ИИ-агент для строительной компании: реальная автоматизация тендеров, смет, ПТО и документооборота

ИИ-агент для строительной компании уже может приносить практическую пользу в четырёх процессах: тендерах, договорах, сметах и исполнительной документации. Но работает он в них по-разному. Надёжнее всего искусственный интеллект справляется с текстом: закупочной документацией, договорами подряда, актами, письмами, журналами и архивом ПТО. Значительно хуже — с чертежами: подсчёт дверей, окон, проёмов и объёмов по плану пока остаётся задачей, где модель легко ошибается и создаёт опасную иллюзию точности.

Для строительной компании это не академическая разница, а вопрос денег. Тендерный отдел читает сотни страниц документации, юристы ищут риски в договорах, сметчики сверяют позиции и нормативную базу, ПТО собирает исполнительную документацию к приёмке. Ошибка в одном пункте договора или отсутствие подписи в акте скрытых работ может стоить недель срока. ИИ полезен там, где он сокращает объём ручной проверки, показывает источник вывода и оставляет окончательное решение специалисту.

Главное правило внедрения: не ждать «волшебного ИИ для всей стройки», а выбрать один процесс, где документы уже лежат в цифровом виде и где результат можно проверить за несколько дней.

Ниже — честный разбор, где ИИ в строительстве уже применим, где нужен осторожный режим с человеком в контуре, а где обещания поставщиков стоит воспринимать как маркетинг, пока не показана методика измерения точности.

Процесс: тендеры и поиск закупок

Автоматизация тендеров в строительстве начинается не с красивой кнопки «найти закупку», а с доступа к данным и понимания, что именно компания считает подходящим объектом. В строительных закупках фильтра «интересно нам» обычно нет. Подрядчику важны регион, тип работ, наличие нужного СРО, сроки, авансирование, знакомый заказчик, обеспечение, штрафы, требования к опыту и реальная логистика до объекта.

С ЕИС всё устроено сложнее, чем кажется со стороны. У системы нет публичного REST API в привычном смысле. Интеграция выполняется через подсистему обмена информацией по SOAP, в частности через сервис https://int44.zakupki.gov.ru/eis-integration/services/getDocsIP. Используются методы вроде getDocsByReestrNumberRequest для получения документов по реестровому номеру, getDocsByOrgRegionRequest для выборки по региону и getNsiRequest для справочников. Для работы нужен персональный токен, а получить можно только публичные документы. Правила формирования запросов описаны в разделах 2.9.19 и 2.9.20 «Альбома ТФФ ЕИС».

Практический вывод простой: «подключиться к госзакупкам» — это не задача на пару дней. Поэтому многие строительные компании используют готовые сервисы: например, Тендерплан с поиском, аналитикой и оценкой шансов на победу по истории закупок или Контур.Закупки с интеллектуальным поиском, API-модулем и интеграциями с 1С, Битрикс24 и amoCRM. Готовый сервис закрывает витрину закупок, но не всегда понимает внутреннюю логику конкретного подрядчика.

Здесь и появляется смысл собственного агента. Он не заменяет тендерного специалиста и не принимает решение об участии. Его задача — прочитать закупочную документацию, вытащить требования к участнику, сроки, обеспечение, объём работ, штрафы, ключевые ограничения и сравнить их с правилами компании. На выходе тендерный отдел получает короткую сводку «идти / не идти» с аргументами и ссылками на документы.

Особенно заметен эффект на первичном отсеве. Там, где раньше специалист открывал десятки файлов и искал риски вручную, агент может заранее подсветить: срок выполнения нереалистичен, обеспечение слишком высокое, в требованиях есть опыт по специфическому виду работ, объект находится дальше допустимой логистики, а заказчик уже фигурировал в проблемных проектах. Человек читает целиком не всё подряд, а только то, что действительно прошло предварительный фильтр.

Если компания участвует в закупке, агент может поставить задачи в CRM: подготовить банковскую гарантию, запросить справку СРО, проверить смету, назначить ответственного за подачу заявки, зафиксировать дедлайн вопросов и дату окончания приёма предложений. Это уже не «поиск тендеров», а управляемый процесс, где меньше потерь на забытых сроках и ручной передаче информации между тендерным отделом, юристами и производством.

Процесс: договоры и претензионная работа

Разбор договоров — один из самых сильных сценариев применения ИИ в строительстве. Причина очевидна: договор подряда, приложения, протоколы разногласий, переписка и претензии — это текст, а современные модели хорошо умеют находить в тексте условия, сопоставлять пункты и готовить черновики документов. При этом цена ошибки в договоре часто выше, чем стоимость внедрения системы.

На международном рынке ценность направления хорошо показывает сделка Document Crunch и Trimble. Document Crunch специализируется на анализе строительных контрактов, а сумма сделки составила $246,4 млн. Их продукт Project Assist заявлен как инструмент, который помогает генерировать редлайны, сабмиталы и RFI — запросы информации, используемые в строительных проектах. Экономика понятна: если средний строительный спор в Северной Америке превышает $60 млн, то система, которая заранее находит договорные риски, становится не игрушкой, а страховым контуром бизнеса.

В российских реалиях сценарий выглядит иначе по форме, но очень похож по сути. ИИ-агент может проверять проект договора подряда на типовые риски: односторонний отказ, порядок приёмки, сроки оплаты, ответственность за простой, гарантийные удержания, порядок изменения объёмов, условия допуска на площадку, обязанность вести исполнительную документацию и основания для удержания денег. Важна не абстрактная «юридическая оценка», а список мест, на которые юрист и руководитель проекта должны посмотреть в первую очередь.

Отдельный полезный сценарий — сверка договора с тендерной документацией. На практике расхождения встречаются регулярно: в закупке одни сроки оплаты, в договоре другие; в документации один порядок приёмки, в проекте договора добавлены дополнительные условия; в смете одно наименование работ, в договоре другое. Агент может разложить эти несоответствия в таблицу и дать ссылку на конкретные пункты.

Ещё один слой — календарь обязательств. Из договора можно извлекать даты и события: когда уведомить заказчика, когда предъявить акт, когда истекает срок ответа на претензию, в какой срок направить исполнительную документацию, когда наступает ответственность за просрочку. Для строительной компании это важно: претензионная работа часто проигрывается не потому, что позиция слабая, а потому что срок уведомления пропущен или документ отправлен без нужной формулировки.

Оговорка обязательна: юридическое заключение даёт юрист. ИИ-агент готовит материал, показывает рискованные места и помогает собрать проект претензии со ссылками на договор. Он не должен самостоятельно отправлять юридически значимые письма и не должен подменять специалиста. Хорошо настроенный агент работает как внимательный помощник, который ничего не забывает и всегда показывает, откуда взял вывод.

Процесс: сметы

Сметы — зона, где обещания надо формулировать особенно аккуратно. Строительный читатель быстро отличает рабочий инструмент от маркетингового лозунга. Если поставщик говорит, что «ИИ сам проверит смету», ему нужно задать простой вопрос: на какой выборке измерена точность, какая методика проверки, какие типы ошибок система находит, а какие не находит. В большинстве случаев публичного ответа не будет.

Нормативная база тоже требует точности. ФСНБ-2022 утверждена приказом Минстроя № 1133/пр и применяется с 25.02.2023. Важная особенность: федеральные единичные расценки в составе базы отсутствуют, расчёт ведётся ресурсно-индексным методом. Дополнения к базе выходят регулярно, поэтому номера приказов, даты вступления в силу и состав изменений нужно сверять на день публикации и на день расчёта. ФГИС ЦС заявлена как источник открытых данных, но внедрение сметной автоматизации всё равно должно учитывать практику конкретного сметного отдела.

На рынке есть инструменты, которые помогают сметчику. Smeta.AI позиционируется как помощник при составлении, но полностью автоматический расчёт сметы система не выполняет. ГРАНД-Смета развивает функции автоматизации подбора расценок. КПСР Главгосэкспертизы применяется для проверок смет, но это преимущественно детерминированные проверки по правилам, а не «нейросеть», которая самостоятельно понимает технологию работ.

Честный тезис такой: систем ИИ-аудита смет с публикуемой проверяемой точностью на российском рынке фактически нет. Это не означает, что автоматизация бесполезна. Наоборот, вокруг смет есть много задач, где агент и обычный программный код дают эффект без опасного обещания «заменить сметчика».

Реалистично автоматизировать сопоставление позиций сметы с нормативной базой, поиск устаревших расценок, выявление расхождений между сметой, ведомостью объёмов и договором, подготовку запросов поставщикам для конъюнктурного анализа, проверку арифметики и полноты заполнения. Арифметику, дубли, пустые поля и формальные несоответствия лучше проверять кодом: это скучно, зато надёжно и воспроизводимо.

А вот подбор расценки под фактическую технологию работ не стоит отдавать модели как окончательное решение. Это экспертная зона сметчика. Ошибка в расценке может всплыть на экспертизе, привести к спору с заказчиком или исказить экономику проекта. ИИ здесь уместен как помощник: показать похожие позиции, поднять нормативную информацию, подсветить расхождение, но не поставить финальную подпись.

Процесс: исполнительная документация и ПТО

ПТО — одно из лучших мест для внедрения ИИ-агента, потому что значительная часть работы связана не с творчеством, а с комплектностью, сверкой и поиском. Исполнительная документация живёт в актах, журналах, протоколах, письмах, ведомостях и формах. Ошибка редко выглядит драматично в моменте: не совпала дата, нет подписи, номер акта отличается от номера в реестре, в КС-2 работа названа иначе, чем в договоре. Но обнаруживается это на приёмке, когда каждый день задержки уже стоит денег.

Нормативная рамка для ИД задаётся приказом Минстроя № 344/пр о составе и порядке ведения исполнительной документации в действующей редакции, а также профильными стандартами и требованиями заказчика. Формы КС-2 и КС-3 остаются обязательными при бюджетном финансировании. Для конкретного проекта важно не просто знать общий перечень документов, а привязать его к виду работ, договору, графику и внутренним требованиям заказчика.

ИИ-агент ПТО может проверять комплектность пакета: какие документы должны быть на текущем этапе, чего не хватает, где нет подписи, где даты идут в неправильной последовательности, где номер акта скрытых работ не совпадает с реестром. Он может сверять акты с формами, сопоставлять наименования работ со сметой и договором, искать по архиву фразы вроде «покажи все акты скрытых работ по этому участку» или «найди исполнительные схемы по захватке Б».

Для инженера ПТО критически важна проверяемость. Ответ «документ неполный» сам по себе бесполезен. Рабочий ответ должен выглядеть иначе: не хватает подписи представителя строительного контроля в акте № 18, дата в журнале работ позже даты акта, в форме указано одно наименование работ, а в смете — другое, основание найдено на такой-то странице или в таком-то файле. Проверить вывод должно быть возможно за десять секунд.

Хороший агент не ломает привычный процесс ПТО, а снимает с него рутину. Он готовит проекты сопроводительных писем, заполняет черновики журналов по шаблонам, собирает перечень недостающих документов, напоминает о сроках оформления и помогает быстро отвечать на вопросы заказчика. В результате инженер тратит меньше времени на перекладывание файлов и больше — на контроль содержания.

Где ИИ в стройке проваливается: чертежи

Самое опасное обещание на рынке — «ИИ посчитает объёмы по чертежу». Именно его хочется услышать строительной компании, потому что обмеры, спецификации и ведомости объёмов занимают много времени. Но именно здесь современные модели пока часто ошибаются. Причём ошибаются не всегда заметно: ответ выглядит уверенно, таблица аккуратная, цифры убедительные, а исходное восприятие плана неверное.

Исследование AECV-Bench показывает важную границу: модели могут хорошо распознавать текст на чертежах, вплоть до высокого качества OCR, но понимание условных обозначений находится заметно ниже — порядка 0,40–0,55 в приведённых оценках. Подсчёт дверей и окон по плану остаётся нерешённой задачей. Авторы формулируют проблему как отсутствие у моделей настоящей «грамотности чтения чертежа».

Другой показательный сюжет — DrawingVQA. При разборе ошибок выясняется, что план рассуждения у модели может быть правильным, а подводит зрительное восприятие: модель «видит» пересечения линий, которых нет, неверно интерпретирует условные обозначения или теряет связь между элементами плана. Для строительного процесса это критично: одна неверно посчитанная группа элементов превращается в ошибку сметы, закупки или графика.

Практический вывод жёсткий: обмер и подсчёт объёмов по чертежам не стоит поручать агенту как самостоятельную задачу. Допустим режим предварительной разметки, когда модель помогает человеку быстрее найти фрагменты, распознать текстовые обозначения или подготовить черновой список элементов. Но финальная проверка должна оставаться за специалистом.

Эта граница не делает ИИ бесполезным для стройки. Наоборот, она помогает внедрять его там, где эффект реален. Документация, договоры, спецификации, письма, протоколы совещаний, журналы, акты, тендерные требования — это текстовый контур, и в нём агент работает существенно надёжнее. Компания, которая понимает различие между текстом и чертежом, быстрее получает пользу и меньше рискует купить красивую, но нерабочую демонстрацию.

Что делают крупные игроки

Мировой рынок уже показывает, что ИИ в строительстве движется не в сторону одной универсальной кнопки, а в сторону набора специализированных агентов. Procore говорит о «цифровом сотруднике» и пакетах агентов, а также о среде создания собственных сценариев. Trunk Tools развивает ИИ для строительных документов и привлекает крупные инвестиции. Autodesk встраивает ассистентов в свои продукты, включая распознавание элементов и работу с проектной информацией.

Заявленные эффекты звучат впечатляюще: например, у отдельных клиентов Autodesk сообщалось о сокращении сметной работы примерно на 30% и уменьшении времени на обмер более чем наполовину. Но важная оговорка — точность таких сценариев обычно не раскрывается в публичных материалах. Для строительной компании это означает, что красивую цифру экономии нужно проверять на своих документах, своих типах работ и своём контуре контроля.

Есть и менее очевидный, но очень важный риск — платформенный. Когда процесс построен на связке двух внешних продуктов, изменение доступа к API может остановить работу независимо от воли строительной компании. История с отключением Trunk Tools от API Procore показала, что зависимость от чужой платформы — это не теоретическая угроза, а операционный риск.

Практический вывод: архитектура ИИ-агента должна быть устроена так, чтобы смена поставщика не останавливала процесс. Данные должны оставаться в системе компании или в контролируемом контуре, интеграции — быть документированными, а агент — работать как отдельный слой над документами, CRM, 1С, архивом и почтой. Тогда компания покупает не зависимость от конкретной кнопки, а управляемую автоматизацию своего процесса.

Для российских строительных компаний это особенно важно. У многих есть режимные объекты, ограничения по передаче документов, требования службы безопасности, разрозненные архивы и жёсткие внутренние регламенты. В таких условиях агент должен проектироваться не как облачная игрушка, а как производственный инструмент: с логированием, правами доступа, проверяемыми ссылками на источники и возможностью работы в закрытом контуре.

С чего начать: один процесс, а не «цифровизация»

Главная ошибка внедрения — начинать с лозунга «нам нужно внедрить ИИ в строительную компанию». Такой проект быстро расползается: тендеры, сметы, ПТО, договоры, чертежи, склад, бухгалтерия, CRM, 1С, почта. Через месяц у команды много встреч, много схем и мало результата. Правильный старт противоположный: один процесс, один владелец, один набор документов, один измеримый эффект.

Лучший первый кандидат — договоры и претензионная работа. Данные уже существуют в текстовом виде, владелец процесса понятен, результат легко проверить: нашёл ли агент рискованные пункты, смог ли сравнить договор с тендерной документацией, подготовил ли календарь обязательств, показал ли ссылки на источники. Здесь быстро видно, помогает инструмент или просто красиво пересказывает текст.

Второй сильный сценарий — комплектность исполнительной документации. Он хорошо измеряется: сколько документов проверено, сколько несоответствий найдено, сколько времени инженер ПТО потратил до и после внедрения, сколько ошибок обнаружено до передачи заказчику. Для пилота достаточно одного пакета ИД по реальному объекту.

Отбор тендеров стоит начинать после того, как понятны критерии компании. Если критериев нет, агент будет приносить много формально подходящих закупок и создавать шум. Если критерии описаны — тип работ, регион, СРО, аванс, заказчики, минимальная цена, сроки, ограничения по объектам, — агент превращается в полезный фильтр и помощника тендерного отдела.

Сметы лучше брать не как «ИИ-сметчика», а как набор вспомогательных проверок: арифметика, расхождения между документами, устаревшие позиции, подготовка запросов поставщикам, сопоставление с договором. Чертежи не стоит выбирать первым процессом. В них слишком высокий риск ошибочной уверенности и слишком много ручной валидации.

1. Договоры и претензионная работа — высокий эффект, текстовые данные, понятный владелец процесса.
2. Комплектность исполнительной документации — измеримый результат и быстрая проверка на реальном пакете.
3. Отбор тендеров — полезен при чётких критериях и готовности к интеграциям.
4. Сметы — только вспомогательные проверки и сверки, без обещания заменить сметчика.
5. Чертежи — не использовать как стартовый сценарий для самостоятельного подсчёта объёмов.

Как проверить ИИ-агента на своих документах

Самый честный способ оценить ИИ-агента для строительной компании — проверить его не на презентации, а на реальных документах. Для первого пилота достаточно пяти договоров подряда, одного пакета исполнительной документации или нескольких комплектов тендерных файлов. Агент должен показать, что он нашёл, где именно нашёл и почему считает это важным.

В пилоте по договорам результатом может быть карта рисков: спорные условия приёмки, сроки оплаты, гарантийные удержания, порядок изменения объёмов, ответственность за простой, расхождения с тендерной документацией и календарь обязательств. В пилоте по ПТО — перечень недостающих документов, несоответствия дат и номеров, проблемы с подписями, расхождения между актами, сметой и договором. В пилоте по тендерам — сводка по закупке с решением «рассмотреть / не рассматривать» и основаниями.

Такой формат хорош тем, что не требует сразу давать доступ к 1С, CRM, архиву и корпоративной почте. Сначала проверяется главное: способен ли агент работать с отраслевыми документами, понимать лексику ПТО, КС-2, КС-3, актов скрытых работ, сметного отдела и договоров подряда. Если результат полезен на малом наборе документов, тогда можно обсуждать интеграции, права доступа, закрытый контур и промышленный режим.

ИИ в строительстве не должен продаваться как магия. Его задача прозаичнее и ценнее: снять с людей часы ручного чтения, заранее подсветить риски, ускорить поиск по документам, не потерять срок и показать основание каждого вывода. В отрасли, где один забытый акт или один неудачный пункт договора способен остановить деньги на объекте, такая прозаичность и есть настоящий эффект.

Автор Антон Амосов

Поделиться Скопировано!