Порівняльний аналіз застосування великих та дифузійних мовних моделей штучного інтелекту в сфері управління будівельними проєктами
DOI:
https://doi.org/10.32347/2412-9933.2026.65.82-87Ключові слова:
великі мовні моделі, дифузійні моделі, штучний інтелект, управління будівельними проєктами, BIM, автоматизація, аналіз данихАнотація
Представлено комплексний порівняльний аналіз застосування великих мовних моделей (LLM) та дифузійних мовних моделей (DLM) у специфічному контексті управління будівельними проєктами. Актуальність дослідження зумовлена необхідністю цифрової трансформації галузі та пошуком ефективних інструментів штучного інтелекту для обробки великих обсягів технічної, економічної та нормативної інформації. Розглянуто теоретичні засади обох підходів, їхні фундаментальні архітектурні відмінності, принципи навчання та стратегічні сфери впровадження в будівельній індустрії. У результаті дослідження встановлено, що великі мовні моделі (такі як GPT-4, LLaMA) демонструють виняткову ефективність в аналізі неструктурованих даних, прогнозуванні та генерації текстового контенту. Це дозволяє суттєво автоматизувати підготовку технічної документації, формування тендерних заявок, звітів та оптимізувати комунікаційні процеси між усіма учасниками інвестиційно-будівельного циклу. З іншого боку, дифузійні мовні моделі виявляють значний потенціал у задачах, що потребують високого рівня керованості та точності. Вони є незамінними для детального редагування, реконструкції пошкоджених даних, уточнення графіків робіт та перевірки внутрішньої узгодженості проєктної документації на відповідність галузевим стандартам. Особливу увагу приділено аналізу технологічних, організаційних та етичних ризиків, пов’язаних із впровадженням інтелектуальних систем, зокрема питанням конфіденційності даних, «непрозорості» алгоритмів та відповідальності за помилки. Авторами запропоновано дієві механізми мінімізації цих ризиків через використання корпоративних версій моделей та впровадження систем подвійного контролю. На основі проведеного порівняння характеристик зроблено стратегічний висновок: найбільш перспективним вектором розвитку інтелектуальних систем у будівництві є створення гібридних архітектур. Такі системи дозволяють поєднати аналітичну потужність та когнітивні можливості LLM із контрольованою і структурованою генерацією дифузійних моделей. Інтеграція подібних гібридних модулів у середовище BIM та ERP-системи здатна кардинально підвищити точність планування, моніторингу та підтримки прийняття управлінських рішень, забезпечуючи сталий розвиток будівельних організацій у складному сучасному середовищі.
Посилання
Wang, M., Lu, S., Li, C., Hu, Y., & Tian, Z. (2025). Application and practice of construction project planning based on large language model (LLM). Proceedings of SPIE, 13575, 135750J. https://doi.org/10.1117/12.3061653
Niv, S. (2025). Leveraging the performance of Large Language Models in Systems Engineering applications. Journal of Information Systems Engineering and Management, 10 (29). https://doi.org/10.52783/jisem.v10i29s.4483
Francis, M., Perera, S., Zhou, W., & Nanayakkara, S. (2025). Artificial intelligence applications for proactive dispute management in the construction industry: A systematic literature review. Journal of Information Technology in Construction (ITcon), 30, 560–584. https://doi.org/10.36680/j.itcon.2025.029
Zhang, J., Song, X., Tian, B., Tian, M., Zhang, Z., Wang, J., & Fan, T. (2025). Large language models in the management of chronic ocular diseases: a scoping review. Frontiers in Cell and Developmental Biology, 13. https://doi.org/10.3389/fcell.2025.1608988
Bushuyev, S., Chumachenko, I., Galkin, A., Bushuiev, D., & Dotsenko, N. (2025). Sustainable Development Projects Implementing in BANI Environment Based on AI Tools. Sustainability, 17 (6), 2607. https://doi.org/10.3390/su17062607
Bushuyev, S., Piliuhina, K., & Elams, C. (2023) Transformation of values of the high technology projects from a VUCA to a BANI environment model. Innovative Technologies and Scientific Solutions for Industries, 2 (24), 25–44. https://doi.org/10.30837/ITSSI.2023.24.025
Pan, N., & Zhang, L. (2024). Unleashing the Potential of Large Language Models in Construction Management: A Critical Review and Future Directions. Journal of Management in Engineering, 40 (4). https://doi.org/10.1061/JMENEA.MEENG-5743
Austin, J., Johnson, D. D., Ho, J., Tarlow, D., & van den Berg, R. (2021). Structured Denoising Diffusion Models in Discrete State-Spaces. Advances in Neural Information Processing Systems (NeurIPS), 34, 17981–17993.
Li, X., Thickstun, J., Gulrajani, I., Liang, P., & Hashimoto, T. B. (2022). Diffusion-LM Improves Controllable Text Generation. Proceedings of the 36th Conference on Neural Information Processing Systems (NeurIPS 2022). https://arxiv.org/abs/2205.14217
Badini, S., Regondi, S., Pagliari, M., & Pavan, A. L. C. (2023). NLP and Chatbots in Construction and Building Management: A Systematic Review. Buildings, 13 (9), 2337. https://doi.org/10.3390/buildings13092337
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Сергій Дмитрович Бушуєв, Аліна Анатоліївна Запривода, Тамара Олексіївна Лященко, Петро Петрович Гинькут

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.