Что произошло в мастерской

Немецкая столярная мастерская Tischlerei Dein Freund из Ведемарка делает мебель и интерьерные решения на заказ. Для разговора с клиентом ей нужны не только размеры и чертёж, но и быстрые визуальные варианты: как будет выглядеть идея до изготовления. Мастерская уже пользовалась облачным Midjourney. По описанию европейской сети цифровых инновационных хабов EDIH, получение одного подходящего изображения нередко требовало 30–50 запросов; на каждый уходило от 30 секунд до минуты. Узким местом оказался именно цикл поиска вариантов, а не работа столяра у станка.

В рамках программы «сначала проверить, потом инвестировать» команда DIH4AISec установила генератор Stable Diffusion локально и обучила сотрудников пользоваться интерфейсом AUTOMATIC1111. В описании кейса говорится и о создании изображений по простому наброску. Компания получила возможность быстро перебирать концепции в собственном контуре. Это полезный пример для небольшого производства: локальный ИИ здесь не пытается «изготовить мебель», а ускоряет промежуточный язык общения между заказчиком и мастером.

Что означают цифры, а чего они не означают

EDIH приводит около трёх секунд на генерацию одного изображения в локальной системе и указывает, что в лучших случаях время получения удовлетворительного варианта сократилось более чем на 95%. Это сведения из опубликованного описания проекта, а не независимый аудит. Неизвестны модель и версия весов, характеристики компьютера, разрешение, число шагов генерации и то, одинаково ли оценивалось качество вариантов до и после. Поэтому переносить «три секунды» на любой офисный ПК нельзя.

Особенно важно не подменить метрику. Скорость одной генерации — не скорость подготовки согласованного проекта. Между ними остаются отбор вариантов, правка размеров, проверка материала и конструкции, разговор с заказчиком. Картинка может обещать мебель, которая красива только пока её не попробовали собрать. Для мастерской ценность возникает, когда визуализация помогает быстрее обсудить осуществимый вариант, а не когда счётчик изображений побил рекорд.

Финансового ROI и подтверждённого роста выручки источник не приводит. Отмечены ускорение визуальной итерации и приобретение сотрудниками навыка локальной генерации. Из опубликованных данных нельзя вывести окупаемость оборудования для другой компании: в этом проекте внедрение и обучение поддерживал EDIH, а прямые частные инвестиции мастерской не указаны.

Как устроить такой процесс у себя

Похожий сценарий подойдёт производителям мебели, интерьерным бюро, небольшим ателье и другим компаниям, где согласование внешнего вида занимает заметную часть цикла продажи. Сначала определите один тип заказа — например, шкаф по размерам клиента. Возьмите реальные, разрешённые к использованию вводные: фотографии помещения, набросок, допустимые материалы, ограничения по габаритам и два-три контрольных примера реализованных изделий. Не загружайте клиентские фото и планы помещений в чужой сервис без договорного и внутреннего разрешения.

Далее отделите этапы:

  • Менеджер или мастер фиксирует требования и ограничения заказа. ИИ не должен придумывать размеры вместо клиента.
  • Генератор предлагает несколько визуальных направлений. Инструмент может работать локально; интерфейс AUTOMATIC1111 — один из вариантов, но не обязательная часть архитектуры.
  • Человек отсеивает нереализуемые сочетания, сверяет пропорции и делает рабочий эскиз в привычной системе проектирования.
  • Клиент видит вариант с ясной пометкой «концепция, не технический чертёж». После согласования мастер подтверждает конструкцию и смету.

Локальный запуск имеет смысл, если компания регулярно делает варианты, хочет контролировать исходные материалы и готова поддерживать компьютер с подходящим ускорителем. Облачный сервис может быть разумнее при редких запросах или отсутствии ИТ-ответственного. Локальность сама по себе не гарантирует ни конфиденциальность, ни права на выбранные веса: нужно проверить лицензию конкретной модели, доступ к файлам и то, что интерфейс не выставлен наружу без защиты. Название Stable Diffusion обозначает семейство моделей, а не универсальное разрешение на любое коммерческое использование.

Для начала не нужна интеграция с CRM. Достаточно отдельного рабочего места, защищённой папки проектов и правила именования версий. Интеграция становится оправданной, когда эскизы, согласования и сметы начинают теряться между чатами и почтой. Тогда карточка заказа должна хранить исходный бриф, выбранный вариант, дату согласования и человека, принявшего решение. Генератор не получает права автоматически менять цену или обещанный срок.

Экономика без магии «трёх секунд»

Посчитайте полную стоимость одного принятого клиентом концепта, а не цену картинки. Включите время постановки задачи, число повторных попыток, отбор, исправления, согласование, амортизацию компьютера, электричество, сопровождение и обучение. Если специалист тратит сэкономленные минуты на проверку фантазий ИИ, экономии может не быть.

Вот модельный расчёт, не результат Tischlerei Dein Freund. Допустим, мастерская готовит 40 концептов в месяц. На каждый ранее уходило 20 минут рабочего времени на итерации, после пилота — 10 минут, включая отбор и проверку. Разница — 400 минут, или 6 часов 40 минут в месяц. При полной стоимости часа сотрудника 1 200 ₽ это 8 000 ₽ условной месячной экономии труда до вычета расходов на оборудование, внедрение и поддержку. Если же после внедрения проверка прибавит ещё 10 минут, экономия исчезнет. Для решения о покупке подставьте свои значения; эти допущения не доказывают выгоду локального сервера.

Отдельно измерьте коммерческий эффект: сколько клиентов быстрее согласовали проект, сколько циклов правок потребовалось, как часто красивую идею пришлось отвергнуть как технически невозможную. Не приписывайте генератору рост конверсии, пока не сравнили сопоставимые заказы. Быстрые эскизы могут улучшить разговор с клиентом, но не заменяют качество готовой мебели и работу мастера.

Пилот на две недели

Возьмите 10–20 недавних заказов одного типа, для которых уже известны итоговые решения. На части задач повторите прежний процесс, на части — визуальный поиск с ИИ. Фиксируйте не только время генерации, но и время до принятого мастером варианта, число итераций, долю нереализуемых предложений, время согласования с клиентом и случаи, когда картинка создала ложное ожидание. Желательно, чтобы один и тот же специалист оценивал варианты по одинаковым критериям; иначе сравнение будет нечестным.

Установите до начала пилота минимальный эффект, который оправдает расходы. Например: экономить не менее заданного числа часов в месяц без роста числа исправлений и жалоб. Если результат есть, закрепите инструкцию для команды, хранение исходных данных и ручную финальную проверку. Если эффекта нет, это тоже полезное решение: не покупать GPU ради красивого секундомера. Роботу можно поручить охапку эскизов; мерить дверной проём и подписывать смету всё ещё лучше человеку.

Источники: описание кейса EDIH, официальный сайт мастерской и репозиторий интерфейса AUTOMATIC1111. Данные проекта относятся к опубликованному в феврале 2025 года кейсу; эта статья — практический разбор, а не сообщение о новом запуске модели.