Кейсы: внедрение ИИ, автоматизация и разработка

Закупки авиазапчастей: от почты и таблиц к управляемому конвейеру

ИИ-агент читает входящие RFQ, сравнивает предложения поставщиков и проверяет документы. Сделку по обязательным этапам ведёт отдельная система учёта сделок.

Полный цикл

ИИ-контур прошёл весь путь на живом процессе закупок: от входящего RFQ в почте до уведомления команды. Это пилот, и данные о нём пока только наши: подтверждения от заказчика ещё нет

3

типа сопроводительных документов проверял агент: FAA 8130-3, EASA Form 1 и COC. Как и предыдущая цифра, ждёт подтверждения заказчика

Платформа продаж и сопровождения партнёрской сети на живых данных

Партнёр спрашивает, кто в команде неактивен и что мешает следующему уровню, и получает цифры только по своей части сети. Доступ ограничен на уровне SQL.

Своя часть сети

партнёр получает цифры только по своей команде: ограничение по текущему пользователю добавляется в каждый SQL-запрос

6 уровней

защиты данных между языковой моделью и базой, от блокировки персональных колонок в SQL до лимитов запросов; посчитано по коду

Спецификация сэндвич-панелей из чертежа за секунды вместо часов

Приложение читает DWG/DXF-раскладку и собирает спецификацию в Excel: 10–⁠30 секунд вместо 2–⁠15 часов вручную. 784 панели объекта сошлись с ручной спецификацией построчно.

784/784 и 189/189

панелей на одном объекте и стеновых панелей на втором совпали с ручной спецификацией построчно, с типоразмерами; расхождение площади 0,001 м²

2–15 ч → 10–30 с

подготовка спецификации объекта: вручную против обработки приложением, по замерам на реальных проектах

Прибыль по каждому SKU на трёх маркетплейсах, сверенная с ручным расчётом

Пять кабинетов на WB, Ozon и Яндекс Маркете свели в одну юнит-экономику по SKU. Расхождение с ручным расчётом заказчика на контрольном SKU за месяц составило 0,00 %.

0,00 %

расхождение с ручным расчётом заказчика по штукам, выручке, себестоимости, прибыли и марже на контрольном SKU за месяц; порог приёмки 1 %

1,18 млн строк

продаж по 5 кабинетам за 12 месяцев прошли через конвейер; у 10,7 % из них заказ и начисление пришлись на разные месяцы

Маркетплейс земельных участков с планом освоения: MVP за 2 месяца

Из прототипа-картинки сделали платформу «участок → список работ → подрядчик → заявка»: движок рекомендаций на правилах, три кабинета, 152-ФЗ. MVP за 2 месяца.

2 месяца

от утверждённого ТЗ до предрелизного MVP на HTTPS-стенде: 9-я неделя при собственной оценке плана 10–13 недель

7 дней

от ТЗ до первой полной реализации платформы: 168 файлов, 21,5 тыс. строк; дальше два месяца доводки до предрелиза

Репрайсинг по правилам: пилот, где условия договора проверяет код

Сервис следит за ценами конкурентов и по правилам считает цену в согласованном коридоре. Применяется она только после подтверждения. Пилот: 10 SKU, настройка до 14 дней.

10 SKU · 2 сценария

объём пилота; лимит SKU и оба сценария заданы в коде и проверяются контрактными тестами, превысить лимит нельзя

до 14 дней

срок настройки по договору от получения входных данных до запуска, затем месяц пилота; даты считает сервис и по окончании закрывает доступ

От бизнес-канваса до живого демо платформы занятости за полтора месяца

Заказчик пришёл с бизнес-моделью без продукта. Мы собрали MVP маркетплейса студенческих задач, где закон и правила платформы проверяет сервер, и подняли демо-стенд.

~6 недель

от первого коммита до демо-стенда со всеми кабинетами; по истории коммитов это 7 рабочих дней

3 проверки

сервер выполняет перед назначением исполнителя: согласие на ПДн, статус самозанятого, ментор; каждая с понятным отказом

Команды ИИ-агентов из конфигурации, с парными агентами-критиками

За 2,5 недели собрали ядро мультиагентной платформы: 29 декларативных агентов в трёх командах, пары «агент и критик», память на четырёх СУБД, пять уровней автономии.

25 000+

строк Python в ядре платформы, 134 модуля; подсчёт по коду репозитория

29

декларативных агентов в трёх готовых командах (инженерной, когнитивной, исследовательской); подсчёт YAML-спецификаций

Агентная среда, где правила исполняет код

За четыре дня собрали и открыли под MIT среду для агентов, где правила исполняет код: криптография, протокол согласия в стиле PBFT, воспроизводимые эксперименты.

тот же хэш

повторный прогон и повтор журнала дают побайтно тот же итоговый хэш событий; любой может проверить это на открытом коде под MIT

187 из 187

тестов движка проходят; ветка master, коммит 625b81d, на 05.10.2026

Долговременная машинная память об ученике: от гипотезы до сервиса

Исследовательское ядро нейроморфной памяти и модель ученика, доведённые до сервиса за 10 дней: 32 REST-эндпоинта, 368 тестов, 21 утверждение на Lean 4. Код открыт.

10 дней

от первого коммита до релиза с формальной верификацией, по датам коммитов в репозитории

368

тест-функций в 37 файлах, включая интеграционные; подсчёт по коду

Из математической теории в проверяемую библиотеку за 9 месяцев

Библиотека компенсированных вычислений: потеря точности видна и проверяема, алгебра модели доказана на Lean 4, каждое численное утверждение подкреплено бенчмарком.

1,0 вместо 0,0

сохранён остаток суммы [1e16, 1, −1e16], который float теряет; воспроизводимый бенчмарк генерируется скриптом из репозитория

6 из 6

сценариев опубликованного бенчмарка, где точное ядро скалярного произведения совпало с точным эталоном; numpy.dot совпал в 0 из 6. Ядро на C на PyPI пока не выпущено, а сценарий, где слагаемые взаимно уничтожаются, построен специально

Мобильный клиент ИИ-платформы обучения без ожидания бэкенда

Flutter-клиент платформы подготовки к экзаменам: адаптивные микроуроки, ИИ-ассистент с потоковым ответом, карта знаний. Интерфейс делали параллельно с бэкендом.

13 недель

от первого коммита до работающего приложения с входом, целями, уроками и ИИ-чатом

41 → 81 эндпоинт

покрытие серверного API клиентом выросло вдвое от MVP к расширенной версии; модулей стало 31 вместо 14 на той же архитектуре

Посетитель уходит с планом пилота, продажи получают готовый лид

Мы заменили форму заявки ИИ-консультантом. Он расспрашивает посетителя о бизнесе и выдаёт план пилота с KPI и рисками, а в CRM попадает лид с бюджетом и сроками.

1 день

за один день собран рабочий MVP: фронтенд, бэкенд и конфигурация выкладки

16 дней

от первого коммита до работы в продакшене с HTTPS и выпущенным сертификатом на собственном домене

StudyNinja и KnowledgeBaseAI

Образовательная платформа и графовая платформа знаний подробно описаны в разделе «Экосистема».