Перспектива

Капитальный проект с поддержкой ИИ: от инструментов к трансформации

ИИ может помочь сэкономить около 290 млн долларов на каждом проекте стоимостью 1 млрд долларов, но для этого потребуется нечто большее, чем просто инструменты

Время чтения: 10 минут

1 октября 2026 г.

Индустрия капитального строительства реализует проекты в невероятных масштабах, ежегодно тратя более 16 триллионов долларов на создание и поддержание инфраструктуры, которая является основой глобального роста. Хотя это сложная и ответственная задача, такие масштабы порождают и серьезные проблемы. В среднем отрасль сдает проекты с превышением бюджета на 18% и отставанием от графика на 19%.

Благодаря ИИ у индустрии капитального строительства появилась огромная возможность изменить подходы к разработке, реализации и успеху проектов. Анализ Accenture показал, что в крупных программах капитальных проектов внедрение ИИ может повысить ценность проекта на 9–16%, улучшить соблюдение графиков на 6–11% и сократить перерасход средств на 20–30%. Это означает экономию от 170 до 290 миллионов долларов на проекте стоимостью 1 миллиард долларов при условии комплексного развертывания в рамках разработки и реализации проекта (рисунок 1), при котором данные, рабочие процессы, сотрудники и партнеры связаны на протяжении всего жизненного цикла проекта.

Но остается более важный вопрос. Если ИИ может существенно улучшить показатели капитальных проектов, что нужно сделать организациям, чтобы реализовать эту ценность на практике? Многие вспомогательные технологии уже доступны, а бизнес-кейс очевиден. Каких недостающих элементов не хватает организациям, чтобы превратить потенциал ИИ в ощутимые бизнес-результаты?

Реализация потенциала ИИ требует от организаций переосмысления своего подхода. С самого начала важно учитывать три реальности. Во-первых, внедрение ИИ в капитальные проекты — это в такой же степени изменение принципов работы организации, как и развертывание инструментов. Во-вторых, потенциальная выгода выходит далеко за рамки ИТ-функции, что делает это стратегическим приоритетом высшего уровня, требующим участия руководства. В-третьих, получение этой выгоды требует дисциплинированной, постоянно совершенствующейся программы, интегрированной с проектными командами, а не разовой трансформации.

Ценность ИИ должна создаваться на трех уровнях, а не извлекаться с помощью отдельных инструментов

ИИ в капитальных проектах работает на трех уровнях (рисунок 2). Уровень продуктивности фронт-офиса улучшает выполнение отдельных задач, таких как планирование и прогнозирование затрат. Уровень интегрированного интеллекта связывает аналитику между функциями и улучшает работу проекта как системы. Уровень обучения портфеля позволяет накапливать опыт по проектам и портфелям с течением времени.

Уровень продуктивности фронт-офиса уже существует. Ассистенты по планированию, автоматизированный анализ документов, интеллектуальные инструменты для проведения тендеров, инструкции для полевых работ с поддержкой ИИ и прогнозирование затрат на основе машинного обучения могут повысить эффективность задач и качество функциональной работы. Строительные платформы, включая Oracle, Autodesk и Procore, начинают внедрять ИИ в рабочие процессы с большим объемом данных, такие как запросы на информацию (RFI), подача документации, ежедневные журналы, проверка контрактов, поиск документов и полевая отчетность, превращая ИИ из пассивного помощника в участника рабочего процесса, который может составлять черновики, направлять документы по маршруту, резюмировать, отмечать исключения и готовить решения для утверждения. Эти инструменты ценны, и их следует внедрять, но они — лишь отправная точка.

Настоящий качественный скачок происходит на уровне интегрированного интеллекта. Именно здесь ИИ связывает аналитику между функциями, соотнося сигналы графика с рисками, оценивая инженерные решения с точки зрения коммерческой выгоды, углеродного следа, возможности строительства и реализации, а также выявляя проблемы до того, как они повлияют на программу. В то время как инструменты фронт-офиса улучшают отдельные задачи, ИИ уровня интеграции улучшает работу проекта в целом. Это разница между тем, чтобы работать быстрее, и тем, чтобы лучше управлять проектом. Самые эффективные решения сочетают в себе генеративный ИИ, детерминированные правила, инженерную логику, модели на основе фундаментальных принципов и человеческое суждение, поэтому рекомендации не только быстры, но и объяснимы, проверяемы и основаны на реальности проекта.

Это уже начинает происходить. Энергетическая компания внедряет центр управления капитальными проектами с поддержкой ИИ, который интегрирует данные из исходных систем по затратам, графику, рискам, закупкам и отчетности. Благодаря возможностям оптимизации и восстановления графика с помощью ИИ компания может тестировать сценарии, выявлять возникающие задержки и заранее готовить варианты смягчения последствий, переводя свою проектную команду от ретроспективной отчетности к проактивному управлению проектом. Этот пример указывает на более широкий урок: ценность заключается не в одной модели ИИ, а в соединении данных, решений и рабочих процессов во всей проектной системе.

Уровень обучения портфеля — это долгосрочное преимущество. По мере того как ИИ накапливает данные по проектам и портфелям, он обеспечивает подлинное институциональное обучение. Он выявляет закономерности в тысячах решений, создает модели рисков, адаптированные к истории организации, и постоянно уточняет контрольные показатели с каждым циклом реализации. Ценность растет — сначала медленно, а затем стремительно.

Организации, которые рассматривают эти уровни как изолированные эксперименты, получают лишь малую часть доступных преимуществ. Те, кто интегрирует их, фундаментально меняют способы управления и реализации капитальных программ.

Другие инфраструктурные и ресурсоемкие программы указывают в том же направлении: ценность появляется тогда, когда общие среды данных, интегрированные модели реализации, цифровые двойники и возможности для взаимодействия с персоналом привязаны к тому, как команды принимают решения на самом деле.

Accenture наблюдает ту же закономерность в капитальных проектах. В одной многомиллиардной ресурсной программе цифровые рабочие процедуры, прозрачное управление эффективностью и операционная модель «единой команды» помогли ускорить критически важные рабочие процессы в течение нескольких месяцев. Урок ясен: ИИ создает ценность, когда он встроен в то, как работа планируется, регулируется и выполняется, а не когда его рассматривают как отдельный инструмент.

Основным «узким местом» является организационная готовность, а не возможности ИИ

Возможности ИИ быстро развиваются и больше не являются ограничением. Объемов данных достаточно, однако проектные данные часто фрагментированы, противоречивы или труднодоступны. Ограничивающим фактором теперь является организационная готовность, то есть способность владельцев, проектных команд и поставщиков связывать данные, рабочие процессы, управление и внедрение на местах так, как того требует реализация проектов с поддержкой ИИ. Новое исследование Accenture подробно освещает этот разрыв: хотя 73–77% руководителей высшего звена заявляют, что они положительно влияют на затраты, планирование и график, только 13% рядовых сотрудников отмечают, что цели проекта последовательно определяют их повседневную работу.

Капитальные проекты с поддержкой ИИ требуют лидеров, которые действуют как координаторы принятия решений, а не как рецензенты отчетов. Анализ Accenture, основанный на моделировании различных функций и процессов, показал, что в хорошо реализованных программах численность команд управления проектами может сократиться на 30–40%, при этом качество решений повышается, а сроки эскалации сокращаются с недель до дней. Такие изменения редко происходят случайно.

Традиционные механизмы, которые усиливают информационную асимметрию, раздробленность ответственности и защитное поведение, могут подорвать ценность ИИ. Общие данные, согласованные стимулы и прозрачность — это не «приятные дополнения» в модели реализации, основанной на ИИ. Это необходимые условия.

Иными словами, технологии развиваются по своему собственному графику. Операционные модели — нет. И этот разрыв объясняет большинство застопорившихся инициатив в области ИИ.

Это решение уровня C-suite

Если организация делегировала свою стратегию и трансформацию в области ИИ ИТ-отделу, цифровому подразделению или офису управления проектами, она уже ограничила возможный результат.

Понимание ключевых организационных барьеров помогает руководству осознать, почему их невозможно устранить без исполнительной власти, ресурсов и скоординированных изменений «сверху». Некоторые из этих организационных препятствий включают раздробленность владения данными в системах владельца, EPCM-подрядчика и подрядчиков, что мешает функционированию уровня интеграции, плохо интегрированные технологии как в офисе, так и на местах, контракты, основанные на недоверии, и низкий уровень грамотности в вопросах ИИ среди проектных команд.

Самый большой риск — это частичное внедрение. Развертывание изолированных инструментов без интеграции, согласования данных и изменения операционной модели приносит лишь ограниченную пользу. Инструменты могут работать, но общая эффективность проекта не улучшится.

Без постоянной приверженности руководства усилия по внедрению ИИ фрагментируются. Команды могут совершенствоваться по отдельности, но проект в целом — нет. Таким образом, полный прирост производительности остается недостижимым.

Люди во главе процесса

Чтобы извлечь пользу из ИИ, лидеры должны определить, как человеческое суждение и идеи, генерируемые ИИ, работают вместе. Цель должна заключаться не в том, чтобы «человек был в контуре», где ИИ просто контролируется на предмет ошибок. Вместо этого должен быть принцип «человек во главе», когда инвестиционные команды, руководители проектов, команды контроля проектов, инженеры, менеджеры по строительству и полевые руководители используют ИИ для принятия более эффективных решений, основанных на более сильных доказательствах и со скоростью, требуемой современными капитальными программами. Именно здесь устранение разрыва в кадровом потенциале становится критически важным, даже несмотря на то, что отрасль продолжает бороться с постоянной нехваткой навыков и пробелами в компетенциях по всем проектным ролям. Руководящие команды могут спонсировать ИИ, но последний этап реализации ценности ИИ достигается там, где работа планируется, координируется и выполняется. Внедрение должно охватить планировщиков, команды контроля проектов, полевых инженеров, менеджеров по строительству, подрядчиков и полевые бригады в рабочих процессах, которым они могут доверять и которые могут использовать.

Относитесь к ИИ как к постоянной программе, а не как к разовому проекту трансформации

Самый важный выбор при проектировании — относиться к ИИ как к приоритетной, самофинансируемой программе непрерывного совершенствования, которая начинается с практических сценариев использования, быстро доказывает свою ценность, а затем масштабируется в операционную модель. Ценность слишком велика и распределена, чтобы откладывать ее до конца, а необходимое обучение невозможно провести за один раз.

Лучше всего работает трехфазный подход (рисунок 3). Во-первых, разверните высокоценные и быстрые в реализации решения на базе ИИ в рамках действующего проекта с целеустремленной командой. Цель состоит в том, чтобы создать рабочую модель, доказать ценность и накопить практический опыт.

Во-вторых, масштабируйте проверенные решения по всему портфелю, адаптируясь в зависимости от того, что работает. Каждый шаг основывается на предыдущем. Со временем программа становится самофинансируемой, а данные, операционные модели и возможности ИИ укрепляются.

Третья фаза закрепляет достижения за счет развития операционной модели, согласования контрактов, укрепления общих данных и архитектуры интеграции, внедрения управления, оркестрации экосистем и наращивания потенциала ИИ как в головном офисе, так и в полевых командах. Ранние победы критически важны. Они укрепляют уверенность, демонстрируют прогресс и развивают возможности. Программы, которые задерживают результаты, теряют поддержку. Те, кто приносит пользу на раннем этапе и развивает ее, с большей вероятностью добьются успеха.

Выбор, стоящий перед лидерами

ИИ обладает потенциалом изменить эффективность капитальных проектов за счет улучшения способов принятия решений, управления рисками и выполнения работ на протяжении всего жизненного цикла. Технология быстро развивается, но реализация ценности зависит от организационных решений, особенно в отношении интеграции, проектирования операционной модели и подходов к внедрению.

Ключевой вопрос больше не в том, трансформирует ли ИИ капитальные проекты, а в том, будут ли организации участвовать в этой трансформации сознательно, столкнутся ли с ней постепенно через изолированные инструменты или через разрушительное воздействие со стороны конкурентов.

GlobalData, инструмент данных Construction Intelligence Center, февраль 2026 г. Accenture, Blueprint for success, 27 февраля 2025 г.