[ / · Разработка ]

Разработка ИИ-агентов и IT-решений, встроенных в ваши процессы и данные

Решения на LLM под конкретный процесс. On-premise: данные не покидают периметр.

Корпоративная база знаний
Планирование и оптимизация
Распознавание документов
ИИ-агенты для бизнеса
Лидогенерация и поиск тендеров

Обсудить задачу →Что мы разрабатываем ↓

Мы работаем с такими компаниями как

более 40% — доля в трубном сегменте · 33 — трубных завода в России, Беларуси и Казахстане · 90,3 млрд ₽ — оборот группы за 2025

Четыре решения в одном контуре

SCM-оптимизатор
RAG-ассистент по регламентам
Управление товарной матрицей
Тендерный агент

Начали с тендерного агента — он уже в продакшене, ещё три решения в разработке. Разбор портфеля ↓

2 000

тендеров в день проходят AI-разбор

Почему подписок на ИИ недостаточно

Доступ к ИИ есть у всех.
Разница — в том, что вы на нём построили.

Три ступени идут строго по порядку. Первая обязательна, но преимущества не даёт.

01у всех
Индивидуальный ИИ
включая ваших конкурентов
- У каждого свой чат, свои промпты, свои привычки
- Экономит время сотрудника, но доступен и конкурентам
Обязательная база. Но не преимущество
02год-два
Экономия в процессах
и эффект коммодитизируется
- Порог окупаемости упал: решения, которые раньше не считались, теперь считаются
- Рутина уходит из процессов, часть стороннего софта заменяется своим
Считается быстро, копируется тоже быстро
03не купить
Рост на ваших данных
воспроизвести дорого и долго
- Двигает выручку и маржу, а не только экономит время
- Обучено на ваших данных и вашей специфике — и даёт то, чего у процесса не было
Это и есть преимущество

Агент из коробки не знает вашей номенклатуры и регламентов — и не может быть преимуществом ровно потому, что доступен конкурентам. Зрелая программа идёт по обеим ступеням: экономия финансирует рост.

Рамка Institutional AI vs Individual AI — Дж. Сивулка, a16z

Как это выглядит на практике

Оба направления эффекта — на живых примерах

Наш портфель у одного клиента и пример с рынка: логика та же, и работает она не только у нас.

Одно решение в проде, три в разработке

Крупнейший производитель полимерных труб в России и ЕАЭС. Начали с одного процесса и расширились на соседние: в контуре четыре решения, тендерный агент уже в продакшене.

более 40%: доля в трубном сегменте
33: трубных завода в России, Беларуси и Казахстане
90,3 млрд ₽: оборот группы за 2025

РостВ продакшене
Тендерный агент
Поток закупок проходит AI-разбор, к релевантным — оценка подходящих позиций.
2 000 тендеров в день
проходят AI-разбор, наверх идут релевантные
РостВ разработке
SCM-оптимизатор
Куда разместить заказ и каким маршрутом везти.
Себестоимость доставки
цифру назовём после сдачи
ЭкономияВ разработке
RAG-ассистент по регламентам
База знаний по нормативке: ответ со ссылкой на пункт.
Время поиска в регламентах
цифру назовём после сдачи
ЭкономияВ разработке
Управление товарной матрицей
Позиции из заявок и прайсов сводятся в единую матрицу.
Время на разбор заявки
цифру назовём после сдачи

Интерфейс тендерного агента: список закупок с оценкой релевантности и скорингом — Тендерный агент — реестр закупок с релевантностью и скорингом

Интерфейс классификатора: поиск позиции в справочнике с процентом совпадения и карточкой классификации — Товарная матрица — поиск позиции в справочнике и классификация

Похоже на ваш процесс?

Разберём за 30–45 минут: сформулируем джобу и скажем, есть ли здесь решение, которое окупается.

Ответим в течение рабочего дня.

С чего начинается проект

Начинаем не с задачи, а с джобы

Подрядчик берёт задачу как сформулирована и делает ровно её. Мы сначала выясняем, ради чего процесс существует, — и часто заказанное решение оказывается не самым полезным.

Что такое джоба

Работа, ради которой процесс существует: не шаг сотрудника, а результат, который компания ждёт на выходе.

Термин из Jobs to be Done: у процесса есть «наниматель» и работа, на которую его наняли.

Разбор одного запроса

01
Как звучит запрос
«Сделайте поиск по регламентам — сотрудники долго ищут»
02
Что за ним на самом деле
Нужно решить верно и не нарушить регламент. Поиск — способ, а не цель
03
Формулируем джобу
«Принять верное решение по регламенту — без ошибки и без эскалации наверх»
04
Что меняется в решении
Не строка поиска, а ответ со ссылкой на пункт — и пометка того, что регламентом не покрыто

Почему это принципиально

01
Автоматизация шага сохраняет процесс
Ускорили шаг как есть — получили тот же процесс, только быстрее. Эффект разовый.
02
Половина шагов существует из-за старых ограничений
Согласования и сверки появились потому, что раньше иначе было нельзя. Часть таких шагов можно убрать, а не автоматизировать.
03
Метрику фиксируем до старта
Договариваемся, что сдвинется и на сколько. Иначе эффект становится предметом веры.

Если такого разбора не было — закрываем его отдельным шагом: стратсессия для топ-команды с дорожной картой ИИ-инициатив.

Типы решений

Что мы разрабатываем

Шесть типов решений. Инфраструктурный слой — следующей секцией.

Сначала различаем, насколько LLM вообще участвует в решении

от этого зависят стоимость, риски и требования ИнфоБеза

ИИ-агент
Рассуждает, вызывает инструменты и решает в рантайме
Решение с доступом к LLM
LLM — компонент системы, автономного цикла вокруг неё нет
Решение, сделанное с помощью LLM
В рантайме LLM не участвует — только на этапе разработки

Не нашли свою задачу?

Опишите процесс — скажем, каким типом решения он закрывается. Если не решается, скажем прямо.

Без презентаций и рассылок: один ответ по делу.

Инфраструктуру строим под вас

Локальная LLM в вашем контуре — вместо десятка разрозненных подписок

Разворачиваем модель внутри периметра и ставим перед ней шлюз: через него идут все обращения — от сотрудников и от решений в проде. Окупается, как только решений больше одного.

Данные остаются внутри
Фильтрация запросов и полный лог обращений: ИнфоБез закрывается архитектурой, а не пунктом в договоре.
Один счёт вместо десятка подписок
Лимиты и квоты по подразделениям: видно, кто и на что тратит, — а не общая сумма в конце месяца.
Смена модели не ломает решения
Решения обращаются к шлюзу, а не к вендору: новый провайдер подключается один раз, а не переписыванием каждого продукта.

Откуда идут обращения

Сотрудники из чата
ИИ-решения в проде
Внешние сервисы

Единая точка контроля

Локальная LLM + шлюз

фильтрация · маршрутизация с резервированием · лимиты · журнал

Куда уходят запросы

Внешние провайдеры
Внутренний инференс
Локальные модели на устройствах

Без шлюза каждое решение тащит свою интеграцию, свои ключи и свои риски. Со шлюзом новое решение подключается к готовому слою, а не строит его заново.

Как устроен шлюз →

Готовые модули

Эти части уже разработаны — внедрение начинается не с нуля

Подключение вместо разработки: за счёт модулей PoC укладывается в 2–3 недели, а на полном контуре не тратятся недели на интеграции.

1С
Остатки, номенклатура, документы
Контур.Закупки
Закупки и торги во внешнем контуре
amoCRM
Сделки и контакты, чтение и запись
RAG-движок
Поиск по документам с источниками в ответе
Поиск номенклатуры
Сопоставление позиций со справочником

Что всегда делаем под вас: бизнес-логика вашего процесса · интеграционный слой под ваш ландшафт · качество ответов на ваших данных (evals) · интерфейс и ролевая модель доступа.

Как мы разрабатываем

Код перестал быть узким местом

Узкое место сместилось в шаги вокруг кода: постановка, спецификация, ревью, приёмка. Поэтому мы перестроили весь цикл, а не ускорили набор кода. У нас свой harness: дисциплина контекста, библиотека скиллов, автоматические гейты и evals внутри цикла.

AI-native SDLC

Plan
Design
Build
Test
Deploy
Maintain

Рамка — AI-Native SDLC Playbook, Anthropic. Для нас это внутренний рабочий процесс, а не теория.

Три механизма, которые дают скорость без потери качества

01
Параллельные сессии
Один инженер ведёт несколько сессий агента одновременно, на разных ветках задачи. Поэтому команда меньше, а пропускная способность выше.
02
Детерминированные гейты вместо ручного одобрения
Хуки и политики пропускают или блокируют действия сами. Человек участвует в точках суждения, а не исполнения.
03
Агент проверяет себя сам до ревью
Тесты, сборка и скриншоты гоняются внутри сессии — инженер получает уже проходящий результат.

Команда — выходцы из enterprise-разработки (Сбер): изнутри понимаем требования к качеству, безопасности и деплою в крупной регулируемой среде.

Сроки и оплата

Три стадии и что ожидать на каждой

Ожидания по эффекту проговариваем до старта, а не после релиза.

1
PoC
2–3 неделиФикс
- Прототип на реальных данных, без промышленной обвязки
- На выходе: модель, ETL, демо-сценарий, документация
Ценности в продуктовых и финансовых метриках здесь не ждём — это ещё не тот шаг
2
MVP
6–8 недельФикс
- Промышленная разработка в AI SDLC: спецификации, архитектура, e2e-тесты, логирование
- На выходе: решение на нескольких объектах, интерфейс, дашборд, автовыгрузка
После релиза ждём сдвиг бизнес-метрик, но закрыт не весь функционал
3
Полный контур
2–3 месяцаT&M
- Тот же подход, но закрыт полный контур сценариев
- На выходе: сквозной процесс, интеграции, масштаб на компанию и передача в вашу команду
Эффект по метрике, зафиксированной до старта

Почему так. PoC и MVP — фикс: объём согласован заранее, цена фиксируется под него. Полный контур — T&M: состав доработок заранее не описать, поэтому платим по факту отработанного времени, с регулярной отчётностью.

Условия старта

Что нужно с вашей стороны

Проговариваем на входе, а не в середине проекта.

Доступ к данным

1С, API на чтение, выгрузки. Срок PoC считаем от получения доступов, а не от подписания договора.

Два куратора с вашей стороны

Куратор от бизнеса — с первого дня

Владелец процесса: определяет, что считается правильным результатом. Без него будем угадывать бизнес-логику.

Куратор от IT — по мере движения

Доступы, контур, безопасность, приёмка. На PoC минимально, на полном контуре — ключевое.

Пилотный объект с хорошими данными

Одно подразделение, один процесс — там, где данные полнее всего. Завод, склад или отдел продаж: важен не масштаб, а полнота данных. Расширяемся после доказанного эффекта.

Контур и доступ к моделям

Документы и клиентские данные не покидают периметр. Шлюз к моделям есть — встроимся, нет — построим.

Границы. Метрики конкретного процесса двигаются, но это точечное решение, а не смена операционной модели. Несколько решений плюс перестройка процессов — уже трансформация, и она идёт отдельной программой.