Un tasador de presupuestos «con IA» sin IA: las reglas en código hallaron 310 observaciones en cinco presupuestos

El producto se llama «ИИ-сметчик» (tasador con IA), pero la red neuronal todavía no ha calculado ni un rublo en él. Una empresa moscovita de reformas y acabados de viviendas entregó al desarrollador cinco presupuestos de trabajo, y el sistema emitió 310 observaciones sobre ellos. El hallazgo más costoso: el total de uno de los presupuestos estaba subestimado en 515 786 ₽. Todas las observaciones las generó un código con reglas. El autor contó el proyecto en Habr.

Qué encontró el sistema

Las ejecuciones se hicieron del 16 al 21 de agosto de 2026. El autor matiza de entrada el hallazgo más grande. La subestimación de 515 786 ₽ apareció ya durante el análisis de los presupuestos, antes de redactar el encargo técnico, y la regla correspondiente la escribió después. Según él, aquí funcionó la lectura atenta, no el código.

Más interesante es otra cifra. Durante el análisis, el autor elaboró una lista de referencia de errores, y el sistema emitió 51 observaciones confirmadas que no figuraban en ella. Para un conjunto de reglas determinista, es un resultado revelador: primero se encontraron los errores a mano, luego las reglas los reprodujeron y hallaron parte de lo que la persona había pasado por alto.

Dónde está la red neuronal en el proyecto

La capa de IA está escrita y cubierta con pruebas, pero solo sobre un sustituto (stub). No se ha ejecutado con un modelo real por dos motivos: no hay clave de acceso y la plataforma la elige el cliente. El autor ya entregó la versión de trabajo, que funciona sin internet.

Este último punto merece atención. Los presupuestos de la empresa permanecen dentro de su perímetro y, por ahora, no se plantea la cuestión de enviar datos a un servicio externo. Es una conclusión nuestra; el autor no la formula expresamente.

El segundo proyecto del autor es aún más estricto. Es un configurador de mediciones para un servicio que prepara planos de mamparas de ducha de vidrio por encargo, y no tiene red neuronal alguna.

El modelo sí trabajó en ambos proyectos, pero durante el desarrollo. Escribió código, analizó el Excel del cliente y contrastó las observaciones con las líneas de los presupuestos. El autor solo la incorpora al producto donde no se puede prescindir de ella.

Las cifras del proyecto

• 5 presupuestos de trabajo de una empresa moscovita de reformas y acabados de viviendas
• 310 observaciones en las ejecuciones del 16 al 21 de agosto de 2026
• 515 786 ₽: la mayor subestimación hallada en el total de un presupuesto
• 51 observaciones confirmadas además de la lista de referencia
• 0 observaciones de la red neuronal: todas las emite el código con reglas
• La capa de IA se probó solo con un sustituto (stub)

Qué se puede aprovechar de esto

El procedimiento es reproducible. Primero, analice a mano los documentos reales del cliente y reúna una lista de referencia de errores. Después, escriba las reglas y verifíquelas contra esa lista. Incorpore el modelo donde no se pueda formular una regla. Así el cliente obtiene un resultado verificable, y los gastos en tokens y los riesgos de fuga de datos aparecen solo cuando hay una necesidad real.

Las limitaciones también son evidentes. La muestra es pequeña: cinco presupuestos de una sola empresa. Las cifras las aporta el propio autor y no hay verificación independiente. Todavía no hay un modelo real en el producto, así que es imposible comparar la versión con IA y sin ella. Cuando el cliente elija plataforma y aparezca la clave, la pregunta principal será otra: ¿encontrará el modelo algo más allá de las 310 observaciones o solo añadirá falsos positivos?