AI rīki, kas palīdz pilsētām paātrināt mājokļu būvniecību

MākslÄ«gais intelekts publiskajā sektorā un viedajās pilsētās••By 3L3C

AI mājokļu plānoÅ”anā palÄ«dz zonējumam, zemes iegādei un partnerÄ«bām. Praktiski soļi paÅ”valdÄ«bām, lai 2026. gadā bÅ«vētu ātrāk.

AI publiskajā sektorāViedās pilsētasMājokļu politikaZonējumsPilsētplānoÅ”anaPPP
Share:

Featured image for AI rīki, kas palīdz pilsētām paātrināt mājokļu būvniecību

AI rīki, kas palīdz pilsētām paātrināt mājokļu būvniecību

Kad pilsētā ienāk tÅ«kstoÅ”iem jaunu darbavietu, mājokļu tirgus parasti ā€œnepaspēj lÄ«dziā€. Tas nav teorētisks scenārijs — tieÅ”i tā notika JÅ«tas pavalstÄ«, kur uzņēmuma paplaÅ”ināŔanās nozÄ«mēja jaunu cilvēku pieplÅ«dumu, un paÅ”valdÄ«ba burtiski nonāca pie secinājuma: ā€œmums viņus nav kur izmitināt.ā€ Å is brÄ«dis ir pazÄ«stams arÄ« Latvijā un citur Eiropā: investÄ«cijas ir laba ziņa, lÄ«dz brÄ«dim, kad Ä«res cenas un rindas pēc dzÄ«vokļiem kļūst par reālu bremzi ekonomikai.

Man Ŕķiet, ka te ir viena neērta patiesÄ«ba: mājokļu krÄ«ze nav tikai bÅ«vniecÄ«bas problēma. Tā ir pārvaldÄ«bas un datu problēma. Un tāpēc Å”is temats ļoti dabiski iederas mÅ«su sērijā ā€œMākslÄ«gais intelekts publiskajā sektorā un viedajās pilsētāsā€: ja pilsēta spēj gudri pārvaldÄ«t satiksmi, enerÄ£iju vai klientu apkalpoÅ”anu, tai jāspēj arÄ« gudri pārvaldÄ«t zemes politiku, zonējumu, partnerÄ«bas un atļauju procesu.

Zemāk — praktisks skats uz to, ko paÅ”valdÄ«bas jau dara (zemes iegāde, zonējuma maiņa, partnerÄ«bas, jaukta ienākumu mājokļi) un kur tieÅ”i AI un datu analÄ«tika dod vislielāko paātrinājumu.

Mājokļi kā infrastruktūra: ko tas maina paŔvaldības darbā

Atbilde Ä«sumā: ja mājokļi tiek uztverti kā infrastruktÅ«ra (lÄ«dzÄ«gi Å«denim, kanalizācijai un interneta pieejamÄ«bai), tad lēmumi kļūst proaktÄ«vi, nevis reaģējoÅ”i.

PaÅ”valdÄ«bas bieži plāno ceļus, skolas un inženierkomunikācijas ar 10–20 gadu horizontu, bet mājokļus atstāj ā€œtirgumā€. Rezultāts ir paredzams: tirgus reaģē tikai tad, kad cenas jau ir uzkāpuÅ”as un iedzÄ«votāju neapmierinātÄ«ba ir augsta.

Viedās pilsētas pieeja nozīmē, ka mājokļu politika tiek pieslēgta pie:

  • demogrāfijas un migrācijas datiem,
  • darba vietu izmaiņām (jauni investori, sezonāla nodarbinātÄ«ba),
  • transporta pieejamÄ«bas (kur reāli cilvēki var dzÄ«vot un strādāt),
  • komunālo tÄ«klu kapacitātes,
  • nekustamā Ä«paÅ”uma cenu un Ä«res dinamiskas.

Å eit AI nav ā€œmodes lietaā€. AI ir instruments, kas ļauj savienot Å”os signālus vienā lēmumu modelÄ« un laicÄ«gi pamanÄ«t, kur veidojas deficÄ«ts.

Zemes iegāde un aktīva zemes politika: kur AI palīdz visātrāk

Atbilde Ä«sumā: AI palÄ«dz paÅ”valdÄ«bai nopirkt ā€œpareizoā€ zemi, pareizajā brÄ«dÄ«, ar mazāku risku un labāku ietekmes aprēķinu.

RSS stāsts izceļ vienu ļoti praktisku taktiku: paÅ”valdÄ«ba pērk zemi, lai pati kļūtu par spēlētāju un varētu ietekmēt rezultātu (piemēram, veidot mazākus daudzÄ«vokļu projektus, rindu mājas, vai jaukta tipa projektus ar daļu pieejamu dzÄ«vokļu).

Kur te parādās mākslīgais intelekts publiskajā sektorā?

Zemju atlase ar vairāku kritēriju modeli

AI (vai pragmatiski — maŔīnmācīŔanās + optimizācija) var izveidot zemes ā€œpiemērotÄ«bas rādÄ«tājuā€. Tas nav tikai ā€œkur ir brÄ«vs gabalsā€. Tas ir:

  • attālums lÄ«dz sabiedriskajam transportam un darba vietām,
  • inženierkomunikāciju pieejamÄ«ba un pieslēguma izmaksu prognoze,
  • plÅ«du, karstuma salu vai citu klimata risku slāņi,
  • apkārtnes sociālā struktÅ«ra (lai neveidotu jaunu segregāciju),
  • juridiskie riski (apgrÅ«tinājumi, Ä«paÅ”umtiesÄ«bu fragmentācija),
  • potenciāls konversijām (biroji, skolas, noliktavas).

Rezultāts: paÅ”valdÄ«ba var skaidri atbildēt uz jautājumu ā€œkāpēc pērkam tieÅ”i Å”o Ä«paÅ”umuā€, nevis vadÄ«ties pēc intuÄ«cijas vai politiskas intereses.

Scenāriji: ā€œja nopērkam X, iegÅ«stam Yā€

Labs AI atbalstÄ«ts plānoÅ”anas process parāda nevis vienu prognozi, bet 3–5 scenārijus:

  1. zemes iegāde un PPP projekts (jaukts ienākumu modelis),
  2. privātā attÄ«stÄ«ba ar paÅ”valdÄ«bas nodokļu atlaidēm,
  3. konversija (birojs → dzÄ«vokļi),
  4. ā€œnekā nedarāmā€ (cenu un pieejamÄ«bas prognoze).

TieÅ”i ā€œnekā nedarāmā€ scenārijs parasti ir visdārgākais, tikai izmaksas parādās citur: personāla trÅ«kums paÅ”valdÄ«bas iestādēs, ilgākas rindas sociālajiem pakalpojumiem, bērnudārzu slodze, garāki braucieni un satiksmes spiediens.

Zonējums un konversijas: datu vadīta zonējuma optimizācija

Atbilde īsumā: zonējums ir viens no spēcīgākajiem sviras mehānismiem, un AI palīdz saprast, kur zonējuma maiņa dod lielāko atdevi ar mazāko konfliktu.

Pilsētās ar ierobežotu teritoriju zonējuma elastÄ«ba ir izŔķiroÅ”a. RSS piemērs: atļaut skolu un biroju ēku pārbÅ«vi par mājokļiem, lai virzÄ«tos uz mērÄ·i (piemēram, tÅ«kstoÅ”iem jaunu vienÄ«bu lÄ«dz 2030. gadam).

AI zonējuma auditam: kur noteikumi ir ā€œpaÅ”bloķējoÅ”iā€

Daudzās paÅ”valdÄ«bās zonējuma noteikumi gadiem ir pieauguÅ”i ā€œpa gabaliņamā€. Rezultāts — noteikumi, kas:

  • neļauj pietiekamu blÄ«vumu tur, kur ir transports,
  • pieprasa pārāk daudz stāvvietu vietās, kur auto nav galvenais,
  • padara projektus finansiāli neizpildāmus (pārmērÄ«gas atkāpes, augstuma limiti),
  • rada ilgu saskaņojumu ķēdi.

Teksta analÄ«tika un LLM tipa rÄ«ki var palÄ«dzēt veikt zonējuma noteikumu ā€œaudituā€: atrast konfliktējoÅ”as prasÄ«bas, biežākos atteikumu iemeslus atļaujām, kā arÄ« sadaļas, kuras attÄ«stÄ«tāji interpretē atŔķirÄ«gi.

PilsētplānoÅ”anas ā€œkarstuma kartesā€

Praktiski strādā Ŕāds princips: pilsēta publicē karti ar prioritārajām zonām (transporta mezgli, degradētas teritorijas, konversiju koridori) un skaidru piedāvājumu:

  • ātrāks saskaņoÅ”anas ceļŔ,
  • tipveida risinājumi (piem., modulāras daudzdzÄ«vokļu ēkas),
  • caurspÄ«dÄ«gi kritēriji, kā iegÅ«t atbalstu vai atlaides.

AI Å”eit dod divas lietas: precÄ«zāku prioritāŔu izvēli un labāku spēju prognozēt, kā zonējuma maiņa ietekmēs Ä«res cenas, satiksmi un skolu noslodzi.

PieejamÄ«ba bez ā€œnabadzÄ«bas koncentrācijasā€: kā mērÄ«t rezultātu

Atbilde īsumā: pieejamību nevar vērtēt tikai pēc vienību skaita; jāmēra, vai politika rada jauktu ienākumu apkaimes un reālu piekļuvi darbam, skolām un mobilitātei.

RSS uzsver divas prakses, kurām es piekrītu:

  • aizsargāt pieejamÄ«bu (piemēram, mērķēt atbalstu ne tikai uz ļoti zemiem ienākumiem, bet arÄ« uz mājsaimniecÄ«bām, kas ir ā€œpar bagātuā€ sociālajam mājoklim un ā€œpar nabaguā€ tirgus Ä«rei),
  • neveidot nabadzÄ«bas koncentrāciju, bet integrēt mājokļus jaukta ienākumu projektos.

Ko AI var darīt labāk nekā Excel

AI var palÄ«dzēt izveidot ā€œpieejamÄ«bas paneliā€ ar skaidriem KPI, piemēram:

  • cik % jauno vienÄ«bu ir pieejamas mājsaimniecÄ«bām lÄ«dz 80% no mediānajiem ienākumiem,
  • vidējais brauciena laiks lÄ«dz lielākajiem darba devējiem,
  • Ä«res sloga rādÄ«tājs (Ä«re kā % no ienākumiem) pa apkaimēm,
  • sociālās segregācijas indekss (pirms/pēc projekta),
  • publisko pakalpojumu pieejamÄ«ba (skolas, primārā veselÄ«ba, sabiedriskais transports).

SvarÄ«gi: mērÄ«t ne tikai ā€œuzbÅ«vējāmā€, bet ā€œuzbÅ«vējām pareizajā vietā un pareizajai auditorijaiā€.

Partnerības ar attīstītājiem: datu koordinācija, nevis tikai sarunas

Atbilde Ä«sumā: labākās publiskās–privātās partnerÄ«bas (PPP) balstās uz vienotu datu valodu, kopÄ«giem mērÄ·iem un paredzamu atļauju procesu.

RSS panelÄ« izskan doma, kas realitātē bieži sāp: tirgus attÄ«stÄ«tāji un pieejamu mājokļu attÄ«stÄ«tāji dzÄ«vo dažādās pasaulēs. Viņiem ir atŔķirÄ«gi finansējumi, termiņi, prasÄ«bas un pat ā€œvārdnÄ«caā€.

AI var Å”eit palÄ«dzēt nevis ar prezentācijām, bet ar sistēmu:

1) Partneru ā€œsavietoÅ”anasā€ modelis

PaÅ”valdÄ«ba var veidot strukturētu profilu datubāzi:

  • kāda tipa projektus attÄ«stÄ«tājs ir realizējis,
  • kādi ir tipiskie termiņi,
  • kāds ir budžeta diapazons,
  • vai ir pieredze ar pieejamÄ«bas nosacÄ«jumiem,
  • kāda ir kvalitāte (defektu statistika, iedzÄ«votāju sÅ«dzÄ«bas, uzturēŔanas izmaksas).

Tad atlase kļūst mazāk subjektÄ«va. Un jā, Å”eit ir jābÅ«t stingrai ētikai un caurspÄ«dÄ«gumam, lai tas nekļūtu par ā€œmelnās kastesā€ reitingu.

2) Atļauju procesa prognozēŔana un paātrināŔana

Atļauju process bieži ir klusais ā€œprojekta slepkavaā€. AI var palÄ«dzēt:

  • automātiski pārbaudÄ«t dokumentu pilnÄ«gumu,
  • identificēt biežākos atteikumu iemeslus,
  • prognozēt saskaņoÅ”anas ilgumu pēc projekta parametriem,
  • ieteikt labojumus, pirms projekts nonāk komisijā.

Tas ir tieÅ”i tas, ko viedās pilsētas dara citās jomās: samazina rindas un atbrÄ«vo speciālistu laiku sarežģītākajiem gadÄ«jumiem.

ÄŖss ā€œ90 dienuā€ plāns paÅ”valdÄ«bai: ar ko sākt 2026. gada sākumā

Atbilde īsumā: sāciet ar datu inventarizāciju un vienu ātru pilotu, kas dod izmērāmu laika ietaupījumu.

Decembra beigas daudzām iestādēm ir budžeta un plānoÅ”anas laiks. Ja mērÄ·is ir 2026. gadā reāli paātrināt mājokļu ražoÅ”anu, Å”is ir pragmatisks starts:

  1. Datu inventarizācija (2 nedēļas): zemes Ä«paÅ”umi, brÄ«vās teritorijas, atļauju plÅ«sma, atteikumu iemesli, komunālo tÄ«klu kapacitāte.
  2. Vienots ā€œhousing pipelineā€ panelis (4–6 nedēļas): no idejas lÄ«dz bÅ«vatļaujai, ar posmu ilgumiem un pudeles kakliem.
  3. Zonējuma audita pilots (6–8 nedēļas): atlasiet 1–2 teritorijas un identificējiet 5 konkrētas prasÄ«bas, kas kavē attÄ«stÄ«bu.
  4. Partnerību atlases standarts (līdz 90 dienām): skaidri kritēriji, datu prasības, kvalitātes rādītāji.

Ja pēc 90 dienām jÅ«s varat pateikt: ā€œmēs samazinājām vidējo dokumentu atgrieÅ”anas reižu skaitu par 30%ā€ vai ā€œmēs ieguvām 3 prioritāros konversiju koridorus ar skaidru noteikumu komplektuā€, jÅ«s jau esat priekŔā daudziem.

Ko darÄ«t, lai AI mājokļu plānoÅ”anā nerada jaunas problēmas

Atbilde īsumā: AI mājokļu politikā ir jābūt auditējamam, ar publiskiem kritērijiem un cilvēka lēmumu atbildību.

Ar mājokļiem saistÄ«tie lēmumi ir politiski jÅ«tÄ«gi, un pareizi. Tāpēc AI ievieÅ”anai ir jābÅ«t disciplinētai:

  • CaurspÄ«dÄ«gi kritēriji: ko sistēma optimizē (vienÄ«bu skaitu, pieejamÄ«bu, brauciena laiku, klimata riskus)?
  • TaisnÄ«guma pārbaudes: vai ieteikumi nesamazina iespējas kādai sabiedrÄ«bas grupai?
  • Cilvēks pieņem gala lēmumu: AI dod rekomendāciju, bet atbildÄ«ba paliek iestādei.
  • Datu kvalitāte: nekvalitatÄ«vi dati nozÄ«mē pārliecinoÅ”i nepareizus secinājumus.

Šo var izdarīt labi. Bet tas ir jādara apzināti.

Nākamais solis: gudrāka mājokļu politika kā viedo pilsētu pamats

PaÅ”valdÄ«bām, kas grib bÅ«t ā€œviedasā€, nepietiek ar sensoriem un skaistām kartēm. Vieda pilsēta sākas ar spēju cilvēkiem dzÄ«vot tur, kur ir darbs, skolas un pakalpojumi, par cenu, ko viņi var samaksāt.

Ja jums Å”obrÄ«d Ŕķiet, ka mājokļu paātrināŔana ir tikai ā€œbÅ«vnieku jautājumsā€, es ieteiktu pārfrāzēt: tā ir datu, zonējuma, zemes politikas un partnerÄ«bu koordinācijas kombinācija. Un tieÅ”i tur AI publiskajā sektorā ir visnoderÄ«gākais — nevis tāpēc, ka tas ir moderni, bet tāpēc, ka tas ļauj pieņemt lēmumus ātrāk un pamatotāk.

Ko jÅ«su paÅ”valdÄ«ba spētu izdarÄ«t ātrāk jau 2026. gada pirmajā ceturksnÄ«: zonējuma auditu, atļauju procesa prognozēŔanu vai zemes ā€œpiemērotÄ«basā€ modeli?