Assessment of economic efficiency of artificial intelligence application in construction: the choice of the optimal method

Cover Page

Cite item

Full Text

Abstract

Introduction. The review of existing ideas of artificial intelligence implementation in the construction industry is carried out. On the basis of the studied data the applicability of the technologies was analyzed and their economic efficiency was evaluated, as well as the feasibility of investment in potential projects was substantiated. Construction is a fundamental area of human life, in which the use of information technology innovations, especially artificial intelligence should be associated with a balanced decision and thorough testing. For this reason, it is required to choose the most appropriate method to evaluate the feasibility of implementation. By the chosen method it is possible to reveal the possibilities of a new project and to correlate it with all costs and risks.Materials and methods. Russian and foreign studies, Internet resources and conference materials were studied. As a result, the current trends of technologies of artificial intelligence application in construction were found. The integrated method allowed to consider technologies from the point of view of ideology, reality of embodiment, practical application and economic feasibility. The method of scoring of projects was applied and the list of technologies was compiled. This list includes technologies that are favourable for application and promising for development. Multilevel study of the selected projects was carried out according to the system modelling approach.Results. Based on the results of the study, conclusions are made about the best method for assessing the economic efficiency of innovative projects based on artificial intelligence, which are applicable to the construction industry. The theoretical model is aimed at considering the project as a process of cause-and-effect relationships. This project reveals the list of necessary steps and their sequence.Conclusions. This study on the effectiveness of the implementation of AI in construction of some ideas revealed an optimal and sufficiently informative method of assessing the economic efficiency of projects, as well as the degree of relevance and compliance with the interests and needs of the construction industry. A list of recommendations for the process of implementation of a new project with the use of artificial intelligence is presented. A vector for further research in the field of practical calculations of efficiency and forecasting is proposed.

About the authors

D. N. Shishkina

Digital Artel

Email: fin.control.id@gmail.com
ORCID iD: 0009-0008-4648-7869
SPIN-code: 8857-3305

References

  1. Гинзбург А.В., Рыжкова А.И. Возможности искусственного интеллекта по повышению организационно-технологической надежности строительного производства // Вестник МГСУ. 2018. Т. 13. № 1 (112). С. 7–13. doi: 10.22227/1997-0935.2018.1.7-13. EDN XCIOMJ.
  2. Egwim C.N., Alaka H., Toriola-Coker L.O., Balogun H., Sunmola F. Applied artificial intelligence for predicting construction projects delay // Machine Learning with Applications. 2021. Vol. 6. P. 100166. doi: 10.1016/j.mlwa.2021.100166
  3. Колчин В.Н. Специфика применения технологии «искусственного интеллекта» в строительстве // Инновации и инвестиции. 2022. № 3. С. 250–253. EDN JJLECU.
  4. Гареев И.Ф., Мухаметова Н.Н. Внедрение цифровых технологий на этапах жизненного цикла объектов жилой недвижимости // Жилищные стратегии. 2018. Т. 5. № 3. С. 305–322. doi: 10.18334/zhs.5.3.39692. EDN YRLKJV.
  5. Симионова Н.Е. Инновационные проекты в строительстве: управление и оценка эффективности // Экономика строительства. 2020. № 2 (62). С. 59–65. EDN UVSSWJ.
  6. Лавриченко О.В. Системный подход к определению экономической эффективности инновационных проектов // Креативная экономика. 2013. № 11 (83). С. 36–40. EDN RSHVAV.
  7. Маляревский А. ИИ в российских условиях: драйверы, ингибиторы и важность кейсов // Интернет-издание о высоких технологиях — CNews. 2023.
  8. Baduge S.K., Thilakarathna S., Perera J.S., Arashpour M., Sharafi P., Teodosio B. et al. Artificial intelligence and smart vision for building and construction 4.0: Machine and deep learning methods and applications // Automation in Construction. 2022. Vol. 141. P. 104440. doi: 10.1016/j.autcon.2022.104440
  9. Brilakis I., Haas C.T.M. Infrastructure computer vision. Butterworth-Heinemann, 2019.
  10. Abioye S.O., Oyedele L.O., Akanbi L., Ajayi A., Delgado J.M.D., Bilal M. et al. Artificial intelligence in the construction industry : a review of present status, opportunities and future challenges // Journal of Building Engineering. 2021. Vol. 44. P. 103299. doi: 10.1016/j.jobe.2021.103299
  11. Гурина Е.О., Лисин И.П. Будущие инновации в строительстве // Технические науки: теория и практика : мат. IV Междунар. науч. конф. 2018. С. 43–44. EDN YNCKZN.
  12. Fang W., Zhong B., Zhao N., Love P.E.D., Luo H., Xue J. et al. A deep learning-based approach for mitigating falls from height with computer vision: Convolutional neural network // Advanced Engineering Informatics. 2019. Vol. 39. Pp. 170–177. doi: 10.1016/j.aei.2018.12.005
  13. Agarwal S. 4 Artificial intelligence use cases that don’t require a data scientist // Forbes. 2018.
  14. Федорцов Р.А. Искусственный интеллект будущее менеджмента // Студенческий научный форум 2021 : мат. Междунар. студ. науч. конф. 2021. Т. VIII. C. 130.
  15. Ненастьев А. Проблемы и преимущества искусственного интеллекта в строительстве // Цифровое управление в строительстве. 2023.
  16. Oluleye B.I., Chan D.W.M., Antwi-Afari P. Adopting Artificial Intelligence for enhancing the implementation of systemic circularity in the construction industry : a critical review // Sustainable Production and Consumption. 2023. Vol. 35. Pp. 509–524. doi: 10.1016/j.spc.2022.12.002
  17. Love P.E.D., Fang W., Matthews J., Porter S., Luo H., Ding L. Explainable artificial intelligence (XAI): Precepts, models, and opportunities for research in construction // Advanced Engineering Informatics. 2023. Vol. 57. P. 102024. doi: 10.1016/j.aei.2023.102024
  18. Анисифоров А.Б., Анисифорова Л.О. Методики оценки эффективности информационных систем и информационных технологий в бизнесе : учебное пособие. СПб., 2014.
  19. Торохова К.Е., Матвеева М.В. Оценка экономической эффективности и перспектив внедрения технологий информационного моделирования на этапе проектирования в строительной отрасли региона // Известия вузов. Инвестиции. Строительство. Недвижимость. 2023. Т. 13. № 2 (45). С. 192–201. doi: 10.21285/2227-2917-2023-2-192-201. EDN LMGVFY.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».