Алексей Кривоносов
Цифровой Стандарт

Цифровой
Стандарт

AI-инструменты для строительства без галлюцинаций

Доменно-ориентированная RAG+GenAI платформа для работы с нормативными документами. Качество ответов — 99%+ против 50-60% у универсальных LLM.

Почему обычный AI не работает в строительстве

Обычные LLM путают пункты, теряют условия применимости, некорректно интерпретируют таблицы и формулы. Для инженерных процессов это неприемлемо.

1,2 млн
дефицит кадров в строительстве
85%
компаний — кадровый голод
50-60%
точность обычных LLM на нормативах
99%+
точность СВОД на валидированных сценариях

Пример: один вопрос — два ответа

Где в СП сказано про толщину шва в газобетонном блоке?

ChatGPT

Толщина шва для кладки газобетонных блоков указана в:

СП 70.13330.2012

(актуализированный СНиП 3.03.01-87) «Несущие и ограждающие конструкции»

П. 9.7.4

При кладке блоков из ячеистых бетонов на клеевых составах толщина горизонтального шва должна быть 2–3 мм.

Пункт 9.7 — про силикатные блоки, не про газобетон. Ответ выглядит правильным, но норма не та.

СВОД

В предоставленных фрагментах нет прямой нормы СП, которая бы задавала «толщину шва именно для газобетонных блоков».

Наиболее близкое упоминание про кладку из ячеистобетонных (в т.ч. автоклавных) блоков есть в СП 15.13330.2012 — но там толщина шва фигурирует как условие для понижающего коэффициента (при шве 15–20 мм), а не как «требуемая» толщина.

СП 70.13330.2012 (раздел 9.7) задаёт толщины швов, но для силикатных блоков, а не для газобетона.

Прямой нормы нет — и СВОД честно об этом говорит, а не выдумывает ответ.

Нормативная база без галлюцинаций

СВОД — Система Векторного Объединения Данных

Наша разработка для работы со сложной технической документацией. Не «чат с документами» — а доменная архитектура поиска и генерации. Каждый слой оптимизирован под специфику строительных норм, документация разбита на смысловые фрагменты, а не нарезана механически.

Шаг 1

Извлечение данных

Специализированный контур нормализации нормативных документов

Шаг 2

Смысловое чанкирование

Сохранение логических единиц — от одной формулы до нескольких страниц

Шаг 3

Контур формул

Отдельная обработка формул и зон низкой уверенности с доп. проверкой

Шаг 4

Гибридный retrieval

Комбинация семантического и ключевого поиска + ранжирование результатов

Шаг 5

Quality-gate

Проверка релевантности контекста и корректности генерации

Шаг 6

Ответ со ссылкой

Точная цитата с указанием пункта СП/ГОСТ. Если не найдено — явное сообщение

Продукты

Создаём инструменты, которые реально снижают расходы и оптимизируют работу специалистов в консервативной и наукоёмкой отрасли строительства. Мы даём отрасли инженерные AI-решения, которые работают на практике, а не маркетинговые обёртки с LLM под капотом.

СВОД — нормативная база

Машиночитаемые СП/ГОСТ с точными цитатами и ссылками на пункты. Семантический поиск, API для интеграции в CRM/ERP, self-hosted для корпоративных заказчиков.

Автоматизация сметного документооборота

КС-2 → КС-6а, КС-3, реестры, проверка расценок. Платформа Докфлоу (Digital Standard Docflow) — документный конвейер для ПТО и сметчиков.

MVP готов, внутреннее тестирование

AI-Фундамент (анализ ИГИ)

Анализ инженерно-геологических изысканий. 1-3 варианта фундамента с условиями применимости, карта рисков, нормативные опоры через СВОД.

MVP готов, внутреннее тестирование

AI-ассистент технического надзора

Голос и фото с объекта → готовый отчёт за 5-10 минут. Транскрипция, анализ фото, нормативные ссылки, Word по фирменному шаблону.

MVP готов, внутреннее тестирование
В Telegram

Выступления

Строительство остаётся одной из самых консервативных отраслей — и одной из самых нуждающихся в оптимизации.

Рассказываю на конференциях о практическом применении ИИ в строительстве — без маркетинга, только реальный опыт: ограничения моделей, работа с нормативной базой, автоматизация технадзора и сметной документации.

Пригласить спикером

Попробуйте СВОД

Задайте вопрос по нормативам — получите точный ответ с ссылкой на пункт СП.

Попробуйте бесплатно в Telegram.

Попробовать бота