AI в BIM: где LLM реально работают, а где нет

Честная карта задач: шесть мест, где языковая модель в BIM даёт измеримый эффект, и четыре, где мы потеряли время и деньги. С цифрами и честным разбором.

Первый вопрос от руководителя отдела звучал так: «Покажите, как нейросеть спроектирует нам типовой этаж». Показать нечего. Ни одна доступная сегодня модель не выдаст рабочую планировку, которая пройдёт нормоконтроль.

Через полгода тот же отдел из четырнадцати человек экономит около 60 часов в месяц на текстовой рутине. Просто задачи оказались совсем другие, чем в первом вопросе.

Ниже карта: где эффект считается в часах, а где мы сожгли три недели и признали это ошибкой.

Что языковая модель умеет по своей природе

Она работает с текстом. Классифицирует, переформулирует, вытаскивает структуру, сравнивает формулировки, отвечает по загруженным документам. Всё, где на входе и выходе буквы, ей близко.

Геометрия ей чужая. Модель не видит, что балка пересекает воздуховод. Она не знает координат, не считает объёмы и не понимает, какой элемент к какому примыкает. Ей можно скормить выгрузку параметров таблицей, и тогда она рассуждает про таблицу, а не про здание.

Отсюда простое правило отбора задач. Если задачу можно объяснить стажёру по телефону, без картинки, у языковой модели есть шанс. Если без чертежа не обойтись, шанса нет.

Шесть задач, где эффект измерим

Замечания и нормоконтроль. Самая понятная точка входа: много текста, мало геометрии, результат виден сразу. Разобрано подробно в отдельной статье.

Поиск по своим документам. BIM-стандарт компании на 80 страниц, три версии BEP, регламент оформления. Никто это не помнит, а спрашивают друг друга в чате по десять раз в неделю. Ассистент с базой знаний отвечает цитатой из нужного пункта.

Письма и протоколы. Координатор пишет двадцать писем в неделю, и каждое на четверть состоит из одинаковых оборотов. Черновик из шаблона плюс данные отчёта экономит примерно два часа в неделю на человека.

Текстовые атрибуты. Наименования, марки, примечания в спецификациях. Модель находит «Кирпич керамический полнотелый» рядом с «кирпич керам. полнотел.» и предлагает свести к одному. На модели в 380 тысяч элементов таких разночтений набралось 640.

Классификация и разметка. Разложить 900 позиций по классификатору руками это две недели скучной работы. С предразметкой остаётся проверка, и она занимает три дня.

Перевод между форматами описаний. Из технического задания заказчика в структуру требований к модели. Не идеально, но черновик экономит день.

Четыре места, где мы потеряли время

Генерация геометрии по описанию. Три недели на эксперимент с текстовым описанием квартиры и созданием стен через API. Получилось нечто, что нельзя показывать: размеры не бьются, двери в несущих, площади не сходятся с заданием. Планировщик из языковой модели никакой.

Проверка чертежей картинкой. Мультимодальные модели уверенно рассказывают, что видят на скане плана. Проверили на двадцати листах: восемь описаний содержали ошибку в размерах или назначении помещения. Для нормоконтроля это неприменимо.

Прямой доступ модели к базе Revit. Идея «пусть ассистент сам сходит в модель и посчитает» разбивается о скорость и о права. Правильнее выгружать параметры в базу и спрашивать уже её, об этом отдельный разбор.

Ассистент без базы знаний. Самая дорогая ошибка по соотношению «усилия к результату». Голая модель отвечает красиво и неверно. Через две недели ей перестают верить, и вернуть доверие команды сложнее, чем построить всё заново.

Почему демо работает, а внедрение буксует

На демонстрации задают вопросы, ответ на которые известен заранее. В работе спрашивают про случаи с краю: старый проект, нестандартное решение, документ, которого в базе нет.

Разница между двумя состояниями почти всегда в данных, а не в модели. Регламенты лежат в трёх версиях у пяти человек. Замечания в почте. Протоколы в личных заметках. Собрать это в одно место скучно и долго, поэтому этап пропускают и потом удивляются.

Второй тормоз организационный. Ассистент меняет привычки, а привычки защищают. Если руководитель отдела не пользуется инструментом сам, через месяц им не пользуется никто.

Где это не работает и чего не ждать

Не ждите сокращения штата. За полтора года практики в портфеле ни один инструмент не заменил человека. Освободившееся время уходит на работу, до которой раньше не доходили руки: проверки, регламенты, обучение новых.

Не ждите точности в расчётах. Языковая модель считает арифметику плохо и ошибается там, где ошибиться невозможно. Числа должны считать формулы, скрипты и база данных, а модель пусть объясняет результат.

Не ждите работы без интернета или без сервера. Локальная модель требует видеокарты, обслуживания и человека, который понимает, что там внутри. Для отдела из пяти человек это дороже пользы.

И честно про сроки. Между «попробовали, интересно» и «команда пользуется каждый день» проходит от трёх до шести месяцев. Кто обещает быстрее, скорее всего продаёт демонстрацию.

Как мы это замеряли

Цифры выше взяты не из ощущений. Метод простой и повторяемый в любой компании.

До запуска две недели ведётся хронометраж по трём задачам: кто, сколько минут, на что. Не поминутно, а грубо, отметками в общей таблице. Люди сопротивляются первые дни, потом привыкают.

После запуска замер повторяется через месяц и через три. Ранний срок ловит эффект новизны, поздний показывает настоящую картину: часть экономии съедается проверкой того, что написал ассистент.

Показательная деталь. По разбору замечаний первый замер дал экономию 70%, третий - 58%. Разница ушла на вычитку черновиков, о которой на старте никто не думал. Планировать стоит по третьему замеру, а не по первому.

Хронометраж полезен и сам по себе, даже без всякого AI. На одном отделе он показал, что четыре часа в неделю уходят на поиск актуальной версии регламента. Задачу решили общей папкой и одним ответственным, без единой модели.

Пять вопросов перед стартом

• Есть ли у вас текстовая рутина объёмом хотя бы 10 часов в неделю на отдел? Меньше - не окупится.
• Лежат ли регламенты и стандарты в одном месте, в актуальной версии?
• Разрешает ли договор с заказчиком отправлять тексты во внешний сервис?
• Кто будет владельцем базы знаний и обновлять её раз в месяц?
• Готов ли руководитель отдела сам стать первым пользователем?

Три «нет» из пяти означают, что начинать надо не с AI. Сначала шаблоны, данные и регламенты, потом инструменты поверх них.

Короткие ответы

Нейросеть сделает проект целиком? Нет, и в обозримой перспективе нет. Она помогает с текстом вокруг проекта, а не с проектом.

Насколько это дорого? Пилот на одну задачу: от двух недель работы специалиста. Облачный API при объёме отдела обходится в тысячи рублей в месяц, не в сотни тысяч.

Данные уйдут конкурентам? При работе через публичный сервис вы отдаёте текст на сторону, и с этим нужно определиться заранее. Локальный запуск снимает вопрос, но добавляет расходы на железо.

Нужен ли программист в штате? Для запуска нужен, для работы нет. Дальше хватает BIM-специалиста, который умеет писать инструкции и следить за базой.

С чего начать, если бюджета почти нет? С поиска по своим регламентам. Это самая дешёвая задача и первая, где команда видит пользу.

Что дальше

Полезное упражнение на час: выпишите, на что ваш отдел тратит время, и отметьте строки, где нет ни одного чертежа. Это и есть список кандидатов.

Пошаговый план внедрения с этапами и критериями остановки разобран в дорожной карте, а роль координатора в этой конструкции - в статье про LLM-ассистента. Что мы делаем на таких проектах, описано в услугах. Хотите оценку по вашей ситуации - напишите в Telegram или через контакты.