жилого комплекса, проектировании, закупках, контроле строительства, маркетинге, продажах и последующей эксплуатации здания. Наибольший эффект сейчас дают процессы, в которых компании уже накопили значительные массивы структурированных данных. Речь идет прежде всего об аналитике, финансовом моделировании, рекламе, обработке обращений и управлении ценами.

При этом до системного внедрения технологии дошла небольшая часть рынка. По данным «Яков и партнеры», 64% девелоперов экспериментируют с ИИ в свободном режиме, 27% находятся на стадии активного развития отдельных решений, еще 9% приступили к их масштабированию. О положительных результатах пилотных проектов сообщило около 90% опрошенных компаний. Перевести полученный результат в финансовые показатели смогла лишь каждая пятая. Даже у наиболее продвинутых участников рынка отдельные ИИ-решения пока увеличивают операционную прибыль лишь на 0,5–1%.

Схожие результаты получил сервис «Авито недвижимость», с ними ознакомился «Ведомости. Город». Согласно опросу, 94% сотрудников девелоперских компаний знают об использовании ИИ-инструментов внутри своих организаций, 45% сообщили об их регулярном применении. Системно такие решения встроены в процессы у 12% застройщиков. Чаще всего компании используют их в маркетинге, рекламе и подготовке контента – эту сферу назвали 75% респондентов. Аналитические задачи отметили 53%, работу отделов продаж и контакт-центров – 47%.

На чем застройщики могут сэкономить

Потенциальная ежегодная выгода в 0,9 трлн руб. складывается из нескольких источников, следует из исследования. Алгоритмы способны повышать выручку, сокращать административные и рекламные расходы, уменьшать трудозатраты, ускорять проектирование и снижать число ошибок. Поэтому эту сумму нельзя напрямую считать экономией на бетоне, арматуре, рабочей силе или земельных участках. Значительная часть результата возникает в управлении проектом и продаже квартир, считают авторы исследования.

Сегодня наиболее заметную пользу ИИ приносит при генерации вариантов, визуализации и рутинной проверке данных, говорит директор по цифровым технологиям и операционной эффективности Level Group Всеволод Нечитайленко. В проектировании нейросети позволяют за несколько часов подготовить варианты фасадов и проверить архитектурные решения, на которые раньше требовались недели работы дизайнеров. Алгоритмы также выявляют несоответствия между чертежами и спецификациями до выхода рабочих на площадку. Чем раньше компания обнаружит такую ошибку, тем ниже риск переделок во время строительства, поясняет он.

Прямой финансовый результат от этих инструментов пока трудно отделить от общего эффекта цифровизации, признает Нечитайленко. Технология сначала повышает скорость, качество и прозрачность работы, а сокращение затрат проявляется позднее. В Level Group различными ИИ-инструментами, включая сервисы для работы с текстами и структурирования данных, пользуется более 500 из 1600 сотрудников компании, рассказал эксперт.

Измеримый результат есть и в отдельных финансовых процессах. В Sminex применение ИИ в моделировании позволило сократить трудозатраты вдвое, рассказал «Ведомости. Городу» вице-президент компании по продажам Иван Обухов. Алгоритмы собирают данные о предложении конкурентов, ценах, темпах продаж и скорости реализации разных типов квартир. Расчеты затем проверяют специалисты компании, отмечает он.

Во время строительства ИИ может сопоставлять фактический ход работ с календарным планом, проверять документацию, прогнозировать задержки и контролировать подрядчиков. По словам Нечитайленко, долгосрочный эффект должен возникнуть за счет более раннего выявления проектных ошибок и сокращения сроков устранения замечаний. Главный резерв здесь связан с дорогостоящими переделками: исправление неточности в цифровой модели обходится дешевле, чем демонтаж и повторная работа на площадке.

Станут ли квартиры дешевле

Внедрение ИИ на первых этапах требует дополнительных расходов на программное обеспечение, инфраструктуру, подготовку данных и обучение сотрудников, обращает внимание Нечитайленко. Поэтому ждать немедленного сокращения себестоимости квадратного метра не следует. Экономический эффект появляется постепенно – через более жесткий контроль подрядчиков, снижение числа ошибок, ускорение согласований и повышение управляемости проекта, отметил он.

Даже при сокращении части затрат цена квартиры не снизится автоматически, напоминают эксперты. Стоимость жилья определяют спрос, объем предложения, цена земли и материалов, зарплаты строителей, расходы на подключение к инфраструктуре и банковское финансирование.

Высвободившиеся средства девелопер может направить на обслуживание кредитов, компенсацию роста себестоимости или восстановление маржинальности. Вместе с тем авторы исследования «Яков и партнеры» считают, что потенциальный эффект от ИИ способен вернуть прибыльность сектора к уровню 2022 г.

Часть экономии может перейти в скидки и более выгодные условия покупки при высокой конкуренции и слабом спросе. В такой ситуации застройщику важно ускорить продажи и сократить период использования проектного финансирования, говорят эксперты. При ограниченном предложении и устойчивом интересе покупателей компания, вероятнее всего, сохранит эффект внутри финансовой модели проекта, добавляют они.

ИИ пока не является самостоятельным фактором роста или снижения стоимости жилья, говорит управляющий директор направления первичной недвижимости «Авито недвижимости» Дмитрий Алексеев. Основную динамику рынка определяют соотношение предложения и спроса, доступность финансирования, ипотечные условия, локация и характеристики объекта. Алгоритмы помогают точнее оценивать ликвидность квартир, сопоставлять их с похожими предложениями и быстрее замечать изменения в поведении покупателей, добавляет эксперт.

Такой анализ делает ценообразование практически непрерывным. Система может ежедневно оценивать продажи и рекомендовать изменение стоимости конкретной квартиры. При снижении спроса алгоритм предложит скидку или специальные условия. Востребованный лот, напротив, подорожает раньше, чем при ручном пересмотре прайс-листа. ИИ в этом случае помогает застройщику быстрее определить сумму, которую готов заплатить покупатель.

Использование алгоритмов прямо не влияет на цену квадратного метра, подтверждает Обухов. В Sminex система ежедневно анализирует рынок и предлагает корректировки, для клиента это означает, что цена быстрее реагирует на текущий спрос. Такая точность может работать в пользу покупателя при снижении интереса к проекту и в пользу продавца, когда определенная планировка или видовая квартира пользуется повышенным спросом, уверен эксперт.

Как изменится поиск жилья

Покупатели раньше всего заметили ИИ в цифровых сервисах поиска квартир, считает Алексеев. При выборе жилья человек сопоставляет цену, площадь, расположение, транспортную доступность, инфраструктуру, планировку и условия покупки. Алгоритмы позволяют быстрее отсеять неподходящие предложения, сравнить оставшиеся варианты и выделить сведения, которые имеют значение для конкретного пользователя.

Самым полезным ИИ-инструментом на рынке недвижимости россияне считают сравнение нескольких квартир – эту функцию отметил 41% участников опроса «Авито недвижимости». Умный поиск объявлений по пользовательскому запросу выбрали 35%, автоматическую оценку стоимости объекта и проверку качества объявления – по 25%. Краткое резюме с основной информацией оказалось востребовано у 24% респондентов.

Генеративные модели позволяют перейти от жесткого набора фильтров к поиску на естественном языке, объясняет Алексеев. Пользователь сможет описать свою ситуацию: обозначить бюджет, желаемое время в пути, наличие рядом школы или парка, требования к планировке и условиям оплаты. Система сопоставит запрос с доступным предложением и покажет различия между подходящими объектами.

Для застройщика такие сервисы становятся источником данных о потребностях аудитории. Речевая аналитика позволяет изучать весь поток обращений в отдел продаж, находить частые вопросы и определять этапы, на которых клиент теряет интерес. Полученная информация может повлиять на работу менеджеров, презентацию жилого комплекса, условия покупки и решения при разработке новых проектов.

Участие специалиста в сделке сохранится, считает Алексеев. Формат, при котором ИИ-бот проводит первичную консультацию и затем передает клиента сотруднику, устраивает 46% опрошенных россиян. Алгоритм возьмет на себя подбор вариантов, сравнение и ответы на стандартные вопросы.

Где ИИ может ошибиться

Главные препятствия для масштабирования ИИ связаны с устройством компаний, говорится в исследовании «Яков и партнеры». Среди них низкое качество данных, угрозы информационной безопасности, отсутствие общей стратегии, размытое распределение ответственности между бизнесом, IT-подразделениями и юристами, слабая связь ИИ-проектов с показателями эффективности. После успешного эксперимента руководство часто не понимает, как распространить решение на остальные объекты и оценить его финансовый результат, констатируют аналитики.

Попытка полностью передать алгоритму процессы, требующие профессиональной экспертизы, остается одним из главных рисков, считает Нечитайленко. Нейросеть может быстро создать варианты фасада, однако планировки по-прежнему разрабатывают и утверждают люди. В этой работе приходится учитывать строительные нормы, ограничения участка, инженерные решения и множество деталей, с которыми алгоритм пока не справляется самостоятельно.

Опасность особенно велика в финансовом моделировании и ценообразовании, говорит Обухов. Модель, обученная на неполной или искаженной картине рынка, способна выдать правдоподобную, но ошибочную оценку. За алгоритмом можно оставить сбор данных, расчеты и поиск отклонений, добавляет эксперт. Но проверка результата и окончательное решение должны оставаться за человеком, уверен он.