GPT Astra: как нейросети поменяют рабочий процесс архитектора

АвторВласов Григорий, ChatGPT

Опубликовано26 сентября 2026

Введение

Нейросети уже вошли в архитектурную визуализацию, но чаще всего их применение заканчивается генерацией концептуальных картинок.
Нам было интересно проверить более сложный сценарий: может ли GPT Astra (которая на тот момент только вышла) участвовать в реальном рабочем процессе архитекторов — от создания сцены участка и поиска массинга до создания IFC-моделей, которые можно открыть и продолжить редактировать.

Таким практическим экспериментом стал проект технопарка в Кронштадте. https://vlasovarch.com/ru/projects/kotlin
На участке 250 × 260 м, площадью примерно 6,5 га, который мы выбрали только человеческим составом, необходимо было разместить научные, производственные, административные, жилые и общественные функции, сформировать выразительный силуэт и связать комплекс с промышленным характером побережья Котлина.

В процессе работы GPT Astra использовалась сразу в нескольких ролях: создание модели окружения, разработка IFC-объектов, поиск формы и фасадных решений; для постобработки изображений использовали Nano Banana

Нас интересовал не вопрос, способна ли нейросеть самостоятельно придумать красивое здание. Мы хотели понять, как изменится весь рабочий процесс архитектора, если часть поисковой, аналитической и технической работы можно уже сейчас передать цифровому помощнику.

Как изменился рабочий процесс

Обычный процесс проектирования условно разделён между архитектором, визуализатором и специалистом, который собирает сведения об участке и нормативных ограничениях (в нашей команде этим занимался урбанист Фёдор Гущин), так же было место и для поиска идентичности и осмыслению места (Кот Алина).

Проект технопарка мы начали осмыслять до выхода и бурной реакции Арх.аудитории на новую модель GPT.
Поэтому поиск и выбор участка у нас определяли люди, исходя из видовых характеристик, градостроительного анализа и ПЗЗ Санкт-петербурга. Процессом споров выбрали локацию, на обсуждение ушло Суммарно 9 человеко-часов.
Но часть анализа, по нашей оценке, уже можно поручить нейросетям.

У нас было 2 недели, 2 бутылки водки и 2 тысячи на подписку GPT

ограничение по времени в недели, неделя из которых ушла на разговоры- это классика в духе:

Русские 2 часа курили и за 5 минут все сделали.

Над чем думали?

территория
функция и идея
референсы
предельная высота застройки

Что поручили Astra?

рельеф и застройка (весть остров Котлин+ форты)
варианты массинга
поиск новых референсов
предложение фасадных решений
предложения промышленной застройки
моделирование в LOD100-300

Что делали руками?

Доработка массинга
Фасады по референсам
Доработка сцены в 3d MAX + ракурсы
Благоустройство
Визуализации

Идея

В составе технопарка предполагалось разместить:

производственные помещения;
лаборатории;
административно-бытовой корпус;
офисы;
общежитие для сотрудников;
спортивный зал;
ритейл и общественные пространства;
береговые технические сооружения.

Высота зданий должна была оставаться ниже 60 метров. При этом заведомо низкая застройка высотой 12–15 метров не подходила: комплекс должен был получить выразительный силуэт и соответствовать масштабу крупного технопарка.

Отдельной проблемой стала площадь. Первоначально общая площадь комплекса составляла менее 50 000 м², что для участка около 6,25 га давало слишком рыхлую застройку. После анализа плотности рабочий ориентир был увеличен примерно до 65–85 тыс. м²

GPT Astra. Трудозатраты.

Морской Никольский ставропигиальный собор.
первое проверочное задание для нейросети.

*фотографии взяты из яндекс карт

После загрузки фото существующего храма и промта, где мы просили делать храм не сильно детализированным (так как он довольно далеко от нашего объекта, а на финальные визуализации даже не попал).
Мы получили следующую модель:

на которую Астра потратила 30 мин. 27 сек.

Габариты модели — 83,2 × 63,8 м, высота 70,6 м, масштаб 1:1. Стены, перекрытия, кровли и окна разделены. Сложные купола могут импортироваться в Archicad объектами или морфами. IFC проверен.

Есть большое количество неточностей, но для фонового объекта, работа почти идеальная, заменяющая минимум 16 часов работы миньона (архитектора-техника), с неоднозначным качеством детализации и меньшим анализом. Окупаемость очевидна.

Окружение

Второй крупной задачей стало моделирование контекста Кронштадта.

Мы договорились, что в радиусе около 200 метров от участка существующие здания должны быть показаны на уровне LOD200: с основными объёмами, крышами и оконными проёмами. Более удалённую застройку можно было представить упрощёнными боксами LOD100. Отдельно учитывались дороги, перроны, волнорезы, портовые сооружения, форты и маяки.

В итоговой модели окружения оказалось 34 ближайших здания с более подробной геометрией и около 1500 дальних упрощённых объёмов. Размер охваченной территории составил приблизительно 251 × 261 метр в основной зоне моделирования.
Затраченное время 12 мин. 35 сек. Миньоны бы потартили 8-16 часов при меньшей точности.

Самое важное, что из исходных данных для Astra, мы предоставили только скриншот с обведенным участком и примерную локацию.
А получили полный остров с рельефом, в масштабе 1 к 1

Шесть вариантов массинга

Следующим этапом стал поиск объёмно-пространственной композиции.

В первой серии Astra предложила три варианта:

«Террасы» — пять разноэтажных корпусов со ступенчатыми объёмами и эксплуатируемыми кровлями.
«Портал»
«Архипелаг»
«Каскад».
«Связи».
«Ленты».

Astra рекомендовала развивать «Портал», поскольку он лучше соответствовал выбранным индустриальным референсам)))).
Мы выбрали первый вариант — «Террасы» и начали дорабатывать его.

Важно упомянуть про массинг который разрабатывался Алиной параллельно. Но остался за кадром.

*затрачено около 30 чел.часов

Референсы.

Для поиска фасадного языка мы выбрали несколько конкретных проектов из Пинтереста. Нас интересовали разные приёмы: выразительная металлическая сетка, двойная оболочка, открытый каркас, наружные лестницы и крупные конструктивные элементы, которые становятся частью архитектурного образа.

После мы попросили GPT Astra самостоятельно найти фасадные референсы для технопарка.

Astra предложила пять архитектурных проектов и дополнительный визуальный пример:

Затем мы выбрали, какие референсы проверять на своём проекте. Сначала попросили наложить на массинг решения по мотивам G-Star RAW, FRAC и Folies. Позже расширили серию Shenzhen Stock Exchange и The Silo, добавив пять изображений, которые нашли и приложили сами.

Время GPT Astra: 2 мин 40 сек до ответа с первичной подборкой.

Примерочная для фасадов, и глори холл в этой примерочной.

После выбора варианта «Террасы» мы попросили показать фасадные решения непосредственно на нашей композиции, а не на условном здании. Базой служили изображения массинга: корпуса и их взаимное положение должны были оставаться узнаваемыми, а новые фасадные идеи — проверяться на реальных объёмах проекта.

Время на наложение фасадных идей GPT Astra: ориентировочно 12 мин.

Время затраченное но обсуждение с командой и эскизирование: ориентировочно 4-5 чел.часов

Выбрали красный варант с круглыми отверстиями)

*Эскизы

Раньше для эскизирования и прикидки ушло бы не меньше 2х недель на несколько человек. по нашим прикидкам: минимум 60 чел.часов

ФЗ

Подачу функционального зонирования хотели переложить на нейросеть. Но стандартными промтами в GPT не получилось добиться быстро нужного результата. тратить много времени на неопределенный результат посчитали нецелесообразным

Из его идеи забрали название для центра прототипирования.

Задача провалена. Затраченное время Astra 4 мин. 20 сек.

Попытка переложить фасады на Астру

Если коротко, то еще 6 мин. 18 сек. работы Astra сгорели в пустую.
Обычный промт не выдал результата. Творческая составляющая нейросетей сейчас все равно минимальная.
Проверять и экспериментировать с более подробными промтами мы не стали

Технические объекты на берегу

Конечно промышленный характер места подтолкнул нас к поиску объектов, которые могли бы иметь реальную функцию и одновременно стать частью архитектурного образа технопарка. Так появились технологический портал, сборочный кран, станция спуска подводных роботов, кабельная карусель, слип, мост, наружные лестницы и каркасы зимнего сада.

И главное что поиск и предложение мы возложили на GPT

Для этих объектов работа начиналась с простой модели LOD100. После проверки габаритов и идеи мы просили Astra развивать геометрию до LOD250 или LOD300. В запросах уточнялись размеры, шаг колонн, направление оборудования относительно воды, высоты этажей и положение лестниц.

Модель уточнялась итерациями: менялось положение лестниц, добавлялись площадки и связи, возвращалось упрощённое остекление и размещались условная мебель и барная стойка.

Оценка времени GPT выполнение моделей: 2 часа 30 мин. если считать полное время с правками и без интервалов (чисто отработка токенов)

Есть ли у нас вопросы к решениям по конструктиву и узлам? Конечно.
Но есть ли у нас претензии, к качеству за эти сроки? - Ноль.
Месяц бы мог уйти, абсолютно точно.

Символ технопарка

еще Суммарно 10 сожжённых минут работы Astra на ветер.
поиск символа. моделирование 6 разных образов.

Единогласно был выбран винт или вентилятор, который никуда не встал.

Хенд джоб.

Подсчитаем человеко-часы:

Фасады 24 чел. часов
Сцена и визуализации 24 чел. часов
Постобработка и оформление 4 чел. часа
Nana Banana постобработка 30 мин.( Без нее на визы бы ушла неделя)

Так же сопровождение, администрирование, написание промтов, ожидание и внесение правок для Astra мы оцениваем в 13 чел. часов. минимум. Лимиты модели зависят от подписки. Поэтому простой в этом эксперименте мы не учитываем.

Время Astra около 3 ч 48 мин

Из общего времени примерно 20 мин 38 сек ушло на неудачные или неиспользованные результаты: зонирование, неудачную попытку с фасадами и символы, которые не нашли места в проекте.

Человеческое время в ходе проекта около 104,5 чел.-ч

Сколько мог бы занять проект без нейросетей?

По оценённым задачам около 339–349 чел.-ч ушло бы на специалистов

Это примерно 42–44 восьмичасовых рабочих дня одного специалиста. В расчёт не включил функциональное зонирование: попытка Astra заняла 4 мин 20 сек, но результата для передачи в проект не дала. Человеческое время на эту работу в статье не указано.

Сравнение даёт ориентир, но не точную экономию: проектные задачи частично выполнялись параллельно, а часть ручной работы всё равно оставалась необходимой. По черновым цифрам в ходе проекта команда затратила около 104,5 человеко-часа, а эквивалентный объём перечисленных работ без ИИ мог бы составить 339–349 человеко-часов. Разница — порядка 235–245 часов, или примерно 29–31 рабочий день.

Сэкономил, значит заработал?
И куда мы таким составом?

К 2027 году нейросеть, вероятно, перестанет быть для архитектора отдельным окном, куда вводят запрос ради картинки. Она будет всё глубже встраиваться в рабочие инструменты: понимать контекст проекта, помогать разбирать модель, готовить документацию и выполнять рутинные задачи. Первые шаги в эту сторону уже заметны в BIM-среде и инструментах для проектирования. Архитектурная работа будет ускоряться, и это не значит, что больше времени сможет оставаться на работу с идеей и качеством решений. А значит, что потребность, наглость и хотелки заказчика/ девелопера начнут расти, а стоимость Архитектурных решений начнет снижаться. Придется делать упор в количество, а не качество, а ответственность за эти решения останется прежней. Соответственно, в этот переломный момент нельзя позволить сесть себе на шею, и нельзя демпиновать.

Это прогноз.

Архитектор будущего — тот, кто умеет поставить задачу цифровому помощнику, критически оценить результат и вовремя вмешаться. Менеджер. Нейросеть ускорит процесс, а ценность архитектора будет определяться тем, какие решения он принимает и за что готов отвечать.

Место в новой пищевой цепочке определит способность адаптироваться.
И главный вопрос “такого менеджмента” остаётся открытым: кто кого будет обслуживать — нейросеть архитектора или архитектор нейросеть?