Принесла вам самые популярные публикации за неделю:

⚫️Что под капотом у ИИ-сервиса «Цифровой нормоконтроль» от Департамента градостроительной политики Москвы.
⚫️Как бизнесу попасть в ответы нейросетей: GEO — новый стандарт диджитала.
⚫️Finch анонсировали ИИ-агента и пообещали ИИ не только в генерации планов, но и в инструментах редактирования.

Почитайте — там интересно.

Мой ежедневный вклад в автоматизацию процессов 😁

а еще — и в цифровизацию вкладываюсь
💕дообучаю ChatGPT лучше понимать девушек — пишу в него запросы
💕оплачиваю продукты улыбкой
💕заказываю доставку, хотя магазин рядом
💕приближаю Скайнет, разговаривая с Алисой

Полезное исследование на стыке LLM и BIM о применении ИИ для полуавтоматической проверки моделей в Revit на соответствие строительным нормам

⚫️Цель: разработать LLM-ориентированный подход, который преобразует строительные нормы в исполняемые Python-скрипты и интегрируется с Revit для полуавтоматической проверки соответствия в BIM.

Что предложили авторы:
🔵Вместо ручного написания скриптов для Revit пользователь формулирует запрос на естественном языке.
🔵LLM переводит этот запрос в Python-код для Dynamo/Revit API, который выполняет проверку.

Сравнили разные LLM (GPT-4, Claude 3, Gemini 1.5, Llama 3).
🔵Тестировали, какие модели лучше справляются с интерпретацией строительных норм, генерацией работоспособного кода, обработкой геометрии BIM-моделей.
🔵Лучшие результаты у GPT-4 и Claude 3 (по качеству интерпретации и работоспособности сгенерированных скриптов), хуже — у открытых моделей типа Llama.

Кейсы и экспериментальная проверка
Авторы тестировали свой метод на двух проектах — жилом доме (ИЖС) и офисном здании. Для каждого проекта определили набор типовых строительных правил (например, минимальные размеры помещений, требования к материалам, расположению объектов) и сформировали запросы к LLM для генерации проверочных скриптов.

[Тоже, как и многие😁] обнаружили ключевую проблему
🔵LLM часто ошибаются в логике проверок, если требования в нормах сформулированы нечётко.
🔵Например, фраза «коридоры должны быть достаточно широкими для эвакуации» требует уточнения — иначе ИИ генерирует некорректный код.

Из относительно нового, но входящего в практику
🔵Авторы переложили часть работы по автоматизации проверок на ИИ — то есть ИИ пишет скрипты.
🔵Показали, какие типы проверок работают хорошо (простые параметрические правила), а какие — плохо (сложная геометрия, субъективные требования).
🔵 Ну и еще раз показали, что ИИ не заменит пока инженера, но ускорит рутину.

Подробнее — на arxiv.org в статье Large Language Model-Driven Code Compliance Checking in Building Information Modeling

5 ключевых проблем разработки ИИ-продуктов и рекомендации по их решению — ICONIQ AI Builder’s Playbook 2025

1️⃣Доверие и объяснимость ИИ — 42% компаний сталкиваются с недоверием пользователей к ИИ из-за эффекта «чёрного ящика» и галлюцинаций (38%). Рекомендации:

🔵Внедрять транспарентность: предоставлять отчёты о работе моделей (например, логирование контекстов запросов).
🔵Использовать post-processing фильтры (RAG, проверочные модели) для снижения галлюцинаций.
🔵Подключать людей для контроля в важных случаях (66% компаний уже так делают).

2️⃣ Высокая стоимость инференса и API — 32% компаний называют стоимость инференса главной проблемой, а 70% — непредсказуемость расходов на API. Рекомендации:

🔵Оптимизировать инференс через кэширование и динамический выбор моделей (например, Mistral для простых задач, GPT-4 — для сложных).
🔵Многие (41%) переходят на опенсорсные модели, а 23% комбинируют облачные и локальные решения, чтобы снизить затраты.

3️⃣ Доказательство ROI — 39% компаний не могут обосновать окупаемость ИИ-продуктов. Особенно сложно, если продукт просто «добавил ИИ» к старому функционалу. Рекомендации:

🔵Сначала доказать, что ИИ приносит выгоду внутри компании — бизнес внедряет копилотов для внутренних процессов и замеряет метрики. Самые популярные направления — автоматизация поддержки или аналитики.
🔵На внешних продуктах — менять модель монетизации — переходить на плату за использование или за результат (6%). Также можно использовать трекинг метрик (время выполнения задач, конверсия) для премиум-тарифов.

4️⃣ Мультимодельные архитектуры: 64% зависят от OpenAPI, но это риск: цены растут, API меняется, а альтернативы (Claude, Gemini) могут быть выгоднее. Рекомендации:

🔵Строить гибкую архитектуру — чтобы быстро подключать новые модели.
🔵Тестировать 2–3 модели одновременно (средний показатель среди ТОП-стартапов).
🔵Инвестировать в ИИ-агентов — они сами выбирают, какую модель использовать для задачи.

5️⃣ Дефицит кадров и скорость найма. Подбор ИИ/ML-инженеров занимает 70+ дней, а 46% компаний не успевают закрывать вакансии. Рекомендации:

🔵Автоматизировать рутину: Copilot (77% команд), генерация документации (57%).
🔵Перераспределять бюджет: сокращать расходы на инференс (32%) в пользу апскилла текущих сотрудников.

Подробнее — в прикрепленном отчете

⚡️ В связи с присоединением новых Партнеров крупнейший в РФ стройтех-акселератор Build UP продлевает срок подачи заявок до 14 июля и приглашает на онлайн встречу с лидерами строительной отрасли.

⭐️ Акселератор проводится при поддержке: «ДОМ.РФ Технологии», ГК «ТОЧНО», Группа «ГОЛОС», ГК «Галс-Девелопмент», Setl Group, Upside Development, LEGENDA и СЕДРУС.

Программа проводит отбор по следующим направлениям:
✔️ Проектирование и BIM-технологии,
✔️ Строительство,
✔️ Эксплуатация недвижимости,
✔️ Цифровизация продаж и маркетинга.

❗А уже в эту пятницу (4 июля) в 11:00 пройдет Онлайн-встреча для всех потенциальных участников Build UP. Совместно с представителями Фонда «Сколково», МИК и девелоперами- партнерами программы разберем все актуальные вопросы о Build UP.

На повестке встречи:
✔️ какие решения особо востребованы у компаний-партнеров Build UP в 2025 году;
✔️ как улучшить качество заявки;
✔️ меры поддержки участников Build UP,
✔️ порядок оценки поданных заявок и рассмотрения проектов девелоперами,
✔️ как организуются внедрения проектов на реальных объектах девелоперов.

🗓 4 июля
🕔 11:00
👤 онлайн

Не упустите возможность задать все вопросы лидерам девелоперского рынка и организаторам Build UP — зарегистрироваться на вебинар и подать заявку ⬅️

Как цифровой след покупателя меняет рынок недвижимости? 5 реальных кейсов — презентация ДОМ.PФ с «Движения»

Раньше агенты опирались на интуицию, сегодня — на цифровой след. Это данные о поведении, запросах и сделках покупателей. С помощью API ЕИСЖС застройщики и риелторы превращают эти данные в лиды.

Вот как это работает:

Новостройки — в продажу раньше конкурентов
🔵Что делают: автоматически загружают новые объекты на маркетплейсы, проактивно предлагают их клиентам, которые искали похожие варианты.
🔵Результат: быстрее старт продаж, первые покупатели — самые лояльные.

Реклама, которая прилетает в нужный момент
Пример: как только покупатель получает ключи от квартиры, система автоматически предлагает: услуги ремонта, мебель и технику, выгодные кредиты на обустройство.

Коммерческие помещения: где открывать магазин или ПВЗ?
🔵Как анализируют: смотрят на цифровой след покупателей ЖК, где живут, работают, сколько тратят, какие коммерческие услуги востребованы.
🔵Результат: точно прогнозируют окупаемость помещений, застройщики продают коммерцию дороже.

Умное ценообразование и «золотые» локации
🔵Как это выглядит: цена квартиры меняется динамически (спрос вырос — цена подросла). Система находит перспективные районы для строительства (например, где много запросов на таунхаусы).

🔵Эффект: прибыль застройщиков растет, покупатели быстрее находят подходящий вариант.

Ипотека за 5 минут: кредитная фабрика
🔵Что автоматизировано: проверка надежности застройщика, заполнение документов для ипотеки, одобрение без очередей.
🔵Плюсы: клиент получает решение за 5 минут, банки снижают риски.

Перспективы использования данных клиентов
Цифровой след — это только начало. Скоро голосовые помощники начнут подбирать жилье по привычкам клиентов, а на цифровых двойниках комплекса будут тестировать запуск рекламных кампаний.

Подробнее — в презентации.