Кейс: микрокомпания автоматизирует не осмотр, а интерпретацию

Датский Institut for Fugtteknik — микрокомпания численностью до девяти человек. Вместе с Alexandra Institute и датским European Digital Innovation Hub она проверила систему диагностики сырости в зданиях: тепловые и другие измерения обрабатываются алгоритмами, результат отображается на 3D/AR-модели, а отчёт формируется автоматически.

Официальная карточка EDIH говорит о 600 обследованиях зданий и классификации четырёх типов сырости. Там же заявлено улучшение диагностической точности более чем на 80% по сравнению с ручной интерпретацией. В открытом описании нет матрицы ошибок, размера контрольной выборки и пояснения, идёт ли речь о росте на 80 процентных пунктов или об относительном улучшении. Поэтому показатель следует воспринимать как результат, сообщённый участниками программы, а не как независимо воспроизведённый бенчмарк.

Практическая ценность кейса не в одной цифре. Он показывает, как малому сервисному бизнесу внедрять ИИ в физический процесс: сохранить эксперта ответственным за диагноз, стандартизировать сбор данных и автоматизировать повторяемую часть интерпретации и отчётности.

Какую задачу решали

Традиционное обследование зависит от опыта специалиста, условий съёмки и того, насколько последовательно он сопоставляет показания разных приборов. Одинаковое холодное пятно на термограмме может быть связано с влагой, тепловым мостом, движением воздуха, материалом поверхности или внешней погодой. Ошибка приводит либо к пропущенной проблеме, либо к ненужному вскрытию и ремонту.

Для микрокомпании есть и экономическое ограничение: каждый отчёт отнимает время ведущего эксперта. Масштабировать услугу только наймом сложно, потому что нового сотрудника нужно обучить не просто работе с камерой, а интерпретации сочетаний признаков.

В кейсе алгоритмы не заменяют обследование. Они помогают:

  • сопоставлять тепловые измерения и другие данные стены;
  • группировать похожие паттерны;
  • относить наблюдение к одному из четырёх классов;
  • показывать распределение проблемы на цифровой модели здания;
  • собирать единообразный черновик отчёта.

Так эксперт меньше времени тратит на механическую обработку и больше — на проверку причины и рекомендации.

Почему одной тепловой камеры недостаточно

ISO 6781-1:2023 описывает инфракрасные методы для выявления тепловых, воздушных и влажностных аномалий в зданиях. Стандарт обращает внимание на оборудование, условия, квалификацию оператора и правила отчётности. Термограмма отражает распределение поверхностной температуры, на которое влияют характеристики поверхности, окружающая среда и сам сенсор.

ASTM E3216-26 формулирует ограничение ещё прямее: тепловая аномалия может помочь найти зону возможной влаги, но её следует подтверждать прямыми измерениями в репрезентативных точках. RICS также рекомендует проверять подозрение влагомером, а не делать вывод только по изображению.

Отсюда важный архитектурный вывод. ИИ должен получать не «красивую картинку», а пакет обследования:

  • исходную радиометрическую термограмму, а не только JPEG;
  • контактные показания влажности в выбранных точках;
  • температуру и относительную влажность воздуха;
  • время, погоду, отопительный режим и разницу температур внутри и снаружи;
  • материал и конструкцию стены;
  • положение сенсора, расстояние, угол и настройки эмиссии;
  • подтверждённый экспертом диагноз и последующее состояние объекта.

Без этих полей модель легко выучит условия съёмки вместо причины дефекта.

Как устроить данные, чтобы 600 осмотров стали активом

Главная инвестиция такого проекта — не нейросеть, а протокол. Каждое обследование должно иметь стабильный идентификатор объекта, помещения, поверхности и точки измерения. Исходные файлы хранятся неизменно, а преобразованные изображения и признаки получают версию конвейера.

Для каждого примера полезно разделить три уровня разметки:

  • наблюдение: тепловая аномалия, повышенная влажность, следы, запах, повреждение отделки;
  • подтверждение: результат влагомера, вскрытия, лабораторного анализа или повторного осмотра;
  • причина: протечка, конденсация, капиллярный подсос, тепловой мост либо другой согласованный класс.

Если смешать наблюдение и причину, модель научится уверенно называть диагноз там, где есть только косвенный сигнал. В спорных случаях нужна метка «недостаточно данных» и маршрут на дополнительное измерение.

Разделять набор на обучение и тест следует по зданиям, а не по отдельным кадрам. Соседние снимки одной стены слишком похожи; если часть попадёт в обучение, а часть в тест, точность будет завышена. Отдельно нужен набор для новых материалов, сезонов и типов конструкций.

Архитектура для малого сервисного бизнеса

Для такой задачи не требуется начинать с большой языковой модели. Классификацию и локализацию аномалий выполняет небольшая модель компьютерного зрения либо модель на сочетании изображений и табличных признаков. Её можно запускать на защищённой рабочей станции или полевом ноутбуке, если исходные планы и данные объектов нельзя передавать во внешний сервис.

Рабочий контур выглядит так:

  • мобильное приложение проводит специалиста по обязательным точкам и проверяет полноту полей;
  • файлы и показания подписываются идентификатором обследования и сохраняются в локальном хранилище;
  • сервис контроля качества отклоняет размытые кадры, неверные настройки и пропуски;
  • модель отмечает подозрительные зоны и выдаёт класс вместе с уверенностью;
  • правило отправляет низкую уверенность и конфликт сенсоров эксперту;
  • инженер подтверждает или меняет вывод и указывает основание;
  • генератор формирует отчёт по шаблону с измерениями, фотографиями и оговорками;
  • подтверждённая правка возвращается в набор данных только после проверки.

LLM может помочь с черновиком понятного клиенту объяснения, но не должна придумывать измерения или причину. Значения подставляются из структурированных полей, а текст проходит проверку специалистом.

Что измерять в пилоте

Показатель «точность» слишком общий. Ошибка пропуска опасной влаги и лишный выезд имеют разную цену. До теста нужно определить классы, стоимость ошибок и порог эскалации.

Минимальная панель метрик включает:

  • полноту по каждому типу проблемы: какую долю подтверждённых случаев модель нашла;
  • точность предупреждений: сколько отмеченных зон действительно подтвердились;
  • матрицу ошибок между четырьмя классами;
  • долю случаев «недостаточно данных»;
  • время от входа на объект до готового проверенного отчёта;
  • долю отчётов, принятых экспертом без исправления диагноза;
  • число повторных выездов и ненужных вскрытий;
  • качество по сезонам, материалам, операторам и типам камер.

Для первых решений лучше повышать полноту и отправлять сомнительное человеку, чем скрывать неуверенность ради красивой средней точности.

Экономика: считать часы эксперта и стоимость ошибки

Окупаемость складывается из трёх частей: сокращения времени на интерпретацию и отчёт, роста числа обследований на одного специалиста и снижения стоимости ошибочных решений. Покупка тепловизора или локальной рабочей станции — только часть затрат.

Модельный расчёт можно построить без обещаний. Зафиксируйте число обследований в месяц, среднее время анализа и отчёта, полную стоимость часа специалиста и долю повторной работы. После пилота подставьте фактическое сокращение времени и изменение ошибок. Из эффекта вычтите амортизацию приборов, разработку, хранение данных, проверку качества и переобучение.

Формула месячного эффекта:

`обследования × сэкономленные часы × стоимость часа + предотвращённые повторные работы − ежемесячная стоимость контура`.

Если система лишь ускоряет отчёт, но не меняет пропускную способность и не снижает ошибки, ценность может оказаться небольшой. Если высвобождённое время позволяет ведущему эксперту принимать больше объектов или обучать партнёров, эффект выше.

30-дневный тест до закупки

Недорогой пилот можно провести на одном типе здания и одном процессе:

1. Выбрать 80–120 архивных обследований с подтверждённым исходом и убрать персональные данные.
2. Согласовать четыре рабочих класса, метку неопределённости и цену каждого типа ошибки.
3. Описать единый протокол съёмки и обязательные дополнительные измерения.
4. Разделить выборку по объектам и оставить последние 20–30 случаев для слепого теста.
5. Сравнить модель с двумя специалистами, которые не видят ответы друг друга.
6. Провести 10–20 новых обследований параллельно старому процессу, не отдавая модели право финального диагноза.
7. Посчитать время принятого отчёта, ошибки, повторные измерения и стоимость на обследование.

К ограниченной эксплуатации стоит переходить, если результат устойчив между объектами и операторами, критические пропуски укладываются в заранее установленный порог, а эксперт действительно экономит время. Если выигрыш исчезает зимой, на новом материале или другой камере, сначала исправляют данные и протокол, а не увеличивают модель.

Что взять российскому руководителю

Этот датский кейс полезен не готовым продуктом, а последовательностью действий: микрокомпания начала с реального набора обследований, объединила отраслевого эксперта и технического партнёра, проверила идею до большой инвестиции и оставила человеку понятный интерфейс и право решения.

Для строительной экспертизы, эксплуатации недвижимости, сервисного ремонта и страхового осмотра локальная аналитика особенно уместна, когда планы и снимки объекта чувствительны или связь на площадке ненадёжна. Но «локально» не отменяет метрологию. Первый шаг — описать протокол обследования и собрать подтверждённые примеры; выбор модели начинается после этого.

Управленческий вывод прост: автоматизируйте сопоставление сигналов и черновик отчёта, а не ответственность инженера. Внутрик может принести двадцать влагомеров, но подпись под причиной протечки всё ещё ставит человек.