Что же вся эта ИИ-мишура значит для тех, кто реально лазает под домами или карабкается по лестницам? Это конец бесконечным часам, когда из каракулей на бумажках и размытых фото со стройплощадки приходится лепить ценник — оптимистичный для подрядчика и заниженный для клиента.
Технари всегда поют одно и то же: «ИИ перевернёт ваш рабочий процесс!» Ага, конечно. Для электриков и сантехников революция пока больше похожа на хроническую мигрень. Общие ИИ-инструменты, с их алгоритмическими душами, не в курсе, какие гайки вы предпочитаете или сколько реально стоит ваша отработанная годами рабочая сила. Они выдают то, что считают правильным, — а это верный путь в минус.
Этот ИИ умный или просто хорошо натасканный?
Вот в чём соль: ИИ не угадывает нюансы вашего бизнеса. Он не знает, что ваша любимая медная труба 1/2” Type L берётся у конкретного поставщика, стоит вам X долларов и накидывается Y процентов. Вы должны ему это втолковать. И не расплывчато, типа «применяй лучшее суждение». Новый подход, судя по всему, в деталях. Берите свой потрёпанный справочник — с кодами поставщиков, себестоимостью и наценками — и запихивайте прямиком в мозги ИИ.
Представьте: вы же не отправите новичка-ученика на объект без ценника? Это цифровой аналог. В оригинальной статье говорят о «правилах предпочтений брендов». Звучит пафосно, а на деле — просто: «Видишь бездиапазонный водонагреватель — бери эту конкретную модель Navien, если только у клиента не стоит Rheem». Для электриков: «В жилых проектах всегда Halo HLB6, если фото не показывает иное». Это способ запечатлеть ваш опыт, чтобы ИИ перестал гадать и начал отражать реальность вашего дела.
Ключ не в использовании ИИ, а в том, чтобы научить его правилам вашего бизнеса.
Эта цитата из первоисточника бьёт в точку. Магия не в технологиях, а в ваших данных. Если вы электрик-подрядчик и ИИ видит нужду в новом контуре, он должен вытащить ваши любимые автоматы Eaton, коробки Halo и кабель Southwire. А потом применить вашу себестоимость и вашу наценку. Так вы защищаете маржу, а не позволяете алгоритму хватать дешёвку с ближайшего сайта.
А что по делу?
Ладно, ИИ сам по себе бесполезен — это мы уяснили. Как же поступить тем, кто не в офисах с видом на океан?
Сначала соберите датасеты. Разложите по полочкам таблицу с материалами: позиция, код поставщика (чтобы не напутать), ваша себестоимость, цена продажи (или чёткая наценка) и применение. Параллельно зафиксируйте топ-10–20 «правил предпочтений брендов» — те очевидные штуки для единообразия смет. И не забудьте трудозатраты: разбейте типовые задачи на часы и деньги. «Замена GFCI-розетки: 0,5 часа, $30». Просто? Зато критично.
Дальше — обучение системы. Загружайте все эти данные в платформу, заточенную под такие дела. В статье упоминают Briggs — она жрёт структурированные данные, анализирует фото и голосовые заметки и выдаёт черновик предложения. Цель — не идеальный финал, а крепкий драфт, который легко проверить и подправить.
Наконец — то, что все пропускают: проверка и доработка. Возьмите недавний простой заказ. Составьте предложение вручную по новым датасетам. Прогоньте те же данные через ИИ. Сравните. Где расхождения? Правила хромают, цены устарели или ИИ что-то не так понял? Дорабатывайте, дорабатывайте, дорабатывайте. Это не «установил и забыл».
Кто тут реально зарабатывает?
Прорежем туман. Компании, строящие такие специализированные ИИ-инструменты, зарабатывают, продавая вам лекарство от старой болячки — убытков на неточных сметах. А вы начнёте больше зарабатывать, когда предложения станут точными. Когда не будете терять прибыль из-за дешёвых заменителей от ИИ или недооценки труда. Это не про внезапные миллионы — про укрепление текущего бизнеса и вырезание админ-шлака, который жрёт вашу маржу.
Всё сводится к банальности: ИИ — инструмент, и его ценность зависит от того, как вы им орудуете. Если готовы повозиться с данными, «революция ИИ» может и окупиться. А если ждёте, что он прочтёт мысли и наклепает прибыльные сметы сам — ну, удачи.
