Orçamentista com IA sem IA: regras em código encontraram 310 apontamentos em cinco orçamentos

O produto se chama «ИИ-сметчик» (orçamentista com IA), mas a rede neural ainda não calculou nem um rublo nele. Uma empresa de Moscou especializada em reforma e acabamento de apartamentos entregou ao desenvolvedor cinco orçamentos de trabalho, e o sistema gerou 310 apontamentos sobre eles. O achado mais caro: o total de um dos orçamentos estava subestimado em 515 786 ₽. Todos os apontamentos vieram de código com regras. O autor contou sobre o projeto no Habr.

O que o sistema encontrou

As execuções ocorreram de 16 a 21 de agosto de 2026. O autor já faz uma ressalva sobre o maior achado. A subestimação de 515 786 ₽ apareceu ainda na análise dos orçamentos, antes da elaboração do termo de referência técnico, e a regra correspondente foi escrita só depois. Segundo ele, o que funcionou aqui foi a leitura atenta, não o código.

Há outro número mais interessante. Na análise, o autor montou uma lista de referência de erros, e o sistema gerou 51 apontamentos confirmados que não estavam nela. Para um conjunto de regras determinístico, é um resultado revelador: primeiro os erros foram achados à mão, depois as regras os reproduziram e encontraram parte do que a pessoa deixou passar.

Onde está a rede neural no projeto

A camada de IA foi escrita e coberta por testes, mas só com um stub. Ela não rodou com um modelo real por dois motivos: não há chave de acesso e a plataforma é escolhida pelo cliente. O autor já entregou a versão de trabalho, que funciona sem internet.

Esse último ponto merece atenção. Os orçamentos da empresa ficam dentro do perímetro dela, e a questão de enviar dados a um serviço externo por ora não surge. Essa é uma conclusão nossa; o autor não a formula diretamente.

O segundo projeto do autor é ainda mais rígido. É um configurador de medições para um serviço que prepara projetos de boxes de vidro para chuveiro sob encomenda, e não tem rede neural alguma.

O modelo, porém, atuou nos dois projetos, mas na fase de desenvolvimento. Ele escreveu código, analisou o Excel do cliente e conferiu os apontamentos com as linhas dos orçamentos. O autor só o coloca no produto onde não dá para dispensá-lo.

Os números do projeto

• 5 orçamentos de trabalho de uma empresa de Moscou de reforma e acabamento de apartamentos
• 310 apontamentos nas execuções de 16 a 21 de agosto de 2026
• 515 786 ₽: a maior subestimação encontrada no total de um orçamento
• 51 apontamentos confirmados além da lista de referência
• 0 apontamentos da rede neural: todos vêm do código com regras
• A camada de IA foi testada apenas com um stub

O que dá para aproveitar disso

O procedimento é reproduzível. Primeiro, analise manualmente os documentos reais do cliente e monte uma lista de referência de erros. Depois, escreva as regras e confira-as com essa lista. Conecte o modelo onde não for possível formular uma regra. Assim, o cliente recebe um resultado verificável, e os gastos com tokens e os riscos de vazamento de dados só surgem junto com uma necessidade real.

As limitações também são óbvias. A amostra é pequena: cinco orçamentos de uma única empresa. Os números são do próprio autor e não há verificação independente. Ainda não há um modelo real no produto, então é impossível comparar a versão com e sem IA. Quando o cliente escolher a plataforma e a chave aparecer, a pergunta principal será outra: o modelo encontrará algo além dos 310 apontamentos ou só acrescentará falsos positivos?