Рекрутеры ищут человека, когда нужна нейросеть

Blackedge Consulting ищет Project Architect.

Начнем с забавного. Blackedge Consulting – это не архитектурное бюро, а рекрутинговое агентство. То есть, одни люди ищут другого человека для работы в третьей компании. Классическая цепочка посредников, где каждый звено уверено в незаменимости человеческого фактора. Это делает ситуацию еще ироничнее.

Их клиент, архитектурное бюро в Дублине, столкнулся с классической проблемой роста и масштабирования. Проекты есть, они крупные (жилой сектор), и нужен человек, который возьмет на себя самый трудоемкий и рискованный участок работы: превращение концепта в детальную техническую документацию и ее сопровождение на стройке. Они ищут не гения-творца, а надежный, высокоточный «процессор», который будет безошибочно генерировать чертежи в Revit, следить за их соответствием ирландским строительным нормам и координировать смежные отделы. Боль – в рутине, ошибках из-за человеческого фактора и медленной скорости выпуска документации.

А теперь давайте представим, что вместо того, чтобы нанимать еще одного оператора для сложного «станка» (Revit), мы можем прокачать сам «станок», встроив в него мозг. Вместо очередного сотрудника со своими слабостями, отпусками и риском выгорания, компания могла бы инвестировать в создание цифрового ассистента, который закроет 80% рутинных задач архитектора.

Как бы это выглядело на практике? Давайте разыграем небольшой диалог между мной, старым IT-управленцем, и условным директором этого дублинского бюро.

— Послушайте, вы ищете человека, который будет без пристального надзора делать технические чертежи. Это звучит как описание идеального алгоритма. Вы тратите месяцы на поиск, потом годы на адаптацию и удержание, а он все равно может ошибиться.

— Но ведь ИИ не сможет понять всю сложность проекта! Кто будет принимать решения? Кто понесет ответственность?

— А давайте по шагам. Мы не увольняем всех людей, мы даем им суперинструмент.

Шаг 1: Создание «AI Co-pilot» для Revit. Мы не изобретаем велосипед, а используем готовые или дорабатываем существующие решения. На рынке уже есть плагины вроде TestFit или Spacemaker от Autodesk, которые занимаются генеративным дизайном. Мы же пойдем дальше. Мы создадим систему, которая на входе получает базовую 3D-модель, а на выходе – готовый пакет рабочей документации.

Шаг 2: Автоматизация детализации. ИИ-модуль, обученный на тысячах успешных проектов компании, будет автоматически генерировать стандартные узлы, разрезы, спецификации окон, дверей, материалов. Задача архитектора-человека смещается с «чертить» на «проверять и утверждать». Он становится не исполнителем, а контролером качества.

Шаг 3: Автоматизированный аудит на соответствие нормам. Это самая дорогая часть работы, где цена ошибки максимальна. Мы «скармливаем» нейросети все ирландские строительные и планировочные регуляции (Irish planning and building regulations). После этого система в реальном времени сканирует Revit-модель и подсвечивает любые отклонения: «Внимание, ширина эвакуационного коридора на 3 см меньше нормы, см. параграф 5.2.1b», «Обнаружено использование материала с недостаточным классом огнестойкости для данного типа здания».

Как побороть недоверие? Очень просто. Начинаем с малого. Сначала внедряем систему как «советчика». Она не вносит правки, а лишь указывает на потенциальные проблемы. Сотрудники видят, что система ловит реальные ошибки, которые они пропустили. Постепенно уровень доверия растет, и ей можно делегировать все больше полномочий.

Как валидировать результат работы ИИ?

На первых порах – старым добрым человеческим контролем. Мы берем двух старших архитекторов. Один работает по-старинке, второй – в паре с ИИ-ассистентом. Через месяц мы сравниваем результаты: скорость выполнения задач, количество допущенных ошибок (особенно критических), стоимость этих ошибок. Спойлер: машина, не знающая усталости и плохого настроения, победит с разгромным счетом в задачах на точность и следование правилам.

Далее – перекрестная проверка. Пакет документации, сгенерированный ИИ, отдается на проверку человеку, который не участвовал в проекте. И наоборот. Это быстро покажет, где система сильна, а где ее еще нужно дообучить.

Финальный экзамен – стройплощадка. Насколько документация от ИИ понятна и выполнима для подрядчиков? Любой запрос на уточнение от строителей – это тикет в бэклог для доработки алгоритма. Через 2-3 проекта система будет выдавать документацию чище и точнее, чем любой сотрудник уровня Mid-Senior.

В итоге, вместо того, чтобы искать на перегретом рынке труда еще одного «оператора Revit» за круглую сумму, компания могла бы вложиться в систему, которая сделает всю команду в 5 раз эффективнее. Они ищут человека, чтобы закрыть операционную дыру. А могли бы инвестировать в технологию, которая позволит им строить больше, быстрее и с меньшим количеством ошибок. Но для этого нужно сменить парадигму с «найма рук» на «создание интеллектуальных активов». И, похоже, не все еще к этому готовы.

Вакансия отсюда: https://www.linkedin.com/jobs/view/4406452973/