Помогаем бизнесу снизить издержки и увеличить прибыль

Situation

База знаний — 11 000 файлов PDF/DOCX/PPTX и 60 обучающих видео, ~120 ГБ. Менеджер ищет техпараметры по конкретной модели станка минутами. Записи звонков пишутся, но никто их не слушает.

Task

Дать менеджеру ответ за секунды и руководителю — AI-оценку каждого звонка. Всё на серверах в РФ.

Action

RAG-ассистент в Bitrix24-мессенджере: Python + FastAPI, Qdrant с гибридным поиском (семантика + BM25 — критично для номеров моделей вроде СТД-120). Транскрибация звонков на Whisper large-v3-turbo. AI-оценка с рекомендациями менеджеру. Очереди на Celery, всё в Docker на VPS в РФ.

Result

Ассистент отвечает менеджерам в Bitrix24 секунды вместо минут. Руководство видит AI-оценку каждого звонка с конкретными рекомендациями. Онбординг новых менеджеров укорачивается за счёт ассистента.

Situation

Идентификация животных — вручную по биркам. 1 000+ голов, затраты времени на каждую корову. Параметры и мероприятия — в разных системах.

Task

Идентифицировать корову по фото с телефона и получить карточку с параметрами и мероприятиями. Re-ID по видеопотоку без ручного наблюдения.

Action

EfficientNet-B1 со 128-мерными эмбеддингами + ByteTrack. По фото: определяет особь (78%), возвращает параметры + список мероприятий. По видео: Re-ID в реальном времени с 4 камер. Три интерфейса: мобильное приложение, веб-панель, API.

Result

Идентификация по фото — 78%, карточка животного в один клик. Re-ID по видеопотоку без ручного наблюдения. Запущено в 2025.

Situation

Ключевые события требовали круглосуточного дежурства. Ночные смены, усталость — пропуски неизбежны. Пропуск → потери.

Task

Автоматически обнаруживать ключевые поведенческие события и предупреждать зоотехника за несколько часов до наступления.

Action

Конвейер датасета: видео → кадры → аннотация, CLIP + Roboflow. Обнаружение событий: YOLOv11 + RTMPose (17 точек позы) + BiLSTM с Attention для временных паттернов. 4 камеры, bird's-eye-view, ИК-режим ночью. Edge-деплой на Jetson Orin NX — без облака.

Result

Предупреждение за 1-9 часов до события. Целевая точность 83-100%. Система работает на ферме без облака, без зависимости от связи.

Situation

Агенты вручную ищут квартиры на сайтах застройщиков — несколько минут на каждый запрос. Пока ищут, клиент остывает. Контекст по клиенту нигде не хранится.

Task

Автоматизировать подбор на естественном языке, синхронизировать базу по всем застройщикам в реальном времени, дать инструмент с профилями клиентов и аргументами для продаж.

Action

Этап 1 — MVP на n8n + Supabase: LLM извлекает параметры из текста → SQL → карточки. Этап 2 — Python-бэкенд: 7 сущностей из Realty API, sweep-функция, профиль клиента по телефону, отработка возражений в 3 стилях.

Result

Подбор за секунды вместо минут. Агент получает готовые формулировки возражений. Бот работает как CRM внутри чата.