Меня зовут Николай Захаров, я технический эксперт по общему машиностроению в COMETAL. Моя работа — проверять конструкторскую документацию на технологичность, оценивать возможность изготовления изделий и считать их стоимость. Рутина в этом деле — основная головная боль: одни и те же проверки, одни и те же таблицы, одни и те же вопросы заказчику. И недавно я решил передать часть этой рутины нейросетям. Рассказываю, что из этого вышло.
Что удалось передать нейросетям?
Сейчас я выделил девять задач, которые полностью или частично делают нейросети.
Список такой:
-
Проверка комплектности КД. Нейросеть проверяет, все ли чертежи приложены к заявке. Это самая рутинная операция — и самая благодарная для автоматизации.
-
Проверка массы изделий. Часто в документации масса указана некорректно, и это всплывает только при детальном разборе. ИИ ловит такие несоответствия.
-
Выявление редких марок материала. Автоматическое обнаружение нестандартных материалов, которые эксперт может пропустить при беглом просмотре.
-
Формирование маршрутного техпроцесса. Нейросеть делает предварительный маршрут обработки по чертежам.
-
Выявление узких мест в изготовлении. Анализ потенциально проблемных конструктивных элементов.
-
Расчёт стоимости по КД. Формирование ТКП с заполнением бланка коммерческого предложения.
-
Предварительная оценка по ТЗ. Когда нет полноценной документации, а только техзадание, ИИ считает по средним рыночным ценам.
-
Оценка сроков разработки КМД. Для строительных металлоконструкций.
-
Сводные таблицы по материалам. Структурированный перечень металла по документации.
Экономия времени, повышение точности
Время на выполнение рутинных задач сократилось в 2–3 раза. Около 20% рабочего времени — примерно 8 часов в неделю — я передал нейросетям. Это высвободило ресурсы, которые можно направить на более сложные и стратегические задачи.
Наибольший эффект дали два процесса: проверка комплектности конструкторской документации. Раньше на одну заявку в среднем уходил час (в зависимости от объёма чертежей), сейчас около 5 минут. Эту рутину ИИ делает практически без ошибок. Попутно нейросеть формирует таблицы с перечнем входящих деталей, которые я потом сразу использую в работе. Раньше на это уходило ощутимое время. Приведу пример: недавно нам поступила заявка на изготовление форм для объёмно‑блочного домостроения: 24 сварных изделия, каждое — от 5 до 20 отдельных деталей. Проверка комплектности КД и формирование таблиц с размерами, массой и марками материала заняла бы у меня 1,5–2 дня и где‑нибудь я наверняка допустил бы опечатку. С ИИ на это ушло 30 минут. И главный плюс здесь не в том, что я сделал меньше действий, а в том, что заказчик быстрее получил ответ на свой запрос.
Вторая задача — это выявление сложных мест в изготовлении. Это трудоёмкая аналитическая задача. Даже опытный эксперт может пропустить критичный элемент. Здесь эффект не столько во времени, сколько в снижении числа ошибок: ИИ системно подсвечивает потенциально проблемные места, которые легко упустить в спешке.
Как выглядит промпт?
Чтобы стало понятнее, как это работает на практике, — вот промпт, который я использую для проверки комплектности конструкторской документации:
«Во вложении — чертежи деталей и спецификация изделия. Проверь комплектность конструкторской документации по следующим правилам (считать комплектными без чертежа):»
-
стандартные крепёжные изделия (болты, гайки, шайбы, винты по ГОСТ);
-
покупные стандартные изделия (подшипники, уплотнения, электрокомпоненты);
-
любые позиции спецификации с пометкой «покупное» или «стандартное».
Требовать чертёж для:
-
оригинальных деталей и сборочных единиц собственного изготовления;
-
деталей без указания стандарта в спецификации.
Формат ответа:
-
список позиций, по которым чертежи есть;
-
список позиций, по которым чертежей не хватает (только оригинальные детали);
-
итоговый вывод: комплект полный или не полный«. »
Где нейросеть пока пасует?
Точность работы ИИ сильно различается по задачам. Я оцениваю её по пятибалльной шкале. Пять из пяти — проверка комплектности и формирование технико‑коммерческого предложения без конструкторской документации по техзаданию. Результат надёжный. На четверку ИИ справляется с выявлением редких материалов и составлением сводных таблиц. Чуть хуже идут формирование маршрутного технологического процесса, оценка сроков изготовления конструкций металлических деталированных (КМД), выявление сложных мест. Результаты требуют обязательной проверки. Ну и самое сложное — расчёт стоимости по конструкторской документации. Здесь нейросеть не всегда корректно выстраивает техпроцесс. А без точного маршрута нельзя точно посчитать стоимость. Это пока «бутылочное горлышко».
Важный нюанс: на текущем этапе все результаты проходят проверку человеком. Полностью доверять ИИ пока рано.
Инструменты и вопрос безопасности
В основном я использую Claude — он быстрее. По качеству ответов Claude и ChatGPT сопоставимы: на разных задачах каждый из них периодически оказывается точнее. Например, на той же проверке комплектности Claude выдаёт точный результат, а ChatGPT периодически ложно срабатывает — указывает на отсутствие чертежа там, где стоит стандартное покупное изделие, например подшипник или роликовая цепь.
С конфиденциальностью строго: перед передачей в ИИ все данные обезличиваются. В работе мы соблюдаем требования коммерческой тайны и 152-ФЗ.
Аргумент для скептиков
COMETAL — современная компания, естественно, мы стараемся применять ИИ для повышения эффективности там, где это возможно. Руководство эту инициативу поддерживает и одобряет, видит, что инструмент реально помогает бизнесу.
Среди коллег реакция разная. Кто‑то сразу заинтересовался, начал пробовать, задавать вопросы. Но есть и те, кто пока смотрят скептически. Это нормально, новая технология всегда настораживает.
Я провёл презентацию для команды, мы вместе участвовали в вебинаре по нейросетям. Но главный аргумент для скептиков в конечном счёте один — экономия. Если мы перекладываем рутину на ИИ и при этом не теряем в качестве, значит, мы можем быстрее обрабатывать заявки и брать больше проектов. Это не значит, что роботы заменят людей. Нейросети помогают освободить людей для того, что действительно требует их ума и стратегического мышления.
Сложные задачи — людям, рутина — ИИ
Главный результат для меня не в экономии часов и не в том, что я стану меньше работать. Спойлер: это не так. Главное, что теперь заказчик быстрее получает ответ. А значит, и решение принимает быстрее.
Но чтобы ИИ вообще смог в этом помочь, пришлось сначала самому разложить свою экспертизу на чёткие правила. Те же самые вещи, которые я делал на автомате, пришлось заново формулировать, теперь уже не для себя, а для нейросети. И вот здесь интересный момент: получается, что ИИ не столько выполняет мою работу, сколько заставляет меня объяснить её самому себе. И это, наверное, даже полезнее, чем просто ускорение.
Через год‑два я вижу следующую картину: все сотрудники технической дирекции используют ИИ в своей работе. Рутинные и монотонные задачи автоматизированы. Люди сосредоточены на сложных задачах, требующих профессионального суждения и творческого подхода.
Если вы ещё не выполняете через ИИ рутинные рабочие задачи, просто попробуйте и посмотрите на результат.
Автор: niuzakharov1
