AI-дайджест

Всем привет! С вами снова Алексей Гончарук. В этот раз я решил немного поэкспериментировать с форматом дайджеста. Если в первых двух выпусках мы сразу погружались в подробные обзоры, то сегодня структура иная: сначала два блока коротких новостей в блиц-формате, а в финале — привычный разбор статей и исследований с моими комментариями и личным мнением. Такой микс позволяет быстро пробежаться по новинкам и глубже взглянуть на ключевые тренды.

В этом разделе рассмотрим основные новости, обновления и анонсы от самых крупных мировых разработчиков искусственного интеллекта

Это рабочее пространство с 30+ AI-инструментами: генерация логотипов, баннеров, 3D-визуалов и обучение под фирменный стиль. Например, можно за пару минут собрать айдентику для продукта. Бесплатно доступно 20 генераций в неделю, а подписка - от 1500 руб/мес. К запуску подготовлен гайд «ИИ-практикум» с историями и советами экспертов, среди которых небезызвестный в наших кругах Альберт Сумин.

Новый опенсорс-инструмент для создания и разметки датасетов по текстовым промптам. Работает локально, поддерживает мультимодальность. Самый простой пример для понимания: можно попросить сгенерировать таблицу из трёх столбцов: страна, её столица и изображение города. Подробнее на GitHub.

Онлайн-редактор изображений по текстовым подсказкам, который недавно выпустили Alibaba в рамках своей LLM Qwen. Позволяет вставлять и удалять объекты, менять текст и фон. А также другие функции работы с изображениями. Доступен бесплатно.

Новая модель для генерации и редактирования фото: сохраняет лица и детали, вносит точные изменения по тексту и работает с высокой скоростью. Меняет детали по описанию («сделай машину красной»), сохраняет лица и генерирует за секунды. Тест доступен на lmarena.ai.

За три дня он собрал концепцию здания: форму смоделировал в Grasshopper, рендеры сделал в ComfyUI, планы — в Revit. Рендеры интерьеров генерировались по промтам в ChatGPT, а итоговое видео — в Google Flow.

Гостем стал Паша Молянов (агентство «Сделаем», клуб «Нейроцех»). Вместе они превратили «сырые данные» в дашборд, собрали новостного бота и протестировали сервисы Firecrawl и Wispr Flow - всё исключительно с помощью вайбкодинга.

Разобрали редактирование изображения в Krea.ai и создание анимации в Midjourney. В продолжение новости о запуске Qwen Edit: теперь можно увидеть, как инструмент показывает себя в контексте архитектурной визуализации.

Для этого можно использовать сервис GenSpark (платная подписка + режим Fast Check) или промт для ChatGPT в роли профессионального фактчекера.

ЦТИИ «Нейролаб» обновил «Карту игроков рынка ИИ России». В ней сотни компаний и организаций, сгруппированных по направлениям: от разработчиков и вузов до интеграторов и облачных провайдеров. На прошлой неделе авторы сообщили, что карта получила “широкое распространение” и “все ключевые игроки отрасли опубликовали её на своих ресурсах”.

Для строительства и проектирования такая карта могла бы стать удобным навигатором для поиска подрядчиков и партнёров. Но профильных игроков там почти нет: из заметных - только rТИМ и ещё парочка. Крупных девелоперов и проектных бюро с высоким уровнем цифровизации (ПИК, Самолёт и др.) не нашёл. Поэтому практическая польза для нашей отрасли пока ограничена.

Главное, чтобы включение в эту карту было не по принципу: «-Открывали чатГПТ на работе? -Да! -Сюдааа». На первый взгляд именно такое ощущение и складывается, в том числе, исходя из вопросов в анкете на включение в перечень.

Для «результата многомесячной исследовательской и аналитической работы» набор логотипов компаний, разбитых на условные группы, не особо информативно получилось, на мой взгляд. Понимаю, если бы я мог тыкнуть в каждую компанию и провалиться в более подробную статистику с описанием ИИ-кейсов. Но я вижу в одной группе «Яндекс», продуктовый магазин «Верный» и не знаю, как мне это «поможет находить потенциальных партнёров, заказчиков и поставщиков технологий». Ждём более подробной информации от авторов исследования.

У DigitalDeveloper вышел материал Кирилла Полякова о том, как предиктивная аналитика помогает девелоперам предсказывать риски перерасхода и срыва сроков. Алгоритмы машинного обучения строят сценарии (оптимистичный, реалистичный, пессимистичный) и показывают скрытые факторы ещё до старта стройки.

Для AEC это возможность перейти от «тушения пожаров» к управлению рисками. Но работает аналитика только при наличии структурированных данных и BIM-моделей. Своя разработка стоит дорого и долго внедряется, SaaS-решения окупаются быстрее — около года.

«Девелоперы всё чаще “реагируют” на последствия вместо того, чтобы предугадывать риски» - это именно то, что я наблюдаю повсеместно. Почти весь строительный рынок живёт по трём негласным правилам:

1. Решения принимаются не на основе данных, а исключительно на основе опыта (или личного мнения) человека с высокой должностью в компании – порой не всегда компетентного в конкретных вопросах.
2. Проблемы не прогнозируются, а решаются «по месту» методом затыкания дыр и использования костылей.
3. Вместо ретроспективы (что получилось хорошо, а что плохо, и как это использовать для улучшения процессов) — снова и снова борьба с одними и теми же проблемами в каждом новом проекте.

Отдельно стоит отметить и проблему разного уровня цифровой зрелости подрядчиков. Хорошо про это писал Тимофей Татаринов в статье про цифровую зрелость архитектурных данных, которую я уже разбирал в предыдущем дайджесте.
И вообще, вся эта тема про аналитику данных, дата-центричный подход и роль ИИ подробно раскрыта в книге Артёма Бойко «Навигация в эпоху данных в строительной отрасли»

В продолжение материала Кирилла Полякова в DigitalDeveloper о предиктивной аналитике в девелопменте стоит отметить и общую картину по другим сферам. Kept и «Интер РАО» представили исследование об автоматизации управления рисками (УР) и внутреннего контроля (ВК) в компаниях.

66% организаций уже используют ИТ-системы для УР и ВК, ещё 34% планируют внедрение в ближайшие 1–2 года. При этом лишь 14% можно назвать лидерами — они применяют ИИ, предиктивную аналитику и ботов, подключают внешние данные (биржи, валюты), настраивают дашборды и маршруты согласований. Самые продвинутые направления — реестры рисков, контрольные процедуры, мониторинг. А вот стратегическое планирование, непрерывность бизнеса и комплаенс пока отстают.

Как и в строительстве, всё упирается в данные и цифровую зрелость. Без единой среды любые ИИ-инструменты остаются на уровне экспериментов. В корпоративном контуре большинство компаний пока используют ботов и аналитику скорее для общих задач (52%), чем для управления рисками напрямую (17%). И только у 12% функционал ИИ реально встроен в УР и ВК.

Фонд «Сколково» и АНО «Цифровая экономика» представили исследование о внедрении генеративного ИИ в промышленности. В отчёте собраны более 150 мировых и российских кейсов, проанализированы сценарии применения. Это продолжение их июльского обзора, где акцент был на инженерных задачах.
В исследовании есть отдельный блок про строительство и архитектуру:

• ДОМ.РФ (Россия) + Rocket Group (Россия) + Университет ИТМО (Россия) – генерация концепций жилой застройки с помощью платформы rTIM (20+ вариантов за день, сроки проектирования сократились в 2,5 раза).
• Роснефть (Россия) + Университет ИТМО (Россия) – проектирование портовых комплексов в Арктике (сокращение стадии концепции в 10 раз, эффективность использования площадей +45%).
• Obayashi Corporation (Япония) + SRI International и Hypar (США) – инструмент AiCorb® генерирует варианты фасадов зданий по фото, эскизам или 3D-модели для представления множества решений своим клиентам.
• ICON (США) – платформа Vitruvius создаёт индивидуальные проекты домов на основе предпочтений пользователя и строительных норм, продолжая эксперименты компании в 3D-печати зданий и делая эту концепцию более массовой и доступной.

Это исследование выглядит гораздо более информативным, чем «Карта игроков рынка ИИ» от Нейролаба. Здесь даны реальные примеры применения технологий в стройке, хотя я пока весьма скептически отношусь к достоверности указанных эффектов, учитывая, насколько важна маркетинговая и репутационная составляющая таких компаний.

MIT опубликовал исследование The GenAI Divide: State of AI in Business 2025, основанное на 150 интервью с руководителями, опросе 350 сотрудников и анализе 300 пилотов генеративного ИИ. Результат не самый оптимистичный: лишь 5% пилотных проектов дают быстрый рост выручки, остальные остаются незаметными для финансовых показателей компании.
Отчёт показывает, что проблема не в качестве моделей, а в интеграции в процессы компаний:

• Больше половины бюджетов уходит в маркетинг и продажи, хотя наибольший ROI дают бэк-офисные задачи и автоматизация операций;
• «Свои» разработки проваливаются чаще, чем готовые решения: покупки у вендоров успешны в 67% случаев, внутренние сборки – только в трети;
• Остаётся огромный пласт «теневого ИИ» – неформальное использование ChatGPT и агентов сотрудниками, которое статистика не учитывает.

И вот это как раз подтверждает мой скептический взгляд на те 20–40–60% повышения эффективности, которые приводятся в исследовании о генеративном ИИ в промышленности от АНО «Цифровая экономика» из предыдущей новости.

Росконгресс представил исследование, в котором разбираются сценарии внедрения ИИ-агентов и реальные ограничения технологии. Это логично продолжает череду предыдущих обзоров — от исследования Сколково о применении генеративного ИИ в промышленности до отчёта MIT о 95% неудачных пилотов внедрения ИИ в компании. Все они примерно сходятся в одном: между громкими заявлениями и практическим результатом есть ощутимый разрыв.

По данным Gartner, 99% разработчиков корпоративных приложений изучают агентные системы, но лишь 11% компаний реально запускают их в бизнес-процессы. Да, экономия видна на примерах вроде колл-центров (обработка обращения стоит $2,87 у человека против ~$1 у ИИ-агента), но проблемы не менее очевидны: рост затрат при заполнении контекстного окна LLM, каскадные ошибки в многошаговых процессах, уязвимости в безопасности и «галлюцинации» агентов.

Исходя из текущей тенденции развития нейросетей, я считаю, что ИИ-агенты в совокупности с новыми подходами к созданию интерфейсов, где ИИ глубоко встроен в программы и приложения — это уже необратимое будущее (и отчасти настоящее) в развитии информационных систем. Скоро агентные системы станут такой же обыденностью, как переход кнопочных телефонов к смартфонам. А для строительной отрасли агентный ИИ станет логичным развитием LLM-ассистентов: не просто чат-боты, а системы, которые будут планировать задачи, координировать процессы и автоматически собирать данные из разных источников, в том числе из BIM-моделей. А открытая архитектура и доступность таких решений могут создать ощутимую конкуренцию для коммерческих SaaS-продуктов по управлению проектами и данными.

Завершая серию материалов о внедрении ИИ в бизнес-процессы стоит остановиться на ключевой мысли: дело не в самих инструментах, а в культуре работы с новыми технологиями. Как пишет Илья Самофеев, CEO red_mad_robot, в колонке для Forbes, ИИ-решения могут выглядеть эффектно на презентациях, но реальную ценность они приносят только там, где есть системное обучение сотрудников, понятные юзкейсы и пространство для экспериментов.

Опыт показывает: технологии становятся частью операционной модели только тогда, когда культура их использования укореняется на всех уровнях. Без этого они остаются отдельным слоем, который не встраивается в процессы.

Статья поднимает действительно важную сторону внедрения чего угодно в компанию. И один из барьеров, с которым я на 100% согласен: «Отсутствие внутреннего ИИ-амбассадорства, когда менеджмент компании сам не использует ИИ в рабочих процессах» - замените "ИИ" на любое другое понятие (BIM, BI, BPMS, ERP и т.д.) и высказывание также остается релевантным. Даже если руководство формально поддерживает инновации, но не ставит конкретных KPI и не использует «плоды внедрения» в своей собственной работе, оно тем самым лишает сотрудников мотивации, и в итоге интеграция новых подходов начинает буксовать.

На этом всё! Выпуск получился короче, чем предыдущие, и, как мне кажется, это только на пользу. Буду рад вашим отзывам и продолжу экспериментировать с форматом. Спасибо, что дочитали до конца!