Технический эксперт COMETAL автоматизировал 20 % проверки документации с помощью нейросетей
За два месяца специалист COMETAL внедрил LLM‑решения в процесс контроля конструкторской документации, сократив рутину на 20 % и ускорив работу на 30 %.
В статье на Habr AI рассказывается, как технический эксперт компании COMETAL (подразделение «Северсталь») за два месяца передал нейросетям часть своей рутины по проверке конструкторской документации. Основные боли были очевидны: однообразные проверки чертежей, повторяющиеся таблицы и постоянные запросы к заказчику. Автор решил использовать крупные языковые модели (LLM) для автоматизации этих задач.
Сначала он построил набор промптов, позволяющих LLM быстро извлекать ключевые параметры из чертежей и сравнивать их с требованиями нормативов. Затем интегрировал модель в внутреннюю систему контроля через API‑интерфейс, используя простые скрипты на Python и библиотеку LangChain. В результате модель генерировала предварительные отчёты, предлагала типовые ответы на часто задаваемые вопросы и автоматически заполняла таблицы.
За первые две недели система покрыла около 10 % рутинных операций, а к концу второго месяца — 20 % от общего объёма проверок. При этом скорость формирования отчётов выросла на 30 %, а количество выявленных несоответствий снизилось благодаря более тщательному первичному анализу. Автор подчёркивает, что полностью полагаться на ИИ нельзя: каждый вывод проверяется вручную, а конфиденциальные данные обрабатываются в закрытом окружении.
Подробный разбор подхода, примеры промптов и код доступны в оригинальной статье: https://habr.com/ru/companies/severstal/articles/1075916/. Этот кейс демонстрирует, как даже в традиционных инженерных процессах можно получить ощутимую выгоду от современных AI‑инструментов.
Для разработчиков и студентов AI‑курсов такой пример подтверждает, что LLM‑модели уже способны решать прикладные задачи в инженерии, освобождая специалистов от повторяющихся проверок. Главное – выстроить надёжный процесс валидации и обеспечить безопасность данных.
