Почему ИИ не закрывает потребности проектной организации: обратная сторона прогресса.
Мы каждый день ведём инженерные проекты и прекрасно понимаем соблазн: нажать одну кнопку и получить готовый результат с идеально подобранным оборудованием, увязанными воздуховодами и четкой сметой.
💡 Развитие нейросетей вдохнуло в эту идею новую жизнь — показалось, что ИИ вот-вот возьмёт на себя все эти задачи. Но чем сильнее мы углублялись и тестировали, тем трезвее оценивали результат — о полноценной замене инженера говорить рано. Очень рано.
Искусственный интеллект — хороший помощник, но не более. Почему? Давайте разбираться без иллюзий, опираясь на реальный опыт и законы работы нейросетей.
Важно понимать природу ИИ. Сегодняшние сервисы на базе искусственного интеллекта — это языковые модели. У них нет сенсоров, тела и опыта взаимодействия с физической средой, а значит, нет и понимания окружающего мира. Модель не знает, что такое воздух, сопротивление или вибрация, зачем нужен уклон и т.д. Она оперирует не фактами, а вероятностными связями между словами, натренированными на огромном массиве контента.
Когда вы задаёте вопрос о расчёте воздуховода, система не «думает» об аэродинамике — она статистически собирает ответ, похожий на те, что встречала в документах. Внешне — компетентно, по существу — ни одной мысли о реальном объекте. Этот разрыв между хорошей убедительностью и «нулевым» пониманием физики процесса — та самая обратная сторона прогресса, к которой стоит отнестись трезво.
Неприятно? Да, пока так.
ИИ — это «чёрный ящик», а инженерия требует прозрачности
Разработчики языковых моделей признают: внутреннюю логику их работы невозможно проследить до конца. Это проблема «чёрного ящика» — алгоритм выдаёт результат, но проверить ход его рассуждений нельзя.
Гендиректор Anthropic Дарио Амодеи в своём блоге, апрель 2025, написал: «Мы до сих пор понятия не имеем, почему ИИ-модель выбирает одну фразу вместо другой». Он охарактеризовал эту ситуацию как «по сути, беспрецедентную в истории технологий».
Именно поэтому для решения этой проблемы компания Anthropic разрабатывает технологию Circuit Tracing, которая позволяет визуализировать внутреннюю логику и «ассоциативные связи» внутри модели, приводящие к тому или иному ответу. Это даёт возможность изучать, проверять и улучшать ИИ.
Помимо этого, модель не ищет истину, а предсказывает наиболее вероятную последовательность слов. Когда данных не хватает, она придумывает их — это называется галлюцинацией. Например, у нас проектировщик при проверке чертежа может получить несуществующий норматив или марку оборудования. Исследования фиксируют: даже актуальные версии языковых моделей в каждом пятом запросе ссылаются на вымышленные источники.
По итогу — модель врёт, и её логику не проверить. Но настоящая бездна открывается дальше — эти выдумки никуда не исчезают. Они оседают в сети, накапливаются и превращаются в обучающую пищу для следующих поколений ИИ. Модель начинает «кормить» сама себя собственными ошибками.
Для проектировщика или сметчика такой инструмент в чистом виде — не просто бесполезен, а прямо опасен.
Кейс: как мы создавали ИИ-сметчика
✨ В какой-то момент мы приняли волевое решение: хватит отсиживаться, пора двигаться в ногу с технологиями. Нам нужен свой ИИ-сметчик по инженерным системам. Чтобы мы загрузили объёмы, единичные расценки, нажали кнопку — и получили готовую смету. Звучало как мечта. Мы даже обрадовались, когда модель на тесте выдала первый результат за секунды: красиво, с кодами и ссылками.
А потом мечта закончилась. Инженер-сметчик ткнул пальцем: расценка несуществующая, СНиПы старые, единицы перепутаны. А на замечания ИИ бодро сослался на примечания, которых не существует. Мы получили не сметчика, а генератора красивых иллюзий. Волевое решение пришлось откатить. ИИ пока не партнёр, а очень уверенный стажёр-фантазёр.
Где нейросети работают честно
Было бы ошибкой говорить, что ИИ бесполезен. Как и любой инструмент, он не хорош и не плох сам по себе — всё зависит от задачи, которую перед ним ставят. Там, где процесс сводится к строгой логике и повторяемым правилам, модель отрабатывает честно и кратно быстрее человека.
Примеры из нашего опыта:
- Поиск нужных пунктов внутри норматива. Вместо часового перелистывания сводов правил — релевантная подборка за минуту.
- Формирование таблиц в разных форматах из простого текста с нужным распределением. Первичный этап любой сметы.
- Помощь в формировании пояснительных записок для проекта
Модель способна за секунды обработать большой объём данных, на который у инженера ушли бы часы. Она находит в этой толще информации скрытые несоответствия, которые человек неизбежно мог упустить.
Общее правило здесь одно: ИИ подносит «патроны», инженер осознанно использует. Иллюзия самостоятельности исчезает, остаётся трезвый рабочий инструмент.
Сухой остаток
ИИ не возьмёт на себя ответственность, не заменит инженерный опыт и не осмыслит физику процесса. Пока. Но в инженерных задачах, разложенных до чёткого алгоритма, он уже сегодня даёт ощутимый выигрыш во времени и точности.
➡️ Поэтому главная ставка ближайших лет — не на автономного ИИ-агента, а на человека, который понимает законы работы модели и умеет применять её без иллюзий.
Такого подхода мы и придерживаемся сейчас в работе: с ясным пониманием, где нейросеть ускорит дело, и где без инженера не обойтись.
❓Вопрос «на подумать».
Что бы вы сделали со стажером, который в каждой пятой строчке сметы придумывает несуществующий код расценки, ссылается на вымышленные примечания и не может объяснить, почему он так сделал, — а уволить его нельзя?
#ИИ #ЭльКонд #УправлениеПроектами #ИнженерныеСистемы #ОВиК #Сметчик #Проектировщик