Почти каждый инженер, который серьёзно пробовал ИИ, проходил через одно и то же разочарование: нейросеть выдаёт красивый расчёт, но цифры не сходятся. И это не «слабость технологии» — это неправильная постановка задачи. Языковая модель создана не для детерминированных вычислений, а для работы с текстом и логикой. Но есть задача, где она проявляет себя блестяще: создавать инструменты, которые считают сами. Давайте разберёмся, где реальная граница, и почему за ней открывается куда более интересное применение ИИ, чем «посчитай за меня».

Почему нейросеть плохо считает — и это нормально

Языковая модель — это не калькулятор. Это вероятностная машина, которая предсказывает следующее слово (точнее, следующий фрагмент текста) на основе гигантского количества прочитанного. Она не «вычисляет» ответ по алгоритму — она правдоподобно его сочиняет, опираясь на то, как похожие задачи выглядели в текстах, на которых её обучали.

Для творческих и языковых задач это гениально. Для детерминированной задачи — губительно. Инженерный расчёт детерминирован по своей природе: те же исходные данные, тот же СП, та же формула должны давать тот же результат — сегодня, завтра и у соседа по отделу. А вероятностная модель по устройству выдаёт каждый раз чуть-чуть разное. Она может ошибиться в арифметике на длинной цепочке, «поплыть» на третьем шаге применения нормы, перепутать коэффициент — и при этом изложить всё абсолютно уверенным тоном.

Отдельная ловушка — нормативка. Модель прекрасно знает, что «есть СП такой-то», и красиво про него рассуждает. Но воспроизвести точную таблицу, точный коэффициент, точную границу применимости пункта она не обязана — и регулярно этого не делает. Для расчёта, под которым ты ставишь подпись и за который отвечаешь на экспертизе, это неприемлемо.

Вывод простой: не давайте нейросети роль калькулятора. Не потому, что «ИИ плохой», а потому, что вы приставляете отвёртку забивать гвозди.

Что нейросеть делает по-настоящему хорошо — она пишет инструменты

А теперь главное. Есть задача, где та же самая нейросеть проявляет себя блестяще: написать код. То есть построить детерминированный инструмент, который дальше будет считать сам — строго, одинаково, по заданной логике.

Разница принципиальная. Когда вы просите ИИ «посчитать», результат остаётся вероятностным и одноразовым. А когда вы просите ИИ «написать программу, которая считает по такой-то методике» — логика один раз фиксируется в коде. Дальше это уже не нейросеть. Это обычный калькулятор, который на одних и тех же входных данных всегда выдаёт один и тот же результат. Проверяемый, воспроизводимый, ваш.

Старая поговорка описывает это точнее всего: не проси у ИИ рыбу — проси удочку. Рыба (готовый ответ) — ненадёжна и разовая. Удочка (инструмент) — работает потом всегда и без нейросети.

И вот что изменилось за последний год. Раньше, чтобы превратить инженерную методику в рабочее приложение, нужна была команда разработчиков, техзадание, месяцы работы и бюджет, который отдел проектирования никогда бы не согласовал. Сегодня инженер, который научился работать с ИИ-агентом, собирает такой инструмент за недели, а простой — за вечер. Причём агент берёт на себя не только код, но и архитектуру: связи между данными, которые вручную просто не удержать в голове. Сложную логику, где одно значение тянет за собой десяток пересчётов, человек продумывал бы дольше, чем нейросеть её реализует.

Как это выглядит у нас

Мы в «Основе» пришли к этому не в теории, а на практике. Наши расчётные модули — это ровно такие инструменты: собранные с помощью ИИ, но считающие детерминированно и по нормам.

  • Расчёт теплопритоков — работает на симуляционном ядре EnergyPlus: солнце, люди, оборудование, ограждающие конструкции. Это не «нейросеть прикинула» — это честная физическая модель под подбор кондиционирования.

  • Укрупнённый расчёт тепловой нагрузки здания — быстрая предпроектная оценка по укрупнённым показателям.

  • i-d диаграмма влажного воздуха — построение процессов обработки воздуха: нагрев, охлаждение, осушение, увлажнение.

  • Противодымная вентиляция коридоров и подпор воздуха в лестничную клетку — по методике СП 7.13130 (эти модули пока в статусе бета, но логика та же).

  • Ассистент инженера ОВ — помощник по подбору оборудования и нормам.

Каждый из них открывается прямо в браузере и на одних и тех же данных даёт один и тот же ответ. Нейросеть участвовала в их создании — но в готовом инструменте её уже нет. Она отработала как конструктор, а не как калькулятор. Это и есть правильное разделение труда.

Что теперь может каждый инженер

Самое важное: это перестало быть привилегией тех, у кого есть свой отдел разработки. Порог входа рухнул. То, что «давно хотелось автоматизировать, но руки не доходили и денег на программистов не было», сегодня инженер реально делает сам.

  • Плагины к Revit — не глобальные, а те самые мелкие, которые экономят часы: расставить, переименовать, выгрузить спецификацию в нужном виде, проверить модель по своему чек-листу.

  • Небольшие собственные приложения — калькулятор под вашу конкретную методику, которого нет ни в одном готовом софте.

  • Автоматизация рутины — черновики писем и служебных записок, ответы на замечания со ссылками на нормы, протоколы из аудиозаписи совещания, реестры и таблицы без ручного вбивания.

Обратите внимание: во всех этих задачах ИИ снова не «считает за инженера». Он либо строит инструмент, либо разбирает и оформляет текст и данные — то, в чём он силён. А ответственные вычисления остаются за детерминированной программой и за инженером.

Чем работать и о чём честно предупредить

Всё это делают ИИ-агенты: они ставятся на компьютер, видят рабочую папку и пишут код. Самые сильные — Claude Code и Codex, но они платные и из России напрямую недоступны. Поэтому дальше речь пойдёт об инструментах, которые работают без VPN и оплаты зарубежной картой.

Но это не повод не начинать — потому что «не могу оплатить» перестало быть отговоркой. Появились доступные альтернативы:

  • Qwen и его агент Qwen Code (китайская разработка) — слабее топовых, но чтобы попробовать и собрать первый рабочий инструмент, их более чем достаточно.

  • Свежий бесплатный агент от Xiaomi (MiMo) — ставится одной командой, без карты и подписки. Для старта и экспериментов — отличный вариант.

  • Для задач попроще — DeepSeek и российский GigaChat.

Да, они уступают лидерам в качестве и аккуратности. Но задача на старте не в том, чтобы собрать промышленный продукт, — а в том, чтобы понять принцип и сделать первый инструмент своими руками. Для этого хватит и бесплатной модели. А дальше уже решите, стоит ли переходить на что-то более мощное.

Главная мысль

Если убрать всё лишнее, вывод такой. Нейросеть — плохой калькулятор, но отличный конструктор калькуляторов. Не пытайтесь заставить её выполнять расчёты за вас — на длинной дистанции это тупик и источник ошибок. Научитесь ставить ей другую задачу: собрать инструмент, который эти расчёты будет выполнять надёжно и без неё. Вот в этом — настоящее, а не хайповое применение ИИ в инженерном деле. И оно уже доступно: модели достаточно мощные, а порог входа — низкий как никогда.

Именно этому — не «промптить чат», а строить собственные инженерные инструменты и системы — мы учим на программе «Искусственный интеллект в инженерной деятельности» (18 ак. ч., совместно с УрФУ, с удостоверением о повышении квалификации). Если хотите перейти от разовых экспериментов к тому, чтобы делать инструменты под свои задачи, — программа здесь: dpo.osnovaprof.ru/ai-dlya-inzhenera.