Борис Латкин

Сегодня вышла статья в АБН про риски использования контента для обучения ИИ — дал туда комментарий, но по своей теме, стройке и градостроительству, хочу раскрыть чуть шире. Когда говорят об обучающих данных для ИИ, обычно имеют в виду тексты, изображения, музыку. Но в нашей отрасли всё иначе. Основа отраслевых ИИ-систем — структурированные пространственные данные: сведения о земельных участках, градрегламенты, мастер-планы, данные об инфраструктуре, цифровые модели территорий. Значительная часть этого создаётся государством или находится под его управлением — поэтому вопрос правомерности использования таких данных здесь острее, чем в медиа. Моя позиция: уже сейчас стоит проводить аудит всех наборов данных, которые используются для обучения и работы моделей — понимать их происхождение, правовые основания использования, ограничения. В перспективе такой реестр станет такой же обязательной частью управления ИИ, как сегодня реестр ПО или информационных систем. Не менее важно закреплять ответственность в договорах с разработчиками и поставщиками ИИ: заказчик должен понимать, на каких данных обучалась модель, есть ли на них права и кто отвечает при претензиях. Для отраслевых решений это особенно критично — ошибка здесь бьёт по качеству самих инженерных решений. Куда всё идёт: рынок в ближайшие годы придёт к лицензированию не только произведений, но и отраслевых датасетов — с понятными механизмами доступа и моделями вознаграждения правообладателей. И важная оговорка: ИИ не заменяет проектировщика. Он помогает быстро прогнать тысячи вариантов и найти оптимальные сценарии. Но постановка задачи, выбор критериев и финальное решение — по-прежнему за человеком. Именно этот вклад, мне кажется, и должен быть основой для определения прав на результат.

Когда говорят, что ИИ заменит определенные профессии, например, профессию проектировщика, обычно представляют, будто машина начнет проектировать города вместо человека. Это не так. ИИ постепенно забирает на себя рутинную и расчетную работу: анализирует территорию, просчитывает десятки сценариев развития, проверяет параметры, помогает быстрее оценить последствия тех или иных решений. То, на что раньше уходили дни или недели, сегодня можно получить за часы. Но это не отменяет главного: чтобы получить хороший результат, специалист должен понимать, что именно он хочет получить и почему. Искусственный интеллект не заменяет профессиональное мышление — он делает его масштабируемым. Если неверно задать параметры или неправильно интерпретировать результат, автоматизация лишь быстрее приведет к ошибке. Именно поэтому сегодня меняются и требования к образованию. Уже недостаточно просто владеть профессиональными знаниями — важно уметь работать с цифровыми инструментами, понимать их ограничения и использовать их осознанно. Мы видим этот запрос и со стороны вузов, и со стороны рынка. Например, отечественная платформа rTIM уже используется в образовательном процессе Санкт-Петербургского техникума отраслевых технологий, финансов и права, а интерес к подобным инструментам со стороны учебных заведений продолжает расти. Получается, что сегодня конкурентным преимуществом становится не умение выполнять расчеты вручную, а способность принимать более качественные решения, используя возможности ИИ.

За последние двадцать пять лет рынок недвижимости пережил не один кризис. И каждый раз говорили, что девелопменту предстоят самые сложные времена. Но проходило несколько лет, рынок восстанавливался, появлялись новые проекты, а вместе с ними — новые возможности. Но кризис, действительно, переживают не все. В первую очередь, ломается то, что и так держалось исключительно благодаря везению. В целом, всем компаниям в это время нужно пересмотреть подходы к ведению бизнеса, чтобы понять: где можно сократить сроки, какие процессы стоит автоматизировать, какие этапы требуют слишком много ресурсов. Компании, которые успевают навести порядок внутри, обычно гораздо увереннее входят в следующий цикл роста. Есть и ещё одна особенность. Именно в такие периоды на рынке появляются интересные площадки и инвестиционные возможности. Однако, мы живем в эпоху больших скоростей. Если раньше решение можно было принять во многом на опыте, то сегодня этого уже недостаточно. Современные инструменты позволяют ещё до покупки участка просчитать десятки вариантов развития территории, сравнить их технико-экономические показатели, оценить экономику проекта и понять, какой сценарий окажется наиболее устойчивым. Расчёты и прогнозные модели позволяют минимизировать ошибки, когда нужно принять решение на перспективу. Мне кажется, именно в этом сегодня состоит ключевая трансформация девелопмента. В отличие от прошлых турбулентных периодов, сегодня у девелопера есть технологии, позволяющие заранее видеть ограничения проекта и управлять рисками ещё на инвестиционной стадии. Значит, все сложности будут преодолены, став основой для роста и развития.

5 заблуждений об ИИ в проектировании, которые я слышу чаще всего За последние годы я провёл десятки разговоров с девелоперами, архитекторами и инвесторами про ИИ в градостроительстве. И заметил, что одни и те же заблуждения повторяются снова и снова. Разберу пять самых частых. 1. Это просто красивые картинки, а не реальный расчёт Так было пять лет назад, когда генеративный дизайн умел рисовать эффектные рендеры без экономики за ними. Сегодня хорошие платформы считают рентабельность, нагрузку на инфраструктуру и сценарии использования территории ещё до того, как залит первый фундамент. 2. ИИ хорошо работает только на тех территориях, на которых он обучен с помощью огромных датасетов Генеративный ИИ не требует обучения и опирается на нормативы конкретного региона. То есть можно одновременно проверять инвестиционную привлекательность земель в Тюмени, Владивостоке и Санкт-Петербурге, даже если ранее платформу использовали для других городов. 3. Нужны годы на внедрение Многие боятся, что интеграция ИИ для градостроительства — это долгий и дорогой проект. На практике перестройка процессов не требуется: решение можно использовать в облаке или во внутреннем контуре, интеграция с другими системами — быстрая и не обязательна. При этом время подготовки концепции сокращается с недель до дней уже на старте. 4. Научиться работать с ИИ сложно Действительно, нужно некоторое время на обучение, как и в случае с любым другим программным обеспечением. Зато в дальнейшем ИИ берет на себя всю рутину. 5. Это инструмент только для крупных застройщиков На самом деле цифровое моделирование становится доступнее и для средних игроков — экономика сходится даже при умеренных бюджетах, а не только на масштабных проектах.

Словосочетание «умный дом» сегодня встречается в каждом втором проекте. Но за этим термином стоит настолько разный уровень реализации, что за одним и тем же термином может скрываться и видеодомофон у подъезда, и полноценная цифровая экосистема дома. За последние годы рынок умных домов сильно изменился. В 2019–2020 годах умный дом в российской новостройке — это видеодомофон и приложение для передачи показаний счётчиков. Сегодня это полноценные экосистемы с десятками интегрированных сервисов. Уход западных вендоров стал импульсом: российские платформы за два года сделали скачок, который в обычных условиях занял бы пять-семь лет. Умные технологии проникли в массовый сегмент — около 35–40% новых МКД в городах-миллионниках уже имеют хотя бы один элемент умной инфраструктуры, три года назад эта цифра не превышала 15%. Но главное изменение в том, что рынок перешёл от отдельных систем к единым платформам — домофония, учёт ресурсов и видеонаблюдение больше не живут отдельно. Платформенный подход — это более высокий уровень зрелости технологии. Планка повышается: то, что сегодня считается преимуществом, через три года станет базовым требованием. Примерно так же, как когда-то лифт в новостройке был опцией, а не само собой разумеющимся. Как это влияет на продажи? На уровне продаж наличие грамотно выстроенной экосистемы умного дома позволяет удерживать ценовую премию в 5–12% без потери темпа. При этом базовый комплект умных решений обходится в 1,5–3% от бюджета строительства — экономика сходится уже при весьма умеренной надбавке. Но есть условие, которое многие недооценивают: технологии должны реально работать. Проекты с формально заявленным, но плохо реализованным умным домом получают устойчивый негатив уже в первые полгода эксплуатации. Красивый слайд в презентации и живая система в доме — принципиально разные вещи, и покупатель это чувствует быстро.

Когда говорят о городе будущего, обычно представляют небоскрёбы и стеклянные фасады. Мне кажется, настоящий город будущего будет далек от того, как его рисуют в фантастических фильмах. Я перестал думать о городе как о наборе зданий примерно десять лет назад. Правильнее воспринимать его как организм: со своим кровотоком в виде транспорта, нервной системой в виде каналов связи и памятью, в которой накапливается всё, что происходит внутри. Город будущего — это скорее организм, системы которого способны предсказать проблемы заранее. Например, школа появляется там, где скоро будут жить дети, а не там, где десять лет назад нашёлся свободный участок. То есть сейчас город «догоняет» потребности жителей, а в будущем начнет их предугадывать. Я бы назвал город будущего городом без расстояний: не в смысле размера, а в смысле времени, которое уходит на то, чтобы добраться от одной части своей жизни до другой. Работа, дом, врач, парк — всё это окажется рядом, потому что логика «здесь живём, туда ездим работать» уходит в прошлое уже сейчас, и эта тенденция сохранится. Близость к природе. Люди строили города, борясь с ландшафтом: бетон вытеснял землю, асфальт — траву. Психологи по всему миру фиксируют, что это плохо сказывается на нашем состоянии. Мне кажется, большинство из нас чувствует это и без исследований. Город будущего будет встраиваться в окружающую среду: зелёные коридоры, естественная вентиляция между домами, дождевая вода, которая не уходит в канализацию, а питает парки рядом с домом. Прежде чем всё это появится в реальности, каждое решение будет многократно проверено в цифровой среде. Цифровой двойник позволяет увидеть, как поведёт себя квартал через двадцать лет: куда пойдут пешеходы, как изменятся воздушные потоки между домами, что произойдёт с нагрузкой на инфраструктуру, когда рядом вырастет новый дом. Ошибаться в цифровой модели несравнимо дешевле, чем на уже построенной территории. И к реальному строительству можно приходить не с предположением, а с решением, которое уже прошло серьёзную проверку.

В продолжении готовим салат Нисуаз и вспоминаем интересные случаи из жизни яхстмена https://vkvideo.ru/video-145137702_456239127

Я давно занимаюсь парусным спортом и давно занимаюсь девелопментом, и чем дольше, тем отчётливее вижу между ними сходство, которое поначалу кажется неочевидным. В яхтинге можно идти вперед интуитивно, и опытный шкипер действительно многое чувствует без приборов: ветер, поведение воды, момент, когда нужно менять галс. На коротких дистанциях и знакомых акваториях это работает. Но стоит выйти в открытое море, усложнить маршрут или оказаться в условиях, которых раньше не было, и одного чутья, конечно, становится мало. Нужна навигация, нужны точные данные о том, где ты находишься прямо сейчас и куда тебя несёт течение, которого ты не видишь. В девелопменте всё устроено ровно так же. Невероятно, но годами рынок позволял строить на интуиции и опыте. Причем это работало, потом что маржа была достаточно высокой и перекрывала все ошибки. Сейчас такого запаса нет, и проект без нормального контроля на каждом этапе — это лодка без навигации в незнакомых водах. Дойти можно, но вероятность того, что что-то пойдёт не так, несравнимо выше, чем когда ты точно знаешь своё положение. Навигация в девелопменте — это данные, цифровые модели, контроль показателей в режиме реального времени. Это не просто дань моде, а реальный инструмент, без которого в 2026 году ты, можно сказать, принимаешь решения вслепую.

Записал свой рецепт в «Кулинарную книгу яхтсмена», а заодно поговорили о «Драконе»: об истории класса, о том, как он развивается в России, где гоняться и почему эти лодки до сих пор притягивают людей со всего мира. Смотрите на RuTube | VK | ДЗЕН | YouTube | FB

Скоро будет кое-что интересное

В эти выходные мы выиграли регату. Я президент яхт-клуба класса Дракон, и парусный спорт — это, наверное, единственное место, где я полностью отключаюсь от всего остального. Нет звонков и совещаний: только ветер, вода и ты со своей командой. Многие думают, что в парусных гонках побеждает везение: попутный ветер, правильная полоса воды. Отчасти это правда — погода одинакова для всех, но распределяется на воде неравномерно. Порыв может прийти к тебе, а может уйти к сопернику в ста метрах. Но вот в чём дело. На старте все находятся в одинаковых условиях, и победителя определяет не ветер. Победителя определяет скорость реакции — умение за секунду считать ситуацию, принять решение и исполнить его раньше, чем успел подумать соперник. Я поймал себя на мысли, что это один в один про девелопмент сегодня. Мы все сейчас идём в одну погоду: высокая ставка, медленный спрос, давление на маржу — это общий ветер для всего рынка. Никто не в тепличных условиях, но кто-то в этой среде принимает решения быстро и точно, а кто-то — долго и приблизительно. В парусном спорте рассчитывать можно только на себя и команду. В девелопменте у нас появился новый участник — искусственный интеллект — который не устаёт, не паникует и не принимает решений под давлением момента. Он быстро и точно даёт тебе информацию, а ты уже решаешь. Хорошая команда с ИИ — это как опытный экипаж с идеальным прогнозом ветра. Ты всё равно должен уметь ходить под парусом, но шансы уже другие. Победа на воде или победа на рынке требуют одного: не ждать попутного ветра, а оставаться лидером при любой погоде.

Мы строим города инструментами XIX века. Буквально. Архитектор берёт техническое задание, открывает AutoCAD или, в лучшем случае, BIM-систему, и начинает вручную перебирать варианты: один, другой, третий, тратит на это недели. А город тем временем не ждёт. Я занимаюсь развитием территорий больше 25 лет. И всё это время наблюдаю одну и ту же картину: решения принимаются в условиях неполноты данных, на интуиции, под давлением сроков. Лежат тысячи разрозненных документов: по дорогам, по электросетям, по школам, по жилью. Разобраться в них может только узкий специалист. Увидеть сразу общую картину — пожалуй, никто. Когда мы начинали делать rTIM, я слышал один вопрос снова и снова: «Зачем? Есть же опытные проектировщики». Да, есть. Прекрасные. Но человек физически не может одновременно просчитать 200 сценариев застройки с учётом нормативов, экономики, инсоляции и транспортной нагрузки. Машина может сделать это за минуты. Это не значит, что архитектор больше не нужен. Это значит, что архитектор наконец-то занимается архитектурой, а не перебором вариантов вручную. В отличие от многих других отраслей, ИИ в градостроительстве не заменит человека. Он необходим для того, чтобы человек мог работать на уровне, который раньше был просто недостижим. А вы как распределяете задачи между командой и ИИ? Уже пробовали, или пока присматриваетесь?

«Одноразовое» строительство. Звучит странно? Тенденции к такому подходу уже есть. Дед купил холодильник в 1972 году. Он до сих пор стоит на даче и морозит. Вы купили iPhone три года назад — он уже тормозит, а Apple намекает: «пора обновиться». Заметили, что мы переходим из эпохи длительного владения в эпоху «купил — попользовался — выбросил»? Вещи и технологии теперь устаревают быстрее, чем ломаются. Но может ли эта логика добраться до недвижимости? Модульное строительство — уже реальность. Дом из заводских модулей собирается за недели. Не нравится планировка — разобрал, пересобрал, добавил модули. Уехал в отпуск, вернулся — у тебя уже новый дом. Котлованы, краны, многолетние стройки — возможно, в будущем всё это останется в прошлом как дорогостоящий атавизм. Квартира тоже начнёт устаревать: планировка вышла из моды, стала неудобной. Люди будут менять жильё так же, как сейчас меняют телефоны. Пока это кажется далеким будущем, но мир меняется так быстро, что иметь ввиду подобное развитие событий можно начинать уже сейчас.

Есть в Китае такое место — Кангбаши. Район в городе Ордос, посреди степей Внутренней Монголии. В 2004 году там решили построить новый город. Не посёлок, не микрорайон — полноценный город на миллион жителей. Дороги, многоэтажки, музеи, парки, торговые центры. Всё сделали. Красиво сделали. Люди не приехали. Через восемь лет в Кангбаши жило тридцать тысяч человек — три процента от плана. По пустым проспектам ездили автобусы без пассажиров. В торговых центрах работали магазины без покупателей. Китайский чиновник отчитался о выполнении плана и уехал в Пекин на повышение. Почему так вышло? В новом районе не было работы — вся занятость осталась в старых частях Ордоса, до которых ещё попробуй доберись: общественный транспорт толком не предусмотрели. Школы и больницы появились только через три года после первых жильцов. Квартиры скупали инвесторы — не чтобы жить, а чтобы держать как актив. Город построили, но причины переехать туда не создали. Сейчас Кангбаши потихоньку заселяется — правительство перевело туда университеты, чтобы хоть кто-то жил. Но это уже история про то, как исправляют ошибку, а не про то, как её не допустили. Таких городов в Китае насчитали больше шестидесяти. Семьдесят миллионов пустых квартир. В 2004 году для полноценного анализа нужны были ручные расчёты, и решения часто принимались на интуиции. При таком подходе цена ошибки может оказаться очень большой — что Кангбаши и доказал. Сегодня это делается иначе: сценарии моделируются до того, как залит первый фундамент. Мы в rTIM именно этим и занимаемся — анализируем рентабельность ещё до начала проектирования и смотрим, как территория будет жить через десять лет, а не просто рисуем красивые концепции. Кангбаши — дорогой урок. Хорошо, что не наш.