Инженерный центр решения сложных задач
Решаем сложные задачи: ИИ, математика, инженерия.
Приносите задачу, а не готовое ТЗ. Разберём процесс и его экономику и подберём способ: ИИ, алгоритм, ERP или их сочетание. Внедрение ИИ предлагаем там, где он окупается. Если не окупится, скажем об этом до начала работ.
Вы описываете проблему своими словами, мы отвечаем тем, что уже делали
Ниже реальные задачи, с которыми к нам приходили. За каждой стоит кейс: отрасль, что мы сделали и что удалось измерить.
Пять типов задач и один принцип: сначала проблема, потом технология
Когда задача не решается готовым инструментом, мы идём глубже
Автоматизация берёт готовый инструмент и встраивает его в процесс. Часть задач так не решается: нужен свой алгоритм, численные методы с контролем точности или исследование. Для таких задач у нас есть своя технологическая база: библиотеки и движки, которые мы пишем и сопровождаем сами.
Собственная численная база
Balansis: открытая численная библиотека, в которой потеря точности видна и проверяема.
Сумма [1e16, 1, −1e16] в обычной арифметике даёт 0, а в Balansis остаток 1,0 сохраняется: пример разобран в кейсе библиотеки.
Метрика вместо «вроде работает»
Любую модель сравниваем с простым базовым решением. Если она его не обходит, она не нужна.
Отрицательные результаты публикуем. Например, в открытом репозитории Agent Native Universe записано, что на одноагентных задачах граф связей между агентами выигрыша не дал.
Воспроизводимость как инженерная норма
Исследовательские системы строим детерминированными: тот же вход даёт тот же результат, байт в байт. Тогда результат можно проверить, а ошибку повторить.
Так устроена наша среда для агентов Agent Native Universe: прогон повторяется из журнала у любого, кто скачает код.
От постановки до рабочей системы
Проходим весь путь: постановка задачи, исследование, прототип, система в эксплуатации. Библиотеки и алгоритмы пишем сами, когда готовые не подходят.
Пример: закупки авиазапчастей. От ИИ-агента на рабочей почте до прототипа системы закупок на 11 экранов и 6 ролей.
Что мы сделали и что удалось измерить
Пилоты по договору, системы в эксплуатации и прототипы на реальных данных. Названия клиентов не раскрываем: в каждом кейсе отрасль, задача и цифры с указанием, откуда они взяты.
Открытый код, доказательства и повторяемые прогоны
Здесь то, что можно открыть и проверить самому. Где код закрыт, показываем, как система себя ведёт.
Мастерская: на чём мы проверяем методы
Методы, которые мы предлагаем заказчикам, мы сначала проверяем на этих системах. У каждой указан статус по той же шкале, что на странице технологий: в продакшене, в активной разработке или исследование.
StudyNinja
в продакшенеОбразовательная платформа
Платформа, на которой работают наши методы
Платформа подготовки школьников: граф знаний по школьной математике, диагностика пробелов и подбор следующего шага обучения. Работает в продакшене, пока как закрытая бета.
studyninja.ruKnowledgeBaseAI
в активной разработкеПлатформа знаний
Граф знаний как отдельный слой системы
Движок, который описывает предметную область как связанную модель: сущности, отношения и происхождение каждого знания. Работает отдельным сервисом; в продакшене на нём работает граф StudyNinja.
Agent Native Universe
в активной разработкеСреда агентов, открытый код
Среда, в которой агенты договариваются, платят и приходят к согласию
Среда для самоорганизующихся агентов: переговоры об отношениях, ресурсная экономика, протокол согласия в стиле PBFT для фиксированного набора узлов и вложенные группы агентов. Правила исполняет код, а не просьба в промпте.
исследовательская программаMagicBrain
исследованиеНейронное ядро
Собственная линия исследований по биоподобным сетям
Исследовательское ядро: импульсные сети, локальное обучение, архитектуру сети задаёт компактный геном вместо ручного проектирования. Код открыт; в продуктах пока не используется.
Balansis
в активной разработкеЧисленная библиотека
Арифметика, устойчивая там, где обычная ломается
Библиотека вычислений, в которой деление на ноль, переполнение и потеря точности не выводят расчёт из строя и остаются видны в результате. Код открыт.
UWT
исследованиеНаучный трек
Теоретическая работа с монографией и подготовленным препринтом
Отдельная исследовательская линия: монография, реестр экспериментов с тестами и пакет препринта, который подготовлен, но ещё не отправлен. У каждого эксперимента указан уровень доверия к результату.
uwt.xteam.proСначала понять, потом построить: восемь шагов от задачи до результата
- 01
Разговор о задаче
Понимаем проблему и называем вещи своими именами: где эффект, где данные, где ограничения.
- 02
Диагностика данных и процесса
Смотрим, есть ли данные и есть ли в них сигнал. Итог диагностики даёт ответ, можно ли строить решение на этих данных, ещё до пилота и до основных затрат.
- 03
Выбор подхода
Технологию выбираем последней: ИИ, алгоритм, ERP или их сочетание. Берём то, что дешевле приводит к результату.
- 04
Архитектура и гипотеза
Проектируем систему целиком (модели, интерфейсы, сценарии отказа) и формулируем гипотезу, которую можно опровергнуть. Метрику успеха фиксируем до старта.
- 05
Пилот на реальном участке
Рабочее решение на ограниченном участке процесса, с метрикой и сравнением с тем, как было до него.
- 06
Проверка качества
Оценка качества, нагрузочные тесты и проверка безопасности. Слабые места ищем до того, как их найдут ваши пользователи.
- 07
Эксплуатация и интеграция
Встраиваем в рабочий контур: 1С, CRM, ERP, мессенджеры. Права доступа, журнал действий и стоимость эксплуатации настраиваем сразу.
- 08
Результат и развитие
Принимаем результат по метрике, зафиксированной до старта. Передаём систему вашей команде с документацией и обучением, чтобы её могли сопровождать без нас. Если есть смысл, переходим к соседним процессам.
Небольшая команда инженеров и исследователей
Почему мы называемся «Команда восьмого дня»
Рассказ о сотворении мира укладывается в семь дней творения. Восьмого дня в нём нет, и мы прочитали это как приглашение: мир дан, дальше работа человека. Понять, как устроено то, что есть, построить то, чего ещё не было, и ответить за результат. Так мы и работаем: берём задачи, для которых нет готового ответа, и доводим решение до работы.
Раньше нас знали как XTeam.Pro. Название сменилось, а команда, подход и юридическое лицо (ООО «ИКСТИМ.ПРО») остались прежними.
Те же люди, что строят наши системы
Вашу задачу ведут инженеры, которые строят и сопровождают наш движок графа знаний, открытые библиотеки и среду для агентов.
Цифры с источником
Цифры сверены с артефактами проектов: договором, тестами, конфигурацией. Где подтверждения нет, это сказано в кейсе, а расчётные оценки помечены как расчётные.
Сначала страховка
Откат, журнал действий и проверку перед выкладкой проектируем вместе с системой, поэтому изменения можно выпускать часто и без героизма.
Человек отвечает за результат
Рутинную часть инженерной работы у нас делают ИИ-агенты в заданных границах. Решения, приёмку и подпись под результатом оставляем людям.
Отрасли наших проектов для заказчиков
Кейсы обезличены: вместо названия клиента указана отрасль.
Что можно проверить
Измеренный результат
Спецификация сэндвич-панелей из чертежа: подготовка занимает 10–30 секунд вместо 2–15 часов вручную, и итог совпал с ручной спецификацией построчно.
Смотреть кейсОткрытый код
Численная библиотека Balansis на PyPI (версия 1.1.0, AGPL-3.0 или коммерческая лицензия) и среда для агентов Agent Native Universe под MIT. Код можно скачать и проверить.
Balansis на PyPI Agent Native Universe на GitHubФормальные доказательства
Алгебра модели Balansis доказана на Lean 4 без единого пропуска (модель над вещественными числами, не float64).
Смотреть BalansisКак мы работаем
Метрику успеха фиксируем до старта и принимаем результат по ней. Действия агента с дорогими последствиями подтверждает человек.
Смотреть порядок работыДоговор заключает ООО «ИКСТИМ.ПРО». Реквизиты
Пишем о том, что делаем сами
Разборы из практики: где ломаются системы поиска по документам, когда несколько агентов работают хуже одного, как считать окупаемость до старта проекта. Без обзоров трендов.
Расскажите, с чем пришли, и мы разберём задачу
Опишите проблему своими словами. Мы вернёмся с тем, как её решить и что это даст в цифрах. Или честно скажем, что браться не стоит.
Не готовы писать? Посчитайте сами в калькуляторе AVA: во что процесс обходится сейчас и какой бюджет на автоматизацию окупится. Ваши цифры, без формы и без нашей цены.
Посчитать окупаемость