Библиографическое описание:Оценка экономической эффективности внедрения нейросетевых технологий в управление проектами комплексного развития территорий : научное издание / П. Н. Костылев. - Текст : непосредственный // Экономика строительства. - 2026. - № 1. - С. 221-223. - ISSN 0131-7768.
Аннотация:Предметом исследования является экономическая эффективность внедрения нейросетевых технологий прогнозирования сроков в управление проектами комплексного развития территорий. Объектом исследования выступает процесс внедрения прогнозных технологий на основе машинного обучения в практику управления инвестиционно-строительными проектами КРТ. Актуальность исследования определяется задачей сокращения продолжительности инвестиционно-строительного цикла на 30%, поставленной Стратегией развития строительной отрасли до 2030 года. Традиционные методы календарно-сетевого планирования характеризуются существенными отклонениями фактических сроков от плановых, что недостаточно для эффективного управления рисками проектов КРТ. Вопросы экономического обоснования целесообразности применения методов машинного обучения в управлении проектами КРТ изучены недостаточно. Целью исследования является разработка методики оценки экономической эффективности внедрения нейросетевого прогнозирования с обоснованием моделей финансирования и критериев целесообразности. В результате исследования разработана методика расчета экономического эффекта на основе сопоставления предотвращенного ущерба и затрат на внедрение, обоснованы три модели финансирования внедрения, сформулированы критерии экономической целесообразности для проектов различного масштаба.
The subject of the study is the economic efficiency of implementing neural network forecasting technologies in integrated territorial development (ITD) project management. The object of the study is the process of implementing machine learning-based forecasting technologies in ITD investment-construction project management practice. The relevance of the study is determined by the goal of reducing the investment-construction cycle duration by 30%, set by the Construction Industry Development Strategy until 2030. Traditional scheduling methods are characterized by significant deviations of actual deadlines from planned ones, which is insufficient for effective ITD project risk management. Issues of economic justification for machine learning methods application in ITD project management remain underexplored. The purpose of the study is to develop a methodology for assessing the economic efficiency of neural network forecasting implementation with substantiation of financing models and feasibility criteria. As a result, a methodology for calculating economic effect based on comparing prevented losses and implementation costs has been developed, three implementation financing models have been substantiated, and economic feasibility criteria for projects of various scales have been formulated.
