Сквозное внедрение искусственного интеллекта в процессы российского девелопмента может дать ежегодный эффект около 0,9 трлн руб., или 0,4% ВВП России. Такой эффект способен вернуть маржинальность сектора к уровню 2022 г., пришли к выводу эксперты «Яков и Партнёры» в отчете «Искусственный интеллект в девелопменте».
Эффект от внедрения ИИ не возникает автоматически: основная сложность заключается не только в выборе технологий, но и в отборе действительно применимых сценариев, оценке их экономического потенциала и готовности организации к масштабированию. В рамках исследования мы проанализировали реальные российские и международные кейсы, валидировали их с экспертами в РФ и за рубежом, отсекли нерелевантные решения и тем самым сократили путь от поиска идей к практической реализации
Анна Данченок. партнер, глава практики «Недвижимость и развитие территорий»
Как отмечается в исследовании, рынок девелопмента и недвижимости остается одним из крупнейших секторов российской экономики. В 2025 г. ежегодный объем рынка составил 15–23 трлн руб. При этом отрасль испытывает растущее давление: средняя маржинальность по чистой прибыли девелоперов снизилась с 9–11% в 2022 г. до 3–5% в 2025 г., а производительность строительства в России остается ниже среднего уровня по экономике — 1,4 млн руб. валовой добавочной стоимости (ВДС) на занятого против 1,8 млн руб. в большинстве других отраслей.
Дополнительным ограничением становится дефицит кадров. Уже в 2025 г. девелоперы заявляют о нехватке 17%, или 1,2 млн человек, а к 2030 г. дефицит в строительстве и недвижимости может составить около 10%, или 800 тыс. человек. В этих условиях ИИ перестает быть экспериментальной технологией и становится инструментом сокращения ручного труда, ускорения процессов и повышения управляемости проектов.
От пилотов к эффекту
Большинство российских девелоперов уже тестируют ИИ, однако массового промышленного внедрения пока нет, признают эксперты. Согласно результатам исследования, 64% компаний проводят эксперименты с ИИ в свободном режиме, 27% находятся на стадии активного развития, и только 9% — на стадии масштабирования ИИ-решений.
При этом около 90% девелоперов отмечают положительный эффект от пилотных решений, но лишь каждая пятая компания способна количественно измерить результат. Даже у передовых игроков вклад одного ИИ-решения в EBITDA, как правило, пока не превышает 0,5–1%. Это показывает разрыв между самим фактом запуска пилота и способностью извлекать из ИИ устойчивую бизнес-ценность
Наталья Куваева, руководитель проектов, эксперт «Яков и Партнёры»
В рамках исследования эксперты рассмотрели 175 сценариев применения ИИ в девелопменте, из которых 80 были детально оценены по потенциальному эффекту и практической реализуемости. Наиболее перспективными для первой волны внедрения эксперты называют решения в продажах и маркетинге, формировании сценария проекта, строительно-монтажных работах и выборе участка.
Среди приоритетных сценариев — ИИ-прогнозирование цен и темпов продаж, мониторинг предложений конкурентов, динамическое ценообразование квартир, сквозная аналитика маркетинговых воронок, а также генерация персонализированного контента и скоринг лидов. В отдельных пилотных и вендорских кейсах такие решения показывали до 7% роста ежемесячной выручки, до 3% увеличения выручки за счет динамического ценообразования и до 20% снижения рекламных расходов за счет перераспределения бюджета.
Вторым важным направлением становится генеративный дизайн мастер-планов и параметрическая оптимизация застройки, указывают эксперты. Эти решения позволяют на ранней стадии быстрее сопоставлять варианты размещения зданий, ограничения участка и экономику проекта. По данным пилотных и вендорских кейсов, ИИ-платформа для параметрической оптимизации может генерировать в 2,5 раза больше вариантов дизайна и сокращать время на дизайн до 75%. Однако такие эффекты зависят от контекста внедрения и качества исходных данных, следует из исследования.
Главные барьеры для масштабирования ИИ связаны не столько с доступностью технологий, сколько с управлением. Среди ключевых ограничений эксперты отмечают низкое качество данных, риски информационной безопасности, отсутствие стратегии внедрения, размытые роли между ИТ, бизнесом и юристами, недооценка управления изменениями и слабая привязка ИИ-инициатив к KPI.
Так, 64% девелоперов признают, что недооценивают назначение бизнес-владельца 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%.
С оглядкой на будущее
Международный опыт показывает, что ИИ быстрее внедряется там, где государство создает цифровую инфраструктуру отрасли: ТИМ-стандарты, цифровые разрешения, платформы данных и машиночитаемые требования.
Так, в Китае программа 24 пилотных городов в сфере «умного строительства» позволила запустить 758 демонстрационных проектов и создать 39 инновационных платформ. В Сингапуре цифровая платформа согласований в строительстве и недвижимости CORENET X, обязательное использование информационного моделирования зданий и налоговые стимулы создали условия для применения искусственного интеллекта и роботизированных решений. В Великобритании цифровое планирование помогает обрабатывать градостроительные документы за минуты вместо часов, а в США (Нью-Йорке) пилотные проекты с искусственным интеллектом в сфере выдачи разрешений, проверки зонирования и строительного контроля позволяют экономить до 25% времени экспертов.
В России такой фундамент также формируется. С 1 июля 2024 г. отрасль перешла к обязательному применению ТИМ на стадии проектирования, а с 1 января 2025 г. — на стадии строительно-монтажных работ.
В этих условиях конкурентное преимущество получат не компании, первыми закупившие ИИ-инструменты, а те, кто сможет встроить их в экономику проекта, систему данных и KPI. Для рынка это означает переход от разрозненных экспериментов к промышленному контуру внедрения, где ИИ влияет на маржу, сроки, риски и скорость принятия решений
Анна Данченок. партнер, глава практики «Недвижимость и развитие территорий»
