Главгосэкспертиза России начала опытную эксплуатацию ИИ-ассистента эксперта: сервис на базе больших языковых моделей разбирает комплекты проектной документации еще до старта самой экспертизы. Для IT-команд в госсекторе и строительной отрасли это показательный кейс: ИИ здесь используют не как чат-бот «для всего», а как закрытый инструмент для проверки документов, поиска пропусков и подготовки аналитики для специалиста.
О запуске 1 октября сообщает CNews. ИИ-ассистент эксперта анализирует документы после заключения договора, но до назначения ведущего эксперта. На вход он получает комплект проектной документации, а на выходе формирует структурированный предварительный отчет: где могут быть нарушения, каких сведений не хватает, на какие разделы эксперту лучше посмотреть внимательнее и какие решения выглядят соответствующими нормам.
Проект делает отраслевой Центр инженерии данных и технологий искусственного интеллекта, созданный на базе Главгосэкспертизы по поручению правительства России. Подразделение начало работу 1 июня 2026 года. Одним из первых шагов стало развертывание закрытого контура для ИИ-сервисов, чтобы рабочие и производственные данные не уходили во внешние публичные системы. Для организации, через которую проходят чувствительные материалы по объектам строительства, это не формальность, а базовое условие допуска ИИ к реальной работе.
Руководитель центра Александр Перепелица прямо описал проблему: многие организации уже пробуют ИИ, но отправляют данные в открытые модели и не всегда понимают, куда затем попадает переданная информация. В Главгосэкспертизе такой сценарий считают недопустимым. Поэтому ставка сделана на собственный защищенный контур, подключенный к внутренним процессам, а не на быстрый эксперимент с публичным сервисом ради красивой презентации.
Любопытна и логика внедрения. ЦДИ начал не с громкого релиза, а с обучения сотрудников и формирования внутреннего спроса на ИИ-инструменты. Запросы для анализа проектной документации составляли сами эксперты Главгосэкспертизы. Это важная деталь: качество такого сервиса определяется не только моделью, но и тем, насколько точно предметные специалисты переложили свою практику в проверочные сценарии. В идеале ИИ не заменяет эксперта, а заранее расчищает ему завалы из типовой рутины.
Помимо ИИ-ассистента эксперта, в учреждении тестируют инструмент для подготовки материалов к совещаниям по объектам экспертизы. Он собирает данные из связанных информационных систем, описывает объект и динамику прохождения экспертизы, а также прогнозирует соблюдение сроков устранения замечаний. По данным источника, то, что раньше занимало несколько часов ручного сбора информации, теперь готовится за несколько минут и выполняется «в два клика». Для управленческих процессов это почти идеальный тип автоматизации: меньше ручной компиляции статусов, больше времени на решения.
Еще один сервис ищет признаки реконструкции в технических актах. Сценарий практичный и вполне земной: объект может быть заявлен на капитальный ремонт, но фактически предполагать реконструкцию, а это уже другая процедура и другой набор документов. Раньше экспертам приходилось вручную читать многостраничные акты с таблицами и мелким текстом. Теперь система за несколько секунд подсвечивает признаки, по которым стоит проверить корректность заявленного типа работ. Для разработчиков в таких проектах главный урок простой: хороший ИИ-кейс часто выглядит скучно, зато экономит часы на конкретной операции.
Отдельная часть стратегии — ИИ-хаб для строительной отрасли. Главгосэкспертиза планирует предоставлять Минстрою России и подведомственным организациям доступ к своим языковым моделям, инструментам и сервисам через закрытые каналы связи. Это уже не точечная автоматизация одного ведомства, а попытка выровнять цифровую зрелость участников отрасли. Если подход сработает, похожая модель может стать шаблоном для других регулируемых сфер: сначала закрытый контур и прикладные сервисы внутри экспертной организации, затем масштабирование на смежных участников процесса.
Главный вопрос теперь не в том, способен ли ИИ читать проектную документацию, а в том, насколько аккуратно его встроят в ответственность эксперта. Ошибка модели в таком контуре не должна превращаться в автоматическое решение, зато правильно настроенный предварительный анализ может сократить сроки, убрать часть ручной проверки и сделать инвестиционно-строительный цикл менее вязким. Для российского enterprise и госсектора это, пожалуй, самый реалистичный сценарий ИИ на ближайшие годы: не магия на сцене, а тихий помощник внутри закрытой инфраструктуры, который берет на себя неприятную часть документов.