В Замбии изучили восприятие ИИ в управлении строительными проектами

📊 Исследование показывает, как ИИ используется в управлении строительными проектами в Замбии и какие преимущества видят в нём участники отрасли. Авторы опросили 78 специалистов, занятых в планировании и мониторинге проектов в провинции Лусака, и провели пять дополнительных полуструктурированных интервью. Результаты анализировались с помощью описательной статистики, индекса относительной значимости и сравнения оценок с нейтральной точкой пятибалльной шкалы. Главный вывод — внедрение ИИ уже началось, но остаётся фрагментарным и преимущественно административным. Чаще всего специалисты используют инструменты обработки естественного языка — для подготовки документов, анализа договорных положений и оформления отчётов — 29,5% респондентов. Ещё 28,2% применяют аналитические панели для контроля вех, KPI и поставок. Предиктивные модели используют 17,9%, экспертные системы — 7,7%, компьютерное зрение и дроны — 3,8%. При этом 12,8% опрошенных вообще не используют ИИ. Несмотря на наличие отдельных инструментов, ИИ пока не стал системной частью проектного управления. Средние оценки регулярного применения для календарного планирования, мониторинга в реальном времени, анализа рисков и большинства других PM-функций находились около нейтрального уровня и статистически значимо его не превышали. Иными словами, речь пока идёт скорее о точечных пользовательских практиках, чем об интегрированном цифровом контуре управления проектами. При этом воспринимаемые выгоды оказались высокими. Наиболее сильный эффект респонденты связывают с повышением эффективности планирования — 4,21 из 5. Далее следуют точность календарного планирования и распределения ресурсов — 3,82, качество мониторинга и контроля — 3,64 и снижение риска задержек — 3,36. Все оценки статистически превышают нейтральную точку, однако отражают мнение специалистов, а не измеренное изменение сроков или стоимости проектов. Исследование выявило заметный разрыв между готовностью отдельных специалистов и зрелостью организаций. Внедрение стимулируют прежде всего простота инструментов, их понятный интерфейс и пример коллег. Наименее развиты формальное обучение, государственная поддержка, корпоративные стратегии внедрения и техническая поддержка пользователей. Таким образом, распространение ИИ происходит преимущественно снизу вверх, без достаточной институциональной основы. Основные опасения связаны с конфиденциальностью и безопасностью данных — их отметили 64,1% респондентов. Риск сокращения отдельных ролей беспокоит 56,4%, надёжность выводов ИИ — 42,3%, а рост стоимости проектов — 20,5%. Дополнительными ограничениями авторы называют нехватку структурированных локальных данных, сложности интеграции с устаревшими таблицами и системами, а также недоступность дорогих лицензий для небольших подрядчиков. Практический вывод статьи: начинать следует не с масштабного внедрения сложных предиктивных решений, а с поэтапного развития проверенных сценариев, обучения сотрудников, правил управления данными и формирования совместимых проектных датасетов. Авторы также предлагают учитывать цифровую зрелость подрядчиков при государственных закупках, создать открытый репозиторий исторических данных по строительным проектам и включить работу с данными, вычислительную оптимизацию и цифровое управление информацией в программы подготовки инженеров и руководителей проектов. Научная ценность работы — в эмпирических данных по рынку, редко представленному в исследованиях цифровизации строительства. Однако поперечный дизайн, самооценки респондентов, небольшая выборка и отсутствие объективных данных о сроках и стоимости не позволяют утверждать, что применение ИИ уже привело к фактическому снижению задержек. Статья скорее фиксирует высокий ожидаемый потенциал ИИ на фоне пока низкой организационной зрелости его внедрения.