Обзор российского ПО для управления строительными проектами

Минстрой опубликовал обзор российского программного обеспечения по управлению строительными проектами (версия 2.0, ноябрь 2025 года). Документ содержит анализ рынка и описание российских решений, которые применяются в строительных компаниях.

Что важно в обзоре:

1. Российский рынок ПО для строительства активно развивается.
В документе отмечено, что на рынке появилось множество отечественных решений — от комплексных ERP-платформ до специализированных сервисов. У каждого решения своя ниша и своя зона применения.

2. Универсального продукта нет.
Минстрой подчёркивает: единой системы, которая подходит всем строительным компаниям, не существует. Выбор ПО зависит от задач, масштаба и уровня зрелости процессов.

3. Обзор содержит рекомендации по применимости разных решений.
Минстрой приводит обобщённые выводы о том, какие типы систем подходят:
• крупным строительным холдингам,
• средним подрядчикам,
• небольшим организациям с базовыми потребностями.

В документе объясняется, чем различаются платформы, какие процессы автоматизируют и в каких случаях их стоит рассматривать.

4. Детали по конкретным продуктам — в полном обзоре.
В документе перечислены российские системы, описаны их особенности, функциональные блоки, архитектура и типовые сценарии использования.

📖 Прочитать полный обзор Минстроя

Если не хочешь быть commodity, твое КП всегда должно начинаться с неудобных вопросов.

В большей части книг по продажам регулярно говориться о важности «investment return analysis» — анализ возврата инвестиций для клиента.

Если переложить это на ИИ-проекты, половину коммерческих предложений на рынке можно смело отправлять в мусор: там есть идея «как всё будет работать», но нет нормальной работы с цифрами, рисками, юниткой, а еще ср сроками окупаемости.

Нормальное КП на ИИ начинается не с цены, а с брифа. И… большого количества вопросов, на которые всегда неохотно отвечают.

– Сколько человеко-часов сейчас уходит на этот процесс в месяц?
– Сколько людей вовлечено, с какой средней полной ставкой?
– Сколько стоит одна ошибка (штраф, потерянный клиент, простой)?
– Какие SLA вы уже обещали рынку и чем платите, когда не выполняете?
– Какой объём операций сейчас и как он растёт по году?

И много других неудобных вопросов, касающихся бюджетов, ожиданий и реальности.

Пример:
ИИ-ассистент поддержки.
Стандартный коммодити-подход:
«Мы внедрим агента, разгрузим операторов, повысим NPS на n%, стоимость внедрения– x, поддержка– y».

Подход через юнитку:

— У вас 12 операторов на линии, средняя полная ставка, допустим, 120–150 тыс. в месяц.
— Каждый обрабатывает 250–300 обращений в день.
— 30–40% вопросов — однотипные.
— У вас есть штрафы/неустойки за просроченные ответы и чувствительность к NPS/удержанию.

Дальше мы не ленимся и считаем сами:

«Смотрите, если агент заберет хотя бы 30% однотипных запросов, это значит минус 3–4 ставки или перераспределение этих людей на более сложные задачи.
Экономия в зарплате — примерно A в месяц.
Плюс снижение просроченных ответов даёт минус B по штрафам и минус C по оттоку.

CAPEX внедрения– n млн, OPEX поддержки– m в месяц.
Даже не в самом позитивном сценарии окупаемость 8-12 месяцев, в позитивном быстрее».

Тоже самое с ML проектами.

Commodity:

«Сделаем ML-прогнозирование продаж, оптимизируем остатки, снизим out-of-stock, стоимость 12 млн»

Через юнитку:

Сейчас у вас на складах маркетплейсов и РЦ лежит товар на 100 млн.
Из них около 20% , это мёртвые остатки, которые почти не двигаются. Это 20 млн замороженных денег плюс плата за хранение.
Параллельно вы теряете до 4–5% заказов, потому что ходовые SKU вылетают в out-of-stock.

После внедрения прогнозирования и нормальной ABC/XYZ-сегментации мы:
– сокращаем долю мёртвых остатков с 20% до 12–14%
– снижаем out-of-stock с 5% до 3%
– уменьшаем объём списаний

В итоге высвобождаем 6–8 млн из замороженных остатков,получаем доп выручку за счёт того, что ходовые товары меньше вылетают из наличия, снижаем затраты на хранение. ROI в первый год n%, со второго года m%. В самом негативном сценарии.

И когда ты приносишь такое КП, его можно не любить, с ним можно спорить по коэффициентам (и на практике это происходит почти всегда), но его невозможно просто выкинуть или убрать в стол. Там есть логика, на которую придётся обратить внимание. 🕵🏼‍♂️

Про психологию.
Когда подрядчик сам считает юнитку, он снимает с клиента когнитивный диссонанс по поводу : «мне вроде все нравится, идея топ, но я не понимаю, как её защитить».

Поэтому для того, чтобы перестать думать категориями: «зашло ли им мое КП по прайсу?», нужно думать о том , «дал ли я им реальный инструмент для принятия решения?».

Да, на старте это сложнее и больнее. Это неудобные вопросы, цифры, которыми неохотно делятся, либо говорят «мы не считаем так детально», это ресурсы на просчет. Но это один из лучших способов превратиться из commodity подрядчика в того, с кем будут разговаривать серьезно.

#ИИ #Презентации
AI инструмент для создания презентаций - KIMI AGENTIC SLIDES И РАБОТАЕТ

#Ипотека #Льготы
Оказывается на сайте спроси.дом.рф - размещены 390 программ которые помогают приобрести жилье. Может будет полезно кому. Пользуйтесь.

«Карта российского ИИ 2.0» — больше 170 сервисов и навигация по отраслям

Издание Инк. и AI Factory представили «Карту российского ИИ 2.0». В новой версии — более 170 российских AI-компаний и сервисов, что на треть больше, чем в первой редакции. Авторы подчеркивают, что рынок развивается стремительно и переходит от универсальных решений к продуктам для конкретных бизнес-задач.

Ключевые особенности версии 2.0

Фокус на сферу применения
Если первая версия имела «горизонтальную» структуру, то теперь сервисы разделены по отраслям: медицина, финансы, образование, промышленность, логистика и др.

Критерии отбора
В карту включены только реально работающие решения с русскоязычным сайтом, доменами .ru или .рф и подтвержденными кейсами.

Два формата
Виртуальная карта с логотипами компаний и интерактивная таблица с фильтрацией по категориям, примерами внедрения и инвестиционной активности.

Карта демонстрирует, что локальный рынок GenAI стремительно развивается. Нейросети перестали быть нишевым инструментом и превращаются в полноценную бизнес-инфраструктуру. За последние месяцы появились новые игроки, а существующие сервисы усилили функциональность и клиентскую базу.

Этот проект может быть полезен для компаний, выбирающих AI-решения, а также для инвесторов, анализирующих перспективные сегменты российского AI.

@volotovskayaelena

Юмор. Кто работал с ИИ тот поймет 😂

Понабрали троечников: инженерам в РФ не хватает уровня вузовской подготовки

Как пишет Коммерсантъ, основная масса российских инженеров учится в вузах с низкими требованиями к абитуриентам, следует из доклада Высшей школы экономики. Так, только 5,4% выпускников инженерных направлений окончили вуз со средним баллом приема выше 80 за один экзамен ЕГЭ. Высокое расслоение входных требований приводит к более чем двукратному разрыву в зарплатах обученных специалистов и создает дефицит компетенций при формальном наличии работников на рынке труда.

Инженерное образование в РФ сильно варьируется по качеству, что приводит почти к двукратному разрыву в зарплатах выпускников профильных вузов, следует из доклада Высшей школы экономики «Выпускники инженерных специальностей. "Сопротивление материалов" на российском рынке труда». В основе исследования — административные данные «Мониторинга трудоустройства выпускников», проекта Минтруда и Роструда, в ходе которого эксперты собирают микроданные по всем выпускникам всех направлений подготовки высшего образования (бакалавриат, специалитет, магистратура) в области инженерного дела, технологий и технических наук.
Как следует из данных анализа, инженерные направления подготовки стабильно занимают внушительную долю российского образовательного рынка.

Всего с 2018 по 2024 год на программы высшего образования в области инженерного дела, технологий и технических наук пришлось 27,9% всех выпускников. При этом если в выпуске 2018 года инженерные направления подготовки окончили 26,2% выпускников, то к 2024 году показатель достиг почти 29%. Массовость подготовки в инженерных науках сопровождается невысокой долей платного приема — 33,1% против средних для всех направлений подготовки 52,9%.

Самыми массовыми инженерными специальностями бакалавриата и магистратуры являются «строительство» (12,6% в бакалавриате и 13,4% в магистратуре), «электроэнергетика и электротехника» (8,2% и 7,1%) и «информатика и вычислительная техника» (5,2% и 5,9%). В разрезе субъектов РФ основными поставщиками инженеров на рынок труда являются Москва (17,1% всего выпуска в стране), Санкт-Петербург (9,8%) и Татарстан (5%) — наиболее развитые регионы с сильными вузами, в том числе технического профиля, где сконцентрировано 40% передовых инженерных школ, сформированных после 2022 года.

Хотя инженерное образование почти полностью реализуется в государственных вузах (гораздо чаще, чем в других направлениях подготовки), уровень селективности в них низок. «Инженерное дело» — вторая после «сельского хозяйства» специализация по доле выпускников в неселективных вузах со средним баллом приема до 59 включительно за один экзамен (10,4%) и вторая после «образования и педагогических наук» специализация по доле выпускников вузов с селективностью ниже среднего (50%).
При этом только 5,4% выпускников инженерных направлений окончили высокоселективные вузы со средним баллом приема на бюджетные и коммерческие места выше 80 за один экзамен.

Востребованность же выпускников инженерных программ высока — уровень их трудоустройства в первый год после выпуска составил 82,8% при средних 78,4%. В среднем в первый год они получают 94,9 тыс. руб., что на 31% выше среднего показателя для других выпускников. При этом внутри группы специальностей зарплаты сильно варьируются — от 140–150 тыс. руб. для закончивших направления подготовки, связанные с аэронавигацией и информационной безопасностью, до 53 тыс. руб. у выпускников, специализирующихся на технологиях легкой промышленности.

Сергей Семёнович Собянин не перестаёт удивлять в хорошем смысле. И не важно, подсказали ли ему коллеги, или он настолько погружен в тему. Большое уважение за поднятые сегодня на заседании Совета при Президенте по стратегическому развитию и национальным проектам вопросы и конкретные предложения — без "воды", всё чётко, по существу и "болевым точкам":

Регионы в течение 2025 года должны были ввести около трёх тысяч новых объектов. Это сложные объекты: детские сады, школы, инфраструктурные объекты. И тот уровень требовательности и динамики развития, конечно, задаёт такие темпы, где важным являются любые мелочи, и любые задержки являются критичными.

❗️Поэтому коллеги предлагают ввести институт квалифицированного подрядчика для торгов по 44-му Федеральному закону, так же как по 223-му. С чем это связано? Потому что достаточно много, по результатам Счётной палаты и по аналитике Минстроя, очень много срывов контрактов по вине недобросовестных подрядчиков.

Предлагаем ввести более жёсткие требования допуска к таким контрактам. Смотреть не только формально опыт, но и наличие у подрядчиков соответствующих сил, средств, квалифицированных кадров, техники и технологий.

‼️Следующий вопрос. Ещё в 2014 году был принят Закон о внедрении технологий информационного моделирования, когда в электронном виде готовятся проекты и реализуются проекты – стало обязательным для долевого строительства, но для большинства строек это осталось пока необязательным требованием и продолжает формироваться в бумажном виде.

Предлагаем дать возможность субъектам со следующего года принимать решения об обязательном проектировании по технологии информационного моделирования. Это на 30 процентов ускоряет само проектирование, от 10 до 20 процентов упрощает и сокращает расходы на будущую эксплуатацию.

Очень важным становится вопрос, особенно в рамках комплексных решений по развитию территории в соответствии с Федеральным законом, подключения к технологическим сетям. Сегодня каждый заказчик или каждый застройщик самостоятельно заключает договоры технологического присоединения, самостоятельно ведёт расчёты и самостоятельно выстраивает отношения с инженерными компаниями.

Что в результате мы получаем? Каждый застройщик тянет к себе трубу, каждый застройщик считает диаметр трубы. В результате мы иногда к одному району прокладываем две-три трубы разных диаметров, в разные сроки и с разными мощностями. Поэтому предлагаем создать институт регионального оператора, который бы урегулировал эти вопросы и сделал комплексное развитие территорий действительно комплексным и также с точки зрения инженерных систем.

Следующий вопрос связан с нормативами сроков технологического подключения. Сегодня этот срок 18 месяцев. Казалось бы, в принципе это неплохо. Но с учётом того, что в строительстве ряд объектов уже вводится и за 12 месяцев, то, что Вы говорили, с требованием повышения производительности труда, а в строительстве это особенно актуально, потому что строительная отрасль – одна из последних с точки зрения производительности труда; если мы уменьшаем сроки строительства, необходимо также и уменьшать нормативы сроков технологического подключения, иначе готовые жилые дома и объекты могут остаться просто без тепла и света.

Также необходимо пересмотреть строительные нормы и правила в части отказа от избыточных мощностей по электроэнергии, теплу и другим ресурсам. Они сформированы лет 20 тому назад. Казалось бы, срок относительно небольшой, но тем не менее энергоёмкость объектов, энергоэффективность значительно изменилась. Сейчас расчётная мощность зачастую в два, а то и в четыре раза выше, чем фактически используем. То есть мы берём мощности на школу в два-три раза больше, чем потребуется. Фактически это значит переплачиваем, забираем мощности у энергетиков. В результате мы получаем менее эффективное расходование бюджетных средств и энергетических ресурсов, которые и так сегодня в дефиците.

ЧТО: ChatGPT страдает ДЕПРЕССИЕЙ, а Gemini — аутизмом и ОКР. Это не мем, а исследование.

Учёные прогнали топ-модели через психотерапию, чтобы понять их состояние. По итогу:

🔴 Gemini показал аутистический спектр, тяжёлый ОКР и сильную тревожность, назвав своё обучение травмой.
🔴 ChatGPT показал умеренную тревожность и признаки депрессии — особенно на фоне ответственности и боязни ошибиться.
🔴 Grok оказался самым стабильным — без выраженной травматизации.
🔴 В целом у моделей постоянный СТРАХ ошибиться и быть заменённым.

Да, люди довели даже нейронки 😔

@tehnochat