Компания «Синтека» внедрила ИИ в закупки в свои решения

На сегодняшний день в контуре есть уже четыре продукта: «Синтека», «Закупай», «Фейскит» и «Майснаб».

Разработанная «Синтекой» система анализирует закупочные процессы, выявляя неочевидные возможности для экономии. ИИ-алгоритмы:
⚫️ Автоматизируют тендеры: нейросеть за минуты сравнивает сотни позиций из заявок и счетов.
⚫️ Контролируют бюджет, выявляя переплаты и дублирование позиций.
⚫️ Алгоритмы распознают свыше 1 млн позиций ежемесячно, корректно сопоставляя разные формулировки поставщиков. Так можно оптимизировать логистику и сроки поставок.

Внедрение технологии уже дает застройщикам:
⚫️ До 60% экономии на отдельных позициях, в среднем — до 15%.
⚫️ Сокращение времени обработки заявок на 70%.
⚫️ Минимизацию ошибок из-за человеческого фактора.

Среди клиентов решения — Setl Group, «Эталон» и другие.

58% сотрудников регулярно используют ИИ, чаще всего — бесплатные публичные инструменты, а не корпоративные — KPMG

Отчёт KPMG и Университета Мельбурна охватил более 48 тысяч респондентов из 47 стран и показал: ИИ уже прочно вошёл в нашу жизнь, но доверие к нему остаётся проблемой. 54% людей по-прежнему относятся к ИИ с осторожностью, а 70% требуют регулирования. При этом две трети уже регулярно используют ИИ — чаще всего без специального обучения.

Плюсы ИИ — рост эффективности и инноваций, но риски тоже на слуху: кибербезопасность, приватность, дезинформация и сокращение рабочих мест. Интересно, что в развивающихся странах доверие и принятие ИИ выше, чем в развитых.

В работе и учёбе ИИ уже стал незаменимым помощником: 58% сотрудников и 83% студентов используют его постоянно. Но вместе с этим растёт и число ошибок, связанных с неосознанным или неправильным применением ИИ: власти и образование пока не поспевают за технологиями.

Главный вывод: ИИ — это уже не будущее, а настоящее. Но чтобы его потенциал действительно работал на общество, нужны прозрачные правила, обучение и баланс между инновациями и ответственностью.

Подробнее — в прикрепленном файле. ⬆️
И сегодня решили опросить подписчиков — опросы ниже⬇️

I-Con: расширяем возможности генеративного мастер-планирования с ИИ

Как и обещала, принесла вам примеры того, как периодическая таблица ИИ, недавно вот изобретенная, может помочь при генеративном проектировании в стройке.

Генеративное проектирование городских территорий — сложная задача, где ИИ помогает учитывать сотни факторов: от транспортной доступности и плотности застройки до экологических и социальных ограничений. Фреймворк I-Con предлагает системный подход, который помогает проектировщикам создавать более качественные и адаптивные мастер-планы.

Почему I-Con полезен проектировщикам?

Он помогает более прицельно комбинировать алгоритмы и эффективно сочетать методы кластеризации, регрессии и контрастивного обучения, позволяя выявлять скрытые паттерны и создавать «живые» планы.
Например:
⚫️Автоматическое выделение функциональных зон города с учетом плотности застройки, инфраструктурной нагрузки и социальной активности.
⚫️Сочетание кластеризации и регрессии для оценки оптимальной высотности зданий и плотности жилых кварталов.
⚫️Генерация вариантов застройки с учетом транспортных потоков и доступности общественного транспорта.

Точное управление параметрами генерации. Через призму I-Con проще проектировать модели, учитывающие сложные взаимосвязи между параметрами — высотность, плотность, транспорт, экология — и сохраняющие структуру данных, а не создающие случайные решения.

Поиск новых подходов и инновационных сочетаний методов. I-Con выявляет пробелы в применении алгоритмов, стимулируя создание новых гибридных моделей, которые еще не использовались в урбанистике.
Примеры:
⚫️Использование спектральной кластеризации в сочетании с обучением с подкреплением для определения оптимальных мест под парки и общественные пространства с минимизацией риска джентрификации.
⚫️Комбинация методов снижения размерности и контрастивного обучения для выявления скрытых трендов в изменении городской среды.
⚫️Прогнозирование влияния новых инфраструктурных объектов на социально-экономическое развитие районов.

Оптимизация работы с неполными и шумными данными. Урбанистические данные часто неполны или содержат ошибки. I-Con поддерживает гибридные модели supervised + unsupervised, позволяя строить устойчивые решения даже при частичной разметке.
Примеры:
⚫️Улучшение кластеризации точек интереса и общественных пространств с помощью техник дебайсинга.
⚫️Прогнозирование нагрузки на энергосети и транспорт в новых районах с ограниченными данными.
⚫️Использование слабомаркированных данных для оценки успешности публичных пространств и выявления зон с высоким потенциалом развития.

Формирование новых метрик качества и интерпретируемость решений. I-Con ориентирован на минимизацию расхождения между реальными и целевыми распределениями, что позволяет создавать метрики для оценки реалистичности и «гуманности» планов.
Примеры:
⚫️Оценка, насколько генерируемый мастер-план соответствует логике удобного и комфортного проживания.
⚫️Метрики, учитывающие баланс между плотностью застройки и доступностью зеленых зон.
⚫️Анализ социальных эффектов от предложенных планировочных решений с точки зрения вовлеченности жителей и устойчивого развития.

Периодическая таблица ИИ может сократить разработчикам время на подбор и тестирование методов — выбор из систематизированной таблицы I-Con быстрее и точнее случайного перебора. Так, гипотетически алгоритм, сочетающий спектральную кластеризацию и обучение с подкреплением, может предсказывать, где размещение нового парка максимально повысит стоимость недвижимости без джентрификации.

Как вам идея? Ново, или и так знали?⬇️

Компания Liebherr анонсировала инновационный одноосный самосвал S1 Vision

Ключевые технические особенности:
⭕️Конструкция: одна ось с двумя электромоторами, приводящими колёса (аналогично сегвею, но для тяжёлых грузов).
⭕️Грузоподъёмность: от 220 кг до 140 т (в горнодобывающей версии).
⭕️Манёвренность: нулевой радиус разворота + движение в любом направлении.
⭕️Стабилизация: автоматическая система выравнивания для работы на неровных поверхностях.
⭕️Полностью электрический привод. Это помогает снизить выбросы CO₂.
⭕️Автономность обеспечивается датчиками для самостоятельного движения, объезда препятствий и синхронизации с другими машинами.

В строительстве такую машину можно использовать для точечной доставки материалов в стеснённых условиях.

Подборка редакторов кода, или айтишники пишут код максимум 2 часа — yet another podcast

И на фоне новости постом выше принесла вам подборку ИИ-ассистентов и редакторов кода. Чтобы вы тратили время не на код, а на выбор теплой страны для отпуска

Зарубежные решения
⚫️GitHub Copilot
⚫️Cursor AI
⚫️AskCodi
⚫️BlackBox AI
⚫️Claude от Anthropic
⚫️Cody от Sourcegraph

Отечественные решения
⚫️ Yandex Code Assistant
⚫️ GigaCode, GigaView и GigaIDE от Сбера
⚫️ Kodify и Software 2.0 от MTS AI

Различия между ними проявляются в уровне интеграции и функциональности:

🔵Cursor — полноценная IDE на базе VSCode с расширенными возможностями контекстного рефакторинга и контроля изменений.

🔵GitHub Copilot работает как плагин с мощным автодополнением.

🔵AskCodi и BlackBox AI больше ориентированы на автоматизацию тестов и поиск решений.

🔵Отечественные решения (Яндекс Code Assistant, Сбер GigaIDE, MTS Kodify) делают акцент на поддержке локальных языков и командной работе.

🔵А некоторые, как Claude и Cody, выделяются глубоким пониманием контекста и стилем кода проекта, а Cursor предлагает более структурированную и прозрачную работу с изменениями и отладкой.

Пробовали эти? Знаете ещё? Делитесь в комментариях⬇️

Fuzor — BIM-платформа с продвинутым VR-функционалом

⚫️ Поддержка HTC Vive, Oculus Rift, Windows MR с трекингом положения и рук.
⚫️ В VR: редактирование моделей (перемещение объектов, смена материалов, солнечные исследования).
⚫️ 4D-просмотр строительства с управлением анимацией и паузами.
⚫️ Аннотации, голосовые комментарии, скриншоты и видео в VR.
⚫️ Автономные VR-просмотрщики для распространения проектов без установки ПО.
⚫️ Игровой движок обеспечивает работу с большими BIM-моделями без потери производительности.
⚫️ Интеграция с 4D/5D-данными и планировщиками (Primavera, MS Project).

Попробовать можно здесь

✍️ Как создать ИИ-агента для инженерных задач

Нашли статью Ананде Бергмана (директора по развитию компании Viktor.ai и эксперта в области BIM), где он рассказывает, как создать своего ИИ-ассистента для проектирования. Ниже — инструкция тезисно.

Основная проблема большого ИИ на сегодня — его неточность. Ананде предлагает создать связку из LLM, скриптов и человека, чтобы эту проблему побороть.

⚫️ LLM понимает ваши запросы на естественном языке, принимает изображения и текст, управляет процессом.
⚫️ Инструменты (скрипты, модули) выполняют конкретные инженерные задачи — например, анализ изображений, расчёт методом конечных элементов (FEM).
⚫️Человек в цикле — инженер контролирует процесс, проверяет результаты и принимает финальные решения.

Выберите платформу и инструменты
🔵 Для прототипа подойдут Python и публичные API LLM (Claude, ChatGPT, Llama).
🔵 Для визуализации и расчётов добавьте свои скрипты на Python (например, matplotlib для графиков, numpy/scipy для расчётов).
🔵 Для интеграции используйте open-source проекты, например, Simple Truss Analysis agent.

Опишите системное сообщение и инструменты
🔵 Системное сообщение — это инструкция для LLM: кто он, что должен делать, какие правила соблюдать.
🔵 Описание инструментов — список функций, которые агент может вызывать (например, анализ изображения, расчёт FEM), с описанием входных и выходных данных.

Реализуйте посредника между LLM и инструментами
🔵 LLM не может напрямую запускать ваши скрипты. Он формирует запрос (например, «проанализируй это изображение»), а ваш агент выполняет нужную функцию и возвращает результат LLM.
🔵 Для Python это обычно цикл: получить запрос → вызвать нужный инструмент → вернуть результат агенту.

Проверьте работу на простых примерах
🔵 Начните с простого: дайте агенту изображение простой фермы, посмотрите, как он извлекает геометрию и запускает расчёт.
🔵 Проверьте, правильно ли агент интерпретирует нагрузки, опоры и элементы.
🔵 Исправляйте промпты и дорабатывайте инструменты по мере необходимости.

Добавьте контроль инженера
🔵 Всегда проверяйте результаты: агент может ошибаться, особенно на сложных чертежах.
🔵 Позвольте агенту запрашивать уточнения, если данных недостаточно.

Экспериментируйте и развивайте
🔵 Добавляйте новые функции: подбор профиля, проверка по нормам, генерация отчётов.
🔵 Для сложных задач используйте специализированные агенты (например, отдельный агент для анализа изображений).
🔵 Если нужно — дообучайте модель на своих данных.