100% - да.

С людьми так же: иногда получаешь проект, а в нём заложено неправильное инженерное решение — и оно ещё прошло госэкспертизу. Так что вопрос качества не только к ИИ 😉 Как нибудь расскажу о таком случае.

Возможно, да. А может и нет — так и останется инструментом 🤷‍♂️

Как люди... 😏

Я слышу, как многие выбрали путь внедрения ИИ в бизнес. Было бы интересно посмотреть на конкретные примеры: где именно это реально дало результат!? Тема интересная, смотрю скептически 🤨

В моем случае мне нужно было посчитать модель черепа на основе терморегуляции, если бы я это делала сама - это было бы очень долго, с ИИ все расчеты заняли 15 минут.

Вопрос внедрения - это вопрос понимания на каком участке процессов внедрять.  Сейчас поголовная мода без понимания сути, нейронка всего лишь инструмент.

Я сейчас многие расчеты делаю быстрее. Но опять же исключительно там, где ИИ применим.

Получается, реальная ценность ИИ именно там, где важна скорость обработки данных, а не поиск новых решений?!

И да, и нет Поиск новых решений возможен там, где есть математические расчеты или человек понимает, что ему нужно на выходе, вопрос исключительно в составлении запроса, если запрос хаотичный, то на выходе будет хлам, если в запросе четко отражена задача с четкими критериями, то ии выдаст новое решение, но опять же все зависит от человека, который пользуется ии

Всё упирается в постановку задачи. 👍

Да,а у нас модно все делать так, как модно в трендах

Это да 🙂‍↕️

Ну наконец-то кто-то подсказал какой ии считает хорошо)

Максим, согласен с вашим опытом 👍 Я сам пробовал: загрузил в ИИ всю нормативку — СП, СНиП, плюс базу типовых расчётов. Но всё равно он не “лопает” задачу так, как это делает инженер с опытом. В сложных кейсах чувствуется, что ему не хватает понимания контекста и практики. Вот бы найти человека из AI и с ним оттеснить эту задачу.

Иногда RAG улучшает работу модели, плюс хороший системный промпт. Я делала проект для тестировщиков, то есть там тоже были регламенты огромные по 600 листов. В целом, семантический поиск работал очень хорошо, отправлял нужный контекст в llm и тестировщики были довольны результатом)

Елена, спасибо за комментарий 🙌 Про RAG слышал, но на практике ещё не применял. А можете подсказать, где его реально стоит использовать в инженерных кейсах? Например, когда много нормативки и расчётов. Хотелось бы понять, в чём ключевая разница: это просто поиск нужного фрагмента или реальное “понимание” задачи?

Весь ИИ это алгоритм, ни о каком понимании там речи не идет в данный момент. То есть в принципе   LLM не «понимает» как человек — она предсказывает токены. Но с RAG модель сначала достаёт из базы только релевантные фрагменты, отсекает шум и уже на них генерирует ответ с цитатами. Это не магическое понимание, а «заземление» на источники: меньше галлюцинаций и выше точность в сложных кейсах. Ключ — правильная индексация, гибридный поиск (векторный+BM25), reranking и пост-проверки    Но как раз именно этот подход даст более релевантный ответ, но понять - точно нет    Поэтому в идеале: модель с rag генерирует - человек контролирует. И в целом, если заморочиться, можно  всегда докрутить до вполне хорошего результата

Спасибо, очень ценное разъяснение 🙌 Получается, RAG может стать инструментом, который действительно применим в инженерии для работы с нормативами и расчётами.👍

Согласен, пока нужен контроль. Но ведь и людей мы учим на ошибках. Может, и AI должен пройти через этот же путь?

Возможно, мне, честно, пока неясно к чему это все приведет в итоге

Я вижу, здесь много профессионалов, которые глубоко пишут про AI. Вот бы услышать именно ваше мнение: где вы реально видите применение ИИ в инженерии? А они молчат 😉

Я не работаю в инженерии) Не знаю. Глубоко про ИИ не пишу. Использую как инструмент в рутинных задачах. Наблюдаю за его развитием. Прогнозы не строю - не умею заглядывать в будущее

Елена, я понял 😊 Мой вопрос был скорее не лично к вам, а к сообществу в целом. Просто смотрю ленту — в основном тут либо AI, либо подбор персонала. Вот и захотелось услышать мнение тех, кто глубоко пишет про ИИ.