ИдаПроджект 
Тендеры и лиды
Информация
Меня зовут Алексей Бирюков, я совладелец и управляющий партнер ИдаПроджект и Ида.Лайт. Мы делаем сайты и цифровые продукты для девелоперов. В статье подробно разберем, как ИИ меняет процессы в девелопменте уже сегодня: какие задачи уже можно передавать ИИ-агентам, где по-прежнему необходим человек и почему покупка технологий сама по себе почти никогда не приводит к росту эффективности.
Еще недавно внедрение искусственного интеллекта в компании означало доступ сотрудников к ChatGPT или другому генеративному сервису. Нейросети помогали писать тексты, собирать презентации, обрабатывать изображения и искать информацию.
Этот этап еще не закончился, но рынок уже движется дальше. ИИ постепенно перестает быть отдельным инструментом в руках сотрудника и становится полноценным участником бизнес-процесса.
Теперь система может не только выполнить одну команду, но и последовательно:
получить и структурировать исходные данные;
проверить их полноту;
найти ошибки и противоречия;
обратиться к дополнительным источникам;
подготовить несколько вариантов решения;
проконтролировать результат;
передать человеку вопрос, требующий управленческого решения.
Это меняет сам подход к автоматизации. Компании начинают внедрять не отдельные нейросети, а ИИ-агентов, способных брать на себя конкретные функции.
В девелопменте такие системы могут участвовать практически во всем цикле: от подготовки маркетинговых материалов и анализа звонков до подбора квартиры, расчета ипотеки и сопровождения покупателя после сделки.
Разницу между обычным использованием нейросети и агентным подходом проще всего показать на примере подготовки сайта.
В первом случае сотрудник самостоятельно проводит встречу с клиентом, собирает материалы, анализирует конкурентов и формулирует задачу. Затем он может обратиться к ИИ: попросить улучшить текст, проверить таблицу или создать изображение.
Во втором случае ИИ подключается не к отдельной операции, а ко всей последовательности.
Один агент фиксирует и расшифровывает встречу. Другой выделяет из разговора задачи, потребности и ограничения клиента. Третий проверяет полученные материалы, четвертый анализирует конкурентов, пятый собирает рекомендации для будущего продукта.
Человек остается в процессе, но занимается уже не переносом данных из одной системы в другую. Он определяет цели, оценивает предложенные решения и отвечает за итоговый результат.
В перспективе команды будут состоять из двух частей: человеческого ядра и подключенного к нему набора ИИ-агентов. Один специалист сможет управлять сразу несколькими цифровыми исполнителями, каждый из которых отвечает за свою функцию.
Это не означает, что сотрудников просто заменят алгоритмы. Скорее изменится соотношение ручной и интеллектуальной работы: меньше времени будет уходить на сбор, проверку и подготовку информации, больше — на принятие решений, работу с клиентами и развитие продукта.
По тому, как компания использует ИИ, можно выделить три уровня зрелости.
Все этапы выполняет человек: собирает информацию, проверяет данные, готовит материалы и контролирует результат.
Процесс может быть качественным, но его скорость напрямую зависит от количества сотрудников и доступных рабочих часов.
Нейросеть помогает человеку выполнять отдельные операции: редактировать тексты, анализировать документы, создавать изображения, готовить резюме встреч или искать ошибки.
Процесс остается ручным, но сотрудник выполняет его быстрее и получает больше вариантов решения.
Большинство компаний сейчас находится именно на этом этапе.
Отдельные операции связываются в единую цепочку. Агент самостоятельно получает задачу, собирает необходимые данные, выполняет последовательность действий и передает результат дальше.
Человек контролирует уже не каждую операцию, а весь процесс и точки принятия решений.
Переход от второго уровня к третьему — это не установка еще одного сервиса. Он требует пересмотреть роли сотрудников, описать порядок действий, определить владельца процесса и договориться о критериях качества.
ИИ может заметно ускорить работу компании. Но он одинаково хорошо ускоряет как сильные, так и неэффективные процессы.
Если задача не описана, входные данные постоянно меняются, а разные сотрудники по-разному понимают ожидаемый результат, внедрение агента только увеличит количество ошибок.
Поэтому автоматизацию стоит начинать не с выбора модели, а с нескольких вопросов:
Какую конкретно функцию мы хотим изменить?
Какие данные необходимы для ее выполнения?
Кто отвечает за результат?
По каким критериям мы определяем качество?
Какие решения может принимать система?
В какой момент должен подключаться человек?
Сначала необходимо сделать процесс понятным и воспроизводимым. Только после этого его имеет смысл ускорять.
Ида.Лайт — продукт для небольших и средних девелоперов. На момент подготовки материала с ним работали около 190 клиентов.
Изначально создание сайта начиналось со стандартной последовательности: брифинг, получение материалов, проверка исходных данных, подготовка концепции и сборка продукта.
Команда была ограничена качеством того, что передал клиент. Если исходные рендеры, тексты или данные о проекте были недостаточно проработаны, их приходилось дорабатывать вручную либо использовать в существующем виде.
С появлением ИИ возможности расширились. Сейчас нейросетевые инструменты помогают нам:
проверять структуру и полноту фидов;
анализировать материалы конкурентов;
находить противоречия в текстах;
улучшать исходные изображения;
создавать дополнительные визуальные сценарии;
формулировать продуктовые и маркетинговые гипотезы.
Например, из одного рендера проекта можно подготовить серию изображений, показывающих разные сценарии жизни: вид из будущей квартиры, прогулку во дворе, вечер в кафе на территории комплекса.
По нашим внутренним расчетам, в одном из используемых сценариев вычислительная стоимость такой обработки составляет около 15 рублей на изображение. Основные затраты приходятся не на генерацию, а на работу специалиста: постановку задачи, отбор вариантов и контроль соответствия проекту.
Однако экономия на отдельных операциях — не главный эффект. Более существенный результат появляется, когда инструменты объединяются в последовательный процесс.
Сейчас мы развиваем цепочку агентов, в которой:
Один агент записывает и расшифровывает встречу с клиентом.
Второй выделяет потребности, ограничения и договоренности.
Третий проверяет полученные тексты, фиды и изображения.
Четвертый анализирует рынок и материалы конкурентов.
Итоговая система собирает рекомендации для команды, создающей сайт.
Такой подход позволяет быстрее переходить от первой встречи к сформулированной продуктовой задаче, не теряя важные детали в переписке и документах.
Еще один массив данных, который часто остается без полноценного анализа, — звонки отдела продаж.
Один из наших клиентов передал для исследования около 15 тысяч разговоров с покупателями. Такой объем невозможно детально разобрать вручную: руководители обычно слушают небольшую выборку и оценивают отдельные звонки.
ИИ позволяет работать со всем массивом.
Система может изучать не только ключевые слова, но и структуру разговора:
какие вопросы задавал покупатель;
насколько подробно он обсуждал условия;
какие возражения возникали;
какие характеристики объекта его интересовали;
как менялась его вовлеченность;
к какому следующему шагу пришли стороны.
На основе этих данных можно оценивать вероятность продолжения сделки, находить повторяющиеся причины отказов и понимать, на каких этапах менеджеры теряют клиентов.
Следующий шаг — агент, который помогает управлять воронкой. Он готовит подборку объектов, формирует презентацию, напоминает о договоренностях, заполняет документы и следит за следующими действиями.
При этом общение с человеком остается за менеджером. Его задача — выстроить отношения, понять нюансы ситуации и провести переговоры. Агент забирает операции, которые не требуют личного контакта, но занимают значительную часть рабочего дня.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13703 тендера
проведено за восемь лет работы нашего сайта.
Большинство сайтов жилых проектов построено по одной логике: описание концепции, преимущества, карта, галерея, фильтр квартир и форма заявки.
Такой сайт показывает предложение, но почти не помогает человеку принять решение.
Покупателю приходится самостоятельно переводить жизненную ситуацию в набор параметров: выбрать количество комнат, площадь, этаж и бюджет. Однако реальный запрос устроен сложнее.
Человек может искать квартиру для семьи с двумя детьми, работать из дома, регулярно принимать пожилых родителей и планировать смену школы. В этом случае недостаточно показать ему все трехкомнатные квартиры определенной площади.
Необходимо понять, что для него важнее:
две изолированные детские;
место для рабочего кабинета;
близость школы;
отсутствие высоких порогов;
короткий путь до метро;
возможность изменить планировку;
размер ежемесячного платежа.
ИИ позволяет перейти от поиска по формальным характеристикам к поиску по смыслу.
В перспективе сайт девелопера может превратиться в систему из нескольких специализированных агентов.
Он ведет диалог с покупателем, выясняет состав семьи, привычки, ограничения и финансовые условия. После этого предлагает несколько вариантов и объясняет различия между ними.
Он показывает, как квартиру можно адаптировать под конкретный сценарий жизни: выделить кабинет, изменить расположение гардеробной или предложить другое зонирование.
Все предложения должны учитывать конструктивные и инженерные ограничения здания. Поэтому такой агент не заменяет архитектора, а создает предварительные решения для дальнейшей проверки.
Он готовит визуальные референсы, предлагает материалы и мебель, создает предварительное представление об интерьере и рассчитывает ориентировочный бюджет ремонта.
Покупатель оценивает уже не пустой чертеж, а возможный результат.
Он сравнивает финансовые сценарии, помогает собрать сведения, заполняет документы и напоминает о необходимых действиях.
Если выбранная квартира не укладывается в бюджет, система может предложить другой корпус, планировку, срок кредита или способ оплаты.
Он продолжает работать после заключения договора: сообщает о ходе строительства, собирает отчеты, отвечает на типовые вопросы и помогает будущему жителю ориентироваться в событиях проекта.
Вместо одной цифровой витрины покупатель получает команду сервисных агентов, сопровождающих его на разных этапах.
Это пока модель будущего, а не описание полностью реализованного продукта. Но отдельные элементы этой системы — диалоговый подбор, анализ звонков, генерация материалов и автоматическая обработка документов — уже применяются на практике.
Распространение ИИ повлияет не только на интерфейсы, но и на содержание маркетинга.
Алгоритм может сопоставить цену, расположение, плотность застройки, сроки, инфраструктуру, планировки, отзывы и другие доступные данные. Поэтому девелоперам станет сложнее компенсировать недостатки продукта общими рекламными формулировками.
Покупатель сможет поручить своему ИИ-помощнику сравнить несколько проектов и задать конкретные вопросы:
Где выше плотность застройки?
Сколько времени займет дорога до школы?
Какие обещанные объекты инфраструктуры уже построены?
Чем объясняется разница в цене?
Какие недостатки чаще всего упоминаются в отзывах?
Подходит ли планировка под состав семьи?
Маркетинг не исчезнет. Но его роль изменится. Вместо создания максимально привлекательной оболочки ему придется точнее объяснять реальную ценность продукта.
ИИ снижает эффективность маркетингового шума. Это дает преимущество компаниям с понятным продуктом, прозрачными условиями и качественным сервисом.
Раньше технологическое преимущество было тесно связано с масштабом компании. Крупные девелоперы могли создавать собственные команды, инфраструктуру и внутренние продукты, недоступные небольшим игрокам.
Генеративные модели частично сокращают этот разрыв.
Маленькая команда не сможет полностью воспроизвести инфраструктуру лидера рынка. Но при хорошем понимании задачи она может получить значительную часть нужного результата с помощью доступных моделей и готовых сервисов.
Это переносит конкуренцию из области бюджетов в область компетенций.
Важно не столько количество приобретенных ИИ-инструментов, сколько способность компании:
находить подходящие для автоматизации процессы;
качественно описывать задачи;
работать с данными;
быстро проверять гипотезы;
контролировать результат;
перестраивать роли внутри команды.
Компания с большим бюджетом, но плохо организованными процессами может внедрять ИИ медленнее небольшой, но гибкой команды.
После покупки сервиса сотрудники не начинают автоматически использовать его в ежедневной работе. Им нужно понять возможности инструмента, научиться формулировать задачи и встроить новый способ работы в привычный процесс.
По нашему опыту, формирование устойчивой привычки может занимать несколько месяцев. Поэтому в начале полезно измерять не только финансовый эффект, но и фактическое использование: сколько сотрудников обращается к инструменту регулярно и какие задачи они ему передают.
Формулировка «нам нужно внедрить ИИ» слишком абстрактна.
Рабочий проект начинается с четкой задачи: сократить время проверки контента, проанализировать звонки, ускорить подготовку коммерческих предложений или повысить качество клиентских данных.
У процесса должны быть владелец, метрики и понятные границы ответственности.
Если сотрудники не понимают цели автоматизации, они воспринимают ее как подготовку к сокращениям.
Необходимо заранее объяснить, какую часть рутины планируется передать системе и на что будет направлено высвободившееся время.
После запуска внутренних ИИ-инструментов в ИдаПроджект мы не сокращали команду. Сотрудники направили освободившиеся часы на продуктовые задачи, которые раньше постоянно откладывались.
Начинать стоит не с самого заметного или модного сценария, а с процесса, который:
регулярно повторяется;
занимает много времени;
имеет понятные входные данные;
завершается проверяемым результатом;
не требует от системы самостоятельного принятия критических решений.
Сначала ИИ может работать в режиме помощника. Сотрудник ставит задачу, получает результат и проверяет его.
После накопления опыта часть операций можно объединить в цепочку. Затем — определить точки, в которых агент способен действовать самостоятельно, и ситуации, требующие участия человека.
Так внедрение превращается из серии экспериментов в управляемое изменение бизнес-процесса.
ИИ не стоит воспринимать ни как волшебный инструмент, который автоматически повысит эффективность, ни как самостоятельную угрозу для команды.
Это новый тип исполнителя, которым необходимо управлять.
Ему нужны точная постановка задачи, доступ к качественным данным, критерии оценки и ограничения. Чем сложнее процесс, тем важнее роль человека, отвечающего за архитектуру работы и итоговый результат.
В девелопменте первые изменения уже заметны в производстве контента, анализе данных и контроле продаж. Следующий этап затронет сам путь покупателя — от подбора квартиры до сопровождения после сделки.
Вопрос уже не в том, будут ли компании использовать искусственный интеллект. Вопрос в том, ограничатся ли они генерацией текстов и изображений или смогут перестроить с его помощью реальные бизнес-процессы.
Если лонгриды — не ваш формат, смотрите «Ида.Инсайт». Это серия видео от ИдаПроджект о технологиях, маркетинге, продажах и управлении в девелопменте. В каждом выпуске я или коллеги разбираем одну актуальную тему, делимся практическим опытом и показываем, как изменения рынка влияют на работу девелоперов.
