Срыв сроков строительства: 5 причин задержек, которые видны в данных до того, как станет поздно

Субподрядчик по фасадам обещал выйти в понедельник. Сегодня среда – на площадке никого. Звоните: «Будем на следующей неделе, у нас другой объект затянулся». А у вас приёмка через месяц.

Знакомо? Срыв сроков строительства почти никогда не случается внезапно. За две-три недели до того, как прораб скажет «мы отстаём», в данных уже видны конкретные сигналы. Проблема в том, что эти данные лежат в 1С, в КС-формах и в еженедельных сводках – и никто не смотрит на них в комплексе.

В этой статье – пять конкретных причин задержек и способ увидеть каждую из них до того, как она станет проблемой. Не теория управления проектами, а практические вопросы, которые можно задать ChatGPT или DeepSeek прямо сейчас, подставив свои данные из 1С.

Почему сроки строительства срываются: системная проблема, а не случайность

По статистике, 70% строительных проектов завершаются с задержкой. Среднее отставание – около 30% от запланированного срока. Для жилого дома на 52 недели это 15 недель – почти четыре месяца.

Причины задержек строительства обычно объясняют погодой, поставщиками и субподрядчиками. Но если посмотреть на данные, а не на объяснения, видна другая картина: сигналы будущей задержки появляются за 2–3 недели до того, как проблема становится очевидной. Просто эти сигналы разбросаны по разным отчётам, и никто не собирает их вместе.

AI-агент (ChatGPT, DeepSeek, GigaChat) может собрать эти сигналы за 5 минут – если дать ему правильные данные и правильный вопрос.

Пять причин задержек и как увидеть каждую заранее

1. Субподрядчик «сливает» объект – и это видно в цифрах за две недели

Самая частая причина срыва сроков – субподрядчик, который постепенно снижает присутствие на объекте. Сначала вместо 12 человек приходят 10 – «двое заболели». Потом 8 – «перебросили на другой объект, на следующей неделе вернём». Потом 5. К этому моменту отставание уже две недели, но официально субподрядчик «работает».

Как контролировать субподрядчиков на стройке? Следить не за обещаниями, а за тремя числами: фактическая выработка, численность бригады и часы простоя. Если эти числа падают два периода подряд – субподрядчик уходит с объекта, что бы он ни говорил по телефону.

В 1С эти данные есть в отчёте «Выполнение работ субподрядчика» и в КС-6а (журнал учёта выполненных работ).

На что обращать внимание каждую неделю: Если фактическая выработка субподрядчика два периода подряд ниже 80% от плана, а численность бригады меньше договорной – это не «временные трудности». Это уход с объекта. Фиксируйте письменно и запускайте замену, не дожидаясь третьей недели.

2. Материалы не приходят вовремя – и задержка накапливается незаметно

Задержка поставки арматуры на 3 дня – мелочь. Задержка утеплителя на неделю – неприятно, но терпимо. Задержка лифтового оборудования на «неизвестно сколько» – катастрофа, о которой узнают за месяц до сдачи.

Проблема не в отдельных задержках, а в их накоплении. Когда одновременно стоят три позиции из десяти – это уже не невезение, это сигнал, что закупки не управляются как система.

Эти данные есть в 1С:ERP в модуле закупок – дата заказа, плановая дата поставки, фактическая дата. Достаточно выгрузить реестр и посмотреть на тренд.

Правило: Если больше 30% ключевых поставок идут с задержкой одновременно – проблема не в поставщиках, а в процессе закупок: поздно заказывают, не держат альтернативных поставщиков, не отслеживают статус до момента, когда материал нужен «вчера».

3. График «тает» – запас времени уходит, а работы ещё не начаты

У каждой работы в календарном плане есть запас – сколько дней она может задержаться без влияния на срок сдачи объекта. Когда этот запас сокращается от недели к неделе, а сама работа ещё не началась – это значит, что предыдущие работы съедают время, которое было заложено на будущие.

Этот сигнал видно только если сравнивать график с самим собой: текущую версию с версией двухнедельной давности. Один снимок ничего не скажет. Три снимка покажут тренд.

В 1С:Подрядчик строительства и Spider Project запас (резерв, float) виден на диаграмме Ганта. В ЦУС – в КСП. Если график ведётся в Excel – запас можно посчитать как разницу между самой поздней допустимой датой окончания и плановой датой.

На что смотреть: Если больше половины оставшихся работ имеют запас меньше 5 дней – график хрупкий. Один дождливый день, одна задержка поставки, один больничный прораба – и дата сдачи сдвигается. В этот момент нужно принимать решение: либо ускорять (добавлять людей, работать в выходные), либо честно сдвигать срок.

4. Деньги тратятся быстрее, чем выполняются работы

Когда на объект потрачено 85 млн ₽, а работ выполнено на 75 млн ₽ – куда делись 10 млн? Перерасход материалов, простои оплаченной техники, переделки после замечаний – всё это деньги, которые потрачены, но не двигают проект к завершению.

Этот разрыв – не просто финансовая проблема. Он предсказывает задержку. Если проект перерасходует бюджет на 10% при выполнении 25% работ – денег не хватит на оставшиеся 75%, и в какой-то момент стройка встанет, пока не найдут дополнительное финансирование.

В 1С эти данные есть: плановая стоимость работ, фактически выполненные объёмы (из КС-2/КС-3) и фактические затраты (из бухгалтерского учёта). Нужно только свести их в одну таблицу.

Два числа, которые нужно смотреть каждые две недели:

• Темп работ (выполнено / план): если ниже 0.95 два периода подряд – проект отстаёт и сам не догонит.
• Расход денег (потрачено / выполнено): если выше 1.05 два периода подряд – деньги утекают, и нужно разбираться куда.

5. Всё сдаётся в последний момент – а потом качество падает

Когда 60% объёма этапа закрывается в последнюю неделю, следующий этап почти гарантированно просядет. Бригады работают в авральном режиме, сдают с недоделками, приходят на следующий этап уставшими. Замечания от технадзора накапливаются, и время на их устранение съедает запас следующего этапа.

Этот паттерн виден в КС-6а: если сравнить даты закрытия объёмов с плановым графиком – распределение покажет, работает ли бригада равномерно или «штурмует» в конце.

Красный флаг: Если на третьем этапе подряд больше 50% объёма закрывается в последнюю неделю – это системная проблема, а не случайность. Обычно причина в том, что бригады делятся между объектами и приходят «доделывать» ближе к дедлайну.

Какие данные нужны и где их взять в 1С

Для всех пяти проверок нужны данные, которые уже есть в вашей системе. Их не нужно собирать специально – нужно только выгрузить и сложить в одну таблицу.

Из 1С:ERP Управление строительной организацией:

• «Выполнение работ субподрядчика» – объёмы и стоимость по каждому субподрядчику за период. Для проверки #1.
• «План-фактный анализ расхода материалов» – что заказали, что пришло, что использовали. Для проверки #2.
• «Объёмно-календарный план-график» – плановые и фактические даты работ. Для проверки #3.
• «План-фактный анализ» по стоимости – плановая стоимость, выполненные объёмы, фактические затраты. Для проверки #4.
• КС-6а (журнал учёта выполненных работ) – даты и объёмы закрытия. Для проверки #5.

Если у вас ЦУС: КСП + задачник + отчёты стройконтроля.

Если у вас Spider Project: Экспорт графика в Excel + ресурсный отчёт.

Если всё в Excel (и это нормально): Таблица работ с датами план/факт + ведомость выработки по бригадам + реестр закупок. Этого достаточно.

Как передать данные в ChatGPT: Откройте отчёт в 1С, скопируйте нужные столбцы, вставьте как текст в чат. Никаких интеграций не нужно. Если данные в Excel – скопируйте ячейки, они вставятся как таблица.

Важно перед загрузкой:

• Проверьте, что даты в одном формате (не смешивайте «15.05» и «15 мая»)
• Расшифруйте аббревиатуры (СМР, ПНР, КР – агент может не знать)
• Убедитесь, что стоимость везде в одних единицах (тысячи или миллионы, не вперемешку)
• Не загружайте конфиденциальные данные (имена реальных сотрудников, ИНН подрядчиков) – замените на условные

Полный пример: все пять проверок на одном объекте

Вот данные, которые руководитель проекта может выгрузить из 1С за 20 минут и загрузить в ChatGPT целиком. Это строительство 5-этажного жилого дома – типичный объект для регионального застройщика.

Это не учебный пример. Согласование проектной документации, которое «будет на следующей неделе» уже третью неделю. Субподрядчик, который «перебросил бригаду на другой объект». Поставщик, который отвечает «ожидайте». Каждый элемент по отдельности – рабочий момент. Вместе – месяц задержки.

ChatGPT видит это за минуту. Руководитель проекта видит это на совещании у заказчика, когда уже нужно объясняться.

Когда это НЕ проблема – ложные тревоги

Каждый из пяти сигналов может сработать ложно. Вот конкретные ситуации, когда отклонение – не проблема, а нормальный процесс.

Майские и новогодние праздники. Выработка за праздничные недели ниже – это календарь, не проблема. Если вы загружаете данные в ChatGPT – добавьте строку: «В неделе 18 было 3 рабочих дня из-за праздников».

Технологические паузы. Бетон набирает прочность 28 дней. Штукатурка сохнет. В это время на участке не ведутся работы – и это нормально. Уточните агенту: «Между каркасом и кладкой – технологическая пауза 7 дней, набор прочности бетона».

Плановая смена бригады. Субподрядчик закончил свой этап и уменьшил людей – это не «слив». Скажите агенту: «СМУ-Альфа завершает работы на 2 этаже, плановое сокращение бригады».

Сезонная погода. Осень и весна в Центральной России – периоды дождей. Если в графике заложен погодный буфер – падение выработки в эти периоды нормально.

Согласованное изменение проекта. Заказчик добавил этаж или изменил планировку – сроки сдвинулись по договорённости. Дайте агенту актуальный план, а не первоначальный.

Общее правило: ChatGPT считает числа, руководитель проекта понимает контекст. Ценность – не в автоматическом алерте, а в структурированном вопросе: «Вот что я вижу в данных. Это проблема или нет?»

Почему ChatGPT может ошибиться – и как проверять

ChatGPT – не калькулятор. Он генерирует текст, а не считает формулы. Это значит, что числа в его ответе могут быть неточными. Конкретно:

• Может перепутать рабочие дни и календарные (разница в 30%)
• Может неправильно посчитать каскадный эффект задержки (забыть одну зависимость)
• Может проигнорировать строки в таблице, если данных много
• Если стоимость в одних строках с НДС, а в других без – не заметит

Правило: Проверяйте любое число, которое влияет на решение. Прогноз «проект опоздает на 6 недель» – это отправная точка для разговора, а не готовый ответ для заказчика.

Лучший способ проверки: попросите агент «покажи расчёт пошагово». Если в расчёте есть ошибка – вы увидите её в промежуточных шагах, а не только в итоге.

Когда подход не работает вообще

Ложные тревоги – полбеды. Есть ситуации, когда весь подход «выгрузить данные из 1С и спросить ChatGPT» теряет смысл.

Первая – мусорные данные. Если КС-ки заполняются задним числом, а списания материалов рисуются для закрытия актов – агент проанализирует фикцию. Данные по субподрядчику покажут стабильную выработку, потому что кто-то вбил плановые цифры за три недели. Результат – ложное спокойствие, которое хуже, чем отсутствие анализа. Garbage in – garbage out: модель не отличит реальные данные от нарисованных.

Вторая ситуация – зрелые процессы. В компаниях, где уже работает сквозная ERP с предиктивной аналитикой, PowerBI-дашборды реального времени и автоматические алерты по отклонениям, промпты из этой статьи будут шагом назад. Если EVM считается автоматически и руководитель получает уведомление при SPI < 0.9 – зачем вручную копировать таблицы в ChatGPT?

Микро-проекты – третий случай. Ремонт длительностью 3–4 недели не накопит тренд. Первая выгрузка покажет «данных мало», вторая – «проект почти закончен». Для таких объектов проще визуальный контроль на площадке.

И последнее – слепое доверие. Языковая модель может ошибиться в арифметике, не учесть технологическую паузу или неправильно интерпретировать каскадную зависимость. Если руководитель проекта принимает решения – увольняет субподрядчика, останавливает закупку, сдвигает срок – только потому, что «так сказал ChatGPT», без проверки и без понимания контекста, инструмент приносит вред. Ценность подхода – в структурированных вопросах, а не в готовых ответах.

ChatGPT vs. специализированные программы

На глобальном рынке есть инструменты, которые анализируют строительные данные автоматически: nPlan, Buildots, SmartPM, ALICE Technologies. Они интегрируются с системами управления проектами по API, строят дашборды, отправляют алерты.

В России таких инструментов пока нет. Экосистема 1С движется в сторону AI – распознавание документов, прогнозирование продаж, интеграция с GigaChat – но отраслевое решение для анализа строительных проектов появится не раньше 2028 года.

Честное сравнение:

Для застройщика с 1–3 объектами ChatGPT – единственный реалистичный вариант. Выгрузка из 1С раз в неделю + промпт = 20 минут на объект. Это не идеальная аналитика, но это бесконечно лучше, чем никакой аналитики.

Что попробовать на этой неделе

Шаг 1 (10 минут): Откройте в 1С отчёт «Выполнение работ субподрядчика» за последние 4 недели. Скопируйте данные: выработка, численность, план. Вставьте в ChatGPT с промптом «Проверка: субподрядчик уходит с объекта?» из этой статьи.

Шаг 2 (5 минут): Посмотрите на реестр закупок. Сколько позиций сейчас с задержкой? Если больше 30% – вставьте реестр в ChatGPT с промптом «Анализ задержек поставок».

Шаг 3 (5 минут): Если ведёте календарный план – сравните запас по ключевым работам с предыдущим обновлением. Если не ведёте – сделайте простую таблицу из 10 ключевых работ с датами «когда должны начать» и «когда реально начнём».

Если агент нашёл хотя бы один сигнал, которого вы не видели – у вас работает ранняя диагностика. Без дорогих программ, без интеграций, без дашбордов. На данных из 1С и двадцати минутах в неделю.

Главный результат – не красивый отчёт, а качество разговора. Руководитель проекта приходит на совещание не с ощущением «вроде всё нормально», а с конкретными вопросами: «Субподрядчик А третью неделю ниже 80% плана, утеплитель опаздывает на две недели, запас по фасаду обнулился – давайте решать». Первый разговор заканчивается поиском виноватых. Второй – решением.

Читайте также

Как внедрить ИИ на производстве: пошаговый план для руководителя

$20 или $400 в месяц: сколько реально стоит AI для dev-команды

Как внедрить ИИ в работу команды: пошаговый план для IT-менеджера

GigaChat для работы: как выжать максимум из того, что есть