ИИ и роботы в стройке

Принесла методологию Сбера «AI-Disrupt PDLC» — про то, как перестроить разработку на основе ИИ. Автор — Кирилл Меньшов, старший вице-президент по технологиям бигтеха. Внутри: 🟣 Среда исполнения (harness) важнее, чем модель. Ключевым активом становится не сама LLM (которая быстро устаревает), а среда её исполнения — Harness. Это инфраструктура управления агентами, которая обеспечивает предсказуемость, аудит и независимость от конкретного вендора моделей. Инвестиции в harness накапливаются и сохраняются при смене моделей — в отличие от работы, заточенной под конкретную LLM. 🟣 Двухпетлевая модель (Intent Loop / Implementation Loop): люди формулируют намерения, агенты реализуют. Инженеры формулируют намерения — бизнес-цели, архитектуру и спецификации. Время такта — дни. ИИ-агенты автономно пишут код, тестируют и развертывают решения на основе спецификаций. Время такта — минуты. Связующим звеном между петлями является Integrated Development Platform (IDP). 🟣 Техническая архитектура платформы (IDP). Это точка пересечения двух петель — здесь намерение передается в исполнение, а обратная связь возвращается человеку. Платформа управляет контекстом (Context Engineering), подключает мастер-системы через MCP, содержит маркетплейс агентов и обеспечивает наблюдаемость за всеми действиями. Без IDP агенты работают хаотично, с IDP — в едином корпоративном контуре. IDP превращает нормативы и требования в часть корпоративного контекста, который агент получает в момент решения задачи. 🟣 Безопасность, управление и новые роли. Уровень автономии агента зависит от риска задачи: чем критичнее — тем больше ручного контроля. Политика оформляется как код (Policy as Code) и применяется автоматически. Введен контроль за расходами токенов (Agentic FinOps): без системного контроля затраты на агентов могут составить 40–60% ИТ-бюджета к 2027 году. Роли трансформируются: классический разработчик становится Product Engineer, появляются Platform Engineer, AgentOps, владелец контекста. Люди не исчезают — они смещают фокус с кода на намерение. Над классической инженерной грамотностью наращиваются шесть новых компетенций: формулирование намерений, архитектура контекста, системное мышление, ИИ-грамотность, верификация и бизнес-ориентация. 🟣 Дорожная карта: готовим процессы и данные → внедряем ИИ-процессы → выходим на ИИ-нативную организацию. Первые шаги уже сегодня: замерить текущие метрики, запустить пилот на 3–5 инженерах, назначить AI Champions. У организаций есть окно опережающего входа — 12–18 месяцев. Организации без Specification-Driven Development к 2027 году будут отставать на 25% по скорости разработки — и это не деградация, а отставание от конкурентов. Подробнее — в файле. «ИИ и роботы в стройке» в MAX

Компании не успевают за ИИ-трансформацией рабочих мест — один из выводов нового отчета Deloitte За год — с 2025 по 2026 — использование ИИ в работе среди зумеров и миллениалов выросло с 56% до 74%: рекордные темпы внедрения со времён появления ПК. Но организации не поспевают: 🟣 84% компаний не перепроектировали рабочие места под ИИ. 🟣 Лишь порядка 29% сотрудников видят, что их менеджеры перестраивают работу под ИИ. 🟣 Только 50% компаний вносят существенные изменения в кадровые стратегии. Данные Deloitte показывают: бизнес сосредоточен на обучении, но мало кто перестраивает роли, карьерные треки и процессы. Адаптация идёт снизу вверх — сотрудники экспериментируют вопреки системам, а не благодаря им. Тем временем поколение Альфа (они выйдут на рынок труда в 2028–2030 годах) вырастет в мире ИИ как естественной среды, и стандартные рабочие процессы покажутся им архаичными. Компаниям придётся не просто внедрять технологии, а перепроектировать работу целиком, чтобы не потерять таланты и конкурентоспособность. Подробнее — в отчете.

BCG представил исследование об ИИ в строительстве и недвижимости. Вывод: отрасль хронически неэффективна: 66% проектов срывают сроки, 39% выходят за бюджет. При этом зрелость ИИ в секторе на 15% ниже среднемировой. Однако потенциал ИИ для бизнеса большой В отчете рассмотрены три типа компаний: 🔵 Девелоперы — компании, которые строят и продают объекты. ИИ помогает им управлять стройками, оптимизировать закупки и сокращать сроки. Эффект: прирост маржи 400–700 б.п., сроки строительства сокращаются на 30%. 🔵 Инвестиционные управляющие — им ИИ помогает точнее оценивать объекты и быстрее привлекать инвесторов. Эффект: доходность инвестиций (IRR) вырастает на 300–400 б.п. 🔵 Управляющие компании — для них ИИ может автоматизировать обработку счетов и диспетчеризацию заявок. Эффект: прибыль (EBIT) растет на 200–300 б.п., время обработки заявок сокращается вдвое. Подробнее — в отчете.

Интересная презентация про ИИ-трансформацию Липецкой области: там замминистры пишут код, а боты следят за ЖКХ 🟣 В области сформирован Совет по ИИ, куда входят представители власти, учебных заведений и ИТ-компаний. 🟣 Главный тренд — тотальная цифровая грамотность. Обучение прошли 4,3 тыс. человек (из 5 тыс. запланированных). Так, все заместители министров по ИИ освоили low-code платформу N8N. 🟣 Проведена тотальная инвентаризация: выявлено 3200 процессов, от 165 отказались в хоже инвентаризации, а ещё 33 оптимизированы в этом году. Каждое министерство составило целевую схему своих данных. Несколько примеров, где уже применяют ИИ в регионе 🟣 ГЖИ + Бот-аналитик. Анализирует сообщения из 3,6 тысяч домовых чатов, выявляет проблемы в реальном времени и помогает ГЖИ принимать решения. 🟣 Интеллектуальный анализ межбюджетов. OCR + LLM извлекают данные из сканов распоряжений Правительства РФ, определяют тип (субсидии, дотации, соглашения) и формируют витрины для BI. 🟣 Саммаризация документов. ИИ помогает регистраторам мгновенно понимать суть входящих бумаг: тема, содержание, ключевые тезисы. Экономия времени и исключение человеческой ошибки. 🟣 Сейчас в работе проект по умному контролю зданий. Подробнее — в презентации Сергея Курбатова, вице-губернатор Липецкой области.