### Человек-оркестр или нейросеть-архитектор? Разбираем вакансию ADYD Group.

На днях в Linkedin попалась на глаза любопытная вакансия: ADYD Group ищет в свою команду в Испании «ARQUITECTO/A SENIOR REVIT» с опытом 15-25 лет и знанием английского/немецкого. И знаете, что я подумал, глядя на этот список требований? Я подумал о том, как отчаянно мы в IT-индустрии цепляемся за идею незаменимого человека-эксперта, даже когда технологии уже готовы предложить альтернативу.

**Кратко о компании:** ADYD Group — серьезная инжиниринговая компания из Испании. Они занимаются проектированием, аутсорсингом и обучением. Судя по их проектам и подходу, это не стартап, а зрелый бизнес, который ценит качество, стабильность и, как они сами пишут, «лучшие таланты».

**Какую боль пытаются закрыть?**

Давайте посмотрим правде в глаза. Что такое архитектор с 25-летним опытом, который должен определять конструктивные детали, принимать технические решения и при этом свободно владеть Revit?

Это не просто сотрудник. Это «ходячая база данных», живой архив тысяч удачных и провальных решений, которые он видел на стройплощадках Германии, Испании или где-то еще. Он помнит, как ведет себя тот или иной узел фасада через 10 лет эксплуатации, какой материал лучше не сочетать с другим во влажном климате, и как объяснить подрядчику на стройке, что его «гениальная» идея по упрощению приведет к катастрофе.

*— Михалыч, помнишь, как мы на том проекте в Дюссельдорфе мучились с примыканием витража к кровле? — спрашивает один менеджер другого.*
*— Еще бы не помнить! — отвечает Михалыч. — Там же по проекту был стандартный узел, а по факту из-за допуска поставщика пришлось на месте всё переделывать. Если бы не Ганс, который собаку на этом съел, стоял бы у нас тот объект до сих пор с дырой в крыше.*

Вот этого «Ганса» и ищет ADYD Group. Они ищут человека, в голове которого хранится уникальный, неструктурированный опыт. Боль компании — это риск. Риск принять неверное техническое решение, которое будет стоить миллионы евро. Риск, что молодой BIM-моделлер, идеально владеющий Revit, нарисует красивый, но нежизнеспособный узел. Они пытаются купить страховку в виде 25-летнего опыта одного человека.

Проблема в том, что таких «Гансов» на рынке единицы. Они дороги, капризны, и их знания уйдут вместе с ними на пенсию.

**А можно ли по-другому?**

Конечно. Можно перестать охотиться за единорогами и начать строить систему. Вместо того чтобы искать носителя уникального знания, можно создать цифровую систему, которая будет этим знанием владеть, приумножать его и делиться им со всей командой.

Представьте себе не «Ганса», а «AI-Ассистента Архитектора».

**Подходы, инструменты и шаги по внедрению**

Это не научная фантастика, а вполне конкретный roadmap для современного инжинирингового бизнеса.

**Шаг 1: Создание Базы Знаний (Knowledge Base).**
Мозг нашего «Ганса» — это его опыт. Мозг ИИ — это данные, на которых его обучили. Первым делом нужно оцифровать и структурировать весь накопленный опыт компании:
* **Сбор данных:** Загружаем в систему все существующие проекты: чертежи (DWG, PDF), BIM-модели (RVT), технические спецификации, сметы, отчеты со строек, служебные записки о проблемах и их решениях.
* **Инструменты:** Здесь идеально подходит технология RAG (Retrieval-Augmented Generation). Мы создаем векторную базу данных по всей документации компании. Когда инженер задает вопрос («предложи узел крепления фасада из композитных панелей для ветрового района III в Германии»), большая языковая модель (LLM), вроде GPT-4 или Llama, не выдумывает ответ, а находит релевантные примеры из *ваших же* успешных проектов, анализирует их и предлагает решение, основанное на *вашем* реальном опыте.

**Шаг 2: Генеративный Дизайн и Автоматизация.**
Наш ИИ-ассистент не просто отвечает на вопросы, он активно помогает в работе.
* **Подход:** Вместо того чтобы вручную рисовать каждый узел в Revit, инженер описывает задачу и ограничения: «Мне нужен узел примыкания парапета к плоской кровле. Материалы: бетон, утеплитель такой-то, мембрана такая-то. Учитывать требования стандарта DIN 18531».
* **Инструменты:** Скрипты для генеративного дизайна (например, с помощью Dynamo для Revit или Rhino/Grasshopper, усиленные AI) могут сгенерировать десятки вариантов узла, каждый из которых будет проанализирован на соответствие нормам, теплопотери, стоимость материалов и сложность монтажа. Инженер больше не чертежница, а куратор, который выбирает лучшее из предложенных системой решений.
* **Снижение недоверия:** На первых порах система работает в режиме «советчика». Она не принимает решения, а предлагает варианты с подробным обоснованием: «Вариант А — самый дешевый, но требует сложного монтажа. Вариант Б — на 15% дороже, но соответствует классу энергоэффективности A+ и многократно применялся в проектах X и Y». Решение остается за человеком, но оно уже подкреплено данными.

**Шаг 3: Интеграция и Обучение.**
Система должна быть живой.
* **Обратная связь:** После каждого проекта инженеры добавляют в базу данных информацию о том, как реализованные узлы повели себя на стройке. «AI предложил узел №34. На монтаже выяснилось, что подрядчику не хватает стандартной длины крепежа. Внесли корректировку Z». Система обучается на этих данных, и в следующий раз предложит уже доработанный вариант.

**Как валидировать результат работы ИИ?**

Самый главный вопрос — как доверять машине в такой ответственной сфере? Ответ прост: так же, как мы доверяем новому сотруднику, только процесс проверки гораздо прозрачнее.

1. **Прослеживаемость (Traceability):** На каждое предложенное решение ИИ должен давать ссылку на источник. «Этот узел основан на проекте “Berlin Business Center, 2019, лист AR-205” и соответствует пункту 5.2 стандарта EN 13830». Никакой магии, только факты.

2. **Цифровое моделирование (Simulation):** Прежде чем отправлять чертеж на стройку, сгенерированный ИИ узел можно автоматически отправить на проверку в расчетные комплексы (например, для анализа методом конечных элементов — FEA). Система может просчитать его несущую способность, теплопроводность, устойчивость к ветровым нагрузкам. Это то, что ни один архитектор не делает «в уме» для каждого из тысяч узлов.

3. **Человек-в-цикле (Human-in-the-Loop):** На финальном этапе результат работы ИИ всегда проверяет главный архитектор проекта (ГАП). Но его роль меняется. Он больше не тратит время на рутинное вычерчивание и поиск решений, а фокусируется на высокоуровневой валидации и принятии стратегических решений, имея перед глазами всю аналитику от ИИ.

Вместо того чтобы искать одного человека с 25-летним опытом, ADYD Group могла бы нанять двух талантливых инженеров с 5-летним опытом и инвестировать сэкономленный фонд оплаты труда в создание системы, которая через пару лет будет обладать совокупным опытом всей компании.

Это не отменяет ценности человеческого опыта. Это позволяет его оцифровать, масштабировать и превратить из уязвимого актива в голове одного сотрудника в несокрушимый капитал всей компании.

Вакансия отсюда: https://www.linkedin.com/jobs/view/4402863916/