ИИ-сметчик без ИИ: правила в коде нашли 310 замечаний в пяти сметах

Продукт называется «ИИ-сметчик», но нейросеть в нём пока не посчитала ни рубля. Московская компания по ремонту и отделке квартир передала разработчику пять рабочих смет, и система выдала по ним 310 замечаний. Самая дорогая находка: общий итог одной сметы занижен на 515 786 ₽. Все замечания дал код с правилами. О проекте автор рассказал на Habr.

Что нашла система

Прогоны проходили с 16 по 21 августа 2026 года. Автор сразу оговаривается насчёт самой крупной находки. Занижение на 515 786 ₽ нашлось ещё при обследовании смет перед составлением технического задания, а правило под него он написал уже потом. По его словам, здесь сработало внимательное чтение, а не код.

Интереснее другая цифра. При обследовании автор составил эталонный список ошибок, и система выдала 51 подтверждённое замечание, которого в этом списке не было. Для детерминированного набора правил это показательный результат: сначала ошибки найдены вручную, затем правила их воспроизвели и нашли ещё часть того, что человек пропустил.

Где в проекте нейросеть

ИИ-слой написан и покрыт тестами, но только на заглушке. На живой модели он не запускался по двум причинам: ключа доступа нет, а платформу выбирает заказчик. Рабочую версию автор уже передал, и она обходится без интернета.

Последнее заслуживает внимания. Сметы компании остаются внутри контура, и вопрос передачи данных внешнему сервису пока не возникает. Это наш вывод, автор его прямо не формулирует.

Второй проект автора ещё строже. Это конфигуратор замеров для сервиса, который готовит чертежи стеклянных душевых кабин под заказ, и нейросети в нём нет совсем.

Модель при этом работала в обоих проектах, но на этапе разработки. Она писала код, разбирала Excel заказчика и сверяла замечания со строками смет. В сам продукт автор пускает её только там, где без неё не обойтись.

Цифры проекта

• 5 рабочих смет московской компании по ремонту и отделке квартир
• 310 замечаний за прогоны 16–21 августа 2026 года
• 515 786 ₽ — крупнейшее найденное занижение итога одной сметы
• 51 подтверждённое замечание сверх эталонного списка
• 0 замечаний от нейросети: все выдаёт код с правилами
• ИИ-слой протестирован только на заглушке

Что из этого можно взять в работу

Порядок действий здесь воспроизводимый. Сначала вручную обследуйте реальные документы заказчика и соберите эталонный список ошибок. Затем напишите правила и проверяйте их по этому списку. Модель подключайте там, где правило сформулировать нельзя. Так заказчик получает проверяемый результат, а расходы на токены и риски утечки данных появляются только вместе с реальной необходимостью.

Ограничения тоже очевидны. Выборка небольшая: пять смет одной компании. Цифры приведены самим автором, независимой проверки нет. Живой модели в продукте пока нет, поэтому сравнить версию с ИИ и без него невозможно. Когда заказчик выберет платформу и ключ появится, главным вопросом станет другое: найдёт ли модель что-то сверх 310 замечаний или добавит лишь ложные срабатывания.