Модели и платформы ИИ

Что показал саммит AI & Data Transformation in Construction Summit Canada 2026 о корпоративном ИИ

Antoine Tardif
Добавьте Unite.AI в избранные источники в Google
Toronto construction site with a digital twin and connected data pathways
Ключевые моментыГлавным ограничением корпоративного ИИ теперь является организация, окружающая модель…
Показать больше
  • Главным ограничением корпоративного ИИ теперь является организация, окружающая модель, а не доступ к модели.
  • Готовность данных — это постоянная операционная дисциплина, поскольку ИИ не может восстановить информацию, которая никогда не была зафиксирована.
  • Инвестиции в ИИ сталкиваются с растущей проверкой рентабельности инвестиций, поскольку компании требуют измеримых результатов, привязанных к конкретным операционным проблемам.

Раскрытие информации: AMG World пригласила Unite.AI принять участие в саммите в Торонто. Наблюдения и выводы в этой статье принадлежат нам.

Строительная отрасль — не первое место, где люди ищут подсказки о направлении развития искусственного интеллекта. Именно поэтому она представляет собой особенно полезную проверку этой технологии.

Строительство связано со сложными цепочками поставок, распределёнными командами, устаревшими системами, физическими рисками, низкой рентабельностью и огромными объёмами информации, которую собирают на постоянно меняющихся строительных площадках. Система ИИ может впечатляюще показать себя в контролируемых условиях, но обеспечить надёжную пользу в такой обстановке — совсем другая задача.

На саммите по трансформации ИИ и данных в строительстве в Канаде в 2026 году, организованном AMG World в Торонто 17 ноября, обсуждение отражало переход рынка ИИ к более требовательному этапу. В программе конференции были измеримая рентабельность инвестиций, связанные данные, цифровые двойники, трансформация рабочей силы и внедрение технологий в операционную деятельность. Однако в докладах и дискуссиях за круглым столом особенно ясно прозвучал один вывод: главное ограничение для корпоративного ИИ — уже не доступ к мощной модели. Оно заключается в организации, которая её окружает.

Амбиции в сфере ИИ сталкиваются с операционной реальностью

Не было необходимости убеждать участников, что ИИ может повлиять на строительство. Гораздо сложнее было ответить на вопросы о том, как его внедрять, где применять и как продемонстрировать достаточную пользу, чтобы оправдать инвестиции.

Многие организации, похоже, оказались между амбициями и неопределённостью. Они хотят внедрять ИИ, но пока не выработали чёткого подхода к выбору подходящих сценариев применения, распределению ответственности и внедрению технологии таким образом, чтобы сотрудники её приняли. Это более взвешенный разговор, чем безоговорочный энтузиазм, характерный для раннего бума генеративного ИИ.

Это также означает, что поставщикам приходится иметь дело с более требовательными клиентами. Одного привлекательного интерфейса недостаточно. Строительные компании всё чаще хотят знать, как система ИИ впишется в их существующую среду данных, что произойдёт при нехватке информации, как можно проверить результаты и выдержит ли внедрённое решение столкновение с реальными условиями работы на площадке.

Обсуждение моделей тоже оказалось более узким, чем можно было бы предположить по состоянию рынка ИИ в целом. В записях наших бесед регулярно упоминалась только одна большая языковая модель общего назначения — Claude. Это не следует трактовать как вывод о доле рынка. Однако это указывает на то, что внедрение ИИ в компаниях часто сосредоточено вокруг небольшого числа инструментов, уже преодолевших внутренние пороги доверия, безопасности или закупочных требований.

Самая важная проблема ИИ возникает ещё до появления модели

Качество данных вызывало наиболее постоянную обеспокоенность.

Цифровые двойники наглядно это иллюстрируют. Цифровой двойник полезен лишь в том случае, если данные из всех важных частей проекта продолжают поступать в него. Если подрядчик не передаёт обновление, сторонняя система раскрывает лишь часть необходимой информации или сотрудник уходит, не передав свои знания, модель постепенно перестаёт отражать реальность.

Результат всё ещё может выглядеть впечатляюще. Но он может оказаться неверным.

Увеличением размера модели эту проблему не решить. ИИ не может надёжно восстановить операционную информацию, которую никогда не собирали. Он также не может определить, кто должен был восполнить пробел, если организация заранее не распределила эту ответственность.

В ходе обсуждений в Торонто неоднократно возвращались к необходимости в надёжной информации, чётких структурах данных и процессах, позволяющих поддерживать модели в актуальном состоянии. Именно поэтому в официальной программе конференции такое большое внимание уделялось основам работы с данными, взаимосвязанному выполнению работ, цифровым двойникам, а также согласованию действий людей и рабочих процессов.

Для всей отрасли ИИ это важный урок: готовность данных — не просто проект по очистке базы данных, который завершается до внедрения. Это непрерывная операционная дисциплина.

Полевые команды становятся частью инфраструктуры ИИ

Одно из наиболее практических наблюдений на конференции касалось роли руководителей проектов. Их назвали ключевым звеном в сборе информации на местах и передаче её в системы, которыми пользуется вся организация.

Это делает руководителей проектов и линейные команды частью инфраструктуры ИИ — независимо от того, упоминается ли искусственный интеллект в их должностях.

Если для сбора информации приходится заполнять дополнительные формы, повторно вводить данные или осваивать сложный новый рабочий процесс, проблема нехватки данных никуда не исчезнет. Поэтому наиболее эффективными будут системы, которые делают точный сбор данных естественной частью выполнения работы, а не дополнительной административной нагрузкой, возложенной на сотрудников постфактум.

Это особенно важно в отрасли, где многие процессы по-прежнему выполняются аналоговыми методами, а сотрудники, подрядчики, профсоюзы, поставщики технологий и владельцы проектов могут по-разному взаимодействовать с информацией. Для успешного внедрения недостаточно просто предоставить людям доступ к ИИ-ассистенту. Необходимо наладить надёжный поток информации во всей организации.

Окупаемость инвестиций проверяют всё строже

Участники также выразили обеспокоенность тем, что вложения в ИИ пока не принесли ожидаемой отдачи. Упоминались расходы на токены, однако главной проблемой был риск для вложенного капитала.

Строительные компании привыкли оценивать проекты с точки зрения затрат, сроков, безопасности и рисков. Вряд ли они будут бесконечно терпеть эксперименты с ИИ, особенно если внедрение, помимо использования моделей, требует новых интеграций, консультационных услуг, обучения и подготовки данных.

Это не значит, что компании отказываются от ИИ. Это значит, что они требуют более чёткой связи между технологией и измеримым бизнес-результатом.

Наибольшее доверие вызовут решения, направленные на конкретные операционные задачи: сокращение административной работы, упрощение доступа к знаниям о проектах, выявление рисков срыва графика, ведение цифровой документации или помощь командам в принятии более быстрых решений на основе уже имеющейся информации. Инициатива в области ИИ, представленная лишь как трансформация, встретит больше сопротивления, чем решение, разработанное для устранения конкретного узкого места.

Надёжность становится частью расчёта окупаемости инвестиций. Участники спрашивали, что произойдёт, если сервис ИИ или крупная облачная платформа окажется недоступна. Если ИИ встроен в операционный процесс, планирование непрерывности работы уже нельзя откладывать на потом. Организациям необходимо понимать, какие задачи можно продолжать выполнять, для принятия каких решений потребуется резервный вариант с участием человека и как системы будут восстанавливаться без потери данных.

Внедрение по-прежнему зависит от людей

Участники говорили о страхе потерять работу, но отмечали и более насущное препятствие: многие сотрудники пока не имеют даже базового представления о том, что ИИ умеет и чего он не умеет.

Это создаёт риски в обоих направлениях. Сотрудники могут избегать полезных систем из-за недоверия к ним или, напротив, слишком охотно полагаться на их результаты, переоценивая точность.

Одного обучающего занятия недостаточно, чтобы решить эту проблему. Внедрение зависит от того, насколько сотрудникам понятно, как ИИ помогает им в работе, насколько чётко определена ответственность человека и насколько выбранные приложения кажутся им полезными.

Особенно трудно это даётся малым и средним компаниям. У многих нет возможности создать отдельную команду по ИИ или закрепить за экспериментальной инициативой долгосрочную ответственность. Поэтому вопросы о том, как обучать внутреннюю большую языковую модель, могут быть менее важны, чем вопросы доступа к данным, управления ими, оценки результатов и ответственности за созданную систему.

Потенциал рынка значителен, но наибольших успехов могут добиться поставщики, способные упростить работу организаций, а не просто предложить ещё одну модель.

Строительство — проверка корпоративного ИИ на прочность

Торонтский саммит был ценен тем, что на нём говорили о разрыве между успешной демонстрацией и надёжным внедрением. Сочетание презентаций и небольших дискуссий за круглыми столами позволило обсудить операционные проблемы, которые часто остаются за рамками гладких рассказов об ИИ.

Строительство выявляет почти все слабые места, которые необходимо устранить корпоративному ИИ: разрозненность информации, изменчивость условий, устаревшие процессы, осторожность покупателей, ограниченные технические возможности, сопротивление работников и серьёзные последствия ошибок в информации.

Эта отрасль также показывает, почему её потенциал так привлекателен. Объединение знаний о проектах, данных с объектов, цифровых двойников и опыта организации может существенно улучшить планирование и выполнение сложных работ. Однако лидировать будут системы, которые сделают информацию более полной, надёжной и доступной для тех, кому нужно действовать на её основе.

Обсуждение продолжится за пределами Торонто

Серия мероприятий AMG World для строительной отрасли продолжится саммитом по ИИ и преобразованию данных в строительстве в Остине, 2027, который пройдёт 26 января, а затем саммитом по ИИ и преобразованию данных в строительстве в Европе, 2027, который состоится в Лондоне 23 февраля.

Организатор также переносит обсуждение на другие отрасли с большим количеством капиталоёмких активов. Его саммит по ИИ и технологиям в нефтегазовой отрасли, 2027 пройдёт в Хьюстоне 9 февраля и соберёт руководителей, отвечающих за ИИ, данные, цифровую трансформацию и операционную деятельность в энергетическом секторе.

Если судить по встрече в Торонто, следующий этап развития корпоративного ИИ возглавят не те, кто создаёт самые эффектные демонстрации. Лидерами станут организации, способные связать модель с надёжными данными, ответственными специалистами, устойчивыми процессами и бизнес-результатом, который оправдывает инвестиции.

Антуан — дальновидный лидер и партнёр-основатель Unite.AI, движимый неизменной страстью к формированию и продвижению будущего ИИ и робототехники. Как предприниматель, основавший несколько компаний, он верит, что ИИ изменит общество столь же радикально, как электричество, и часто с воодушевлением говорит о потенциале прорывных технологий и общего искусственного интеллекта (AGI).

Как футуролог, он стремится исследовать, как эти инновации будут формировать наш мир. Кроме того, он основатель Securities.io — платформы, посвящённой инвестициям в передовые технологии, которые переопределяют будущее и преобразуют целые отрасли.