Внедрение ИИ в бизнес: RAG, ассистенты, ERP

Светящийся граф знаний из узлов и связей

Ассистенты, RAG, распознавание документов, обучение моделей и ИИ, связанный с ERP, которые держат реальную нагрузку — не демо. Вертикальный срез за недели, затем расширение с оценкой качества и контролем стоимости.

Обсудить задачуФорма контакта

Кратко опишите цель, ограничения стека и сроки — отвечу в Telegram.

Технологии. Данные. Результат. Внедряю ИИ, подключённый к вашим системам — не демо-чат в вакууме. Помощь сотрудникам и клиентам 24/7, распознавание документов и обучение моделей, контуры файлов на Python, прогнозы и связка с ERP (CRM, склад, финансы, производство) — при необходимости через интеграцию с 1С.

Формат работы: фиксируем бизнес-результат, выбираем узкий первый сценарий (один тип документа, один домен FAQ, один прогноз), опираем модель на ваши API и метаданные, затем расширяем. Стек: TypeScript/Node.js или Python для оркестрации, зрения и OCR, LLM API или on-prem по требованиям, журналы и роли с первого дня.

Примеры из практики

Недавние кейсы: ai-vision (распознавание бланков и обучение моделей), thinklens-bot и cursor-telegram-integration — проекты, где применялись навыки внедрение искусственного интеллекта (LLM, RAG, чат-боты, OCR, документы, прогнозы, TypeScript, Node.js, Python, API ERP, 1С, безопасность данных, автоматизация).

В этих проектах сочетались продуктовый UI, API и эксплуатационные задачи: роли, выгрузки, интеграции и наблюдаемость. Цель — система, которую ваша команда может развивать, а не одноразовый демо-прототип.

Типичное сотрудничество начинается с письменного брифа: ограничения, интеграции, комплаенс и критерии «готово» для первого релиза. Делим работу на вертикальные этапы — прогресс виден каждые 1–2 недели, приоритеты можно менять без потери нити.

После запуска — короткое сопровождение: краевые случаи, производительность, передача знаний. Дальнейшая поддержка остаётся у in-house команды или по ретейнеру — как удобнее вам.

Решения фиксируем понятным языком, держим staging близко к продакшену и оставляем runbook, чтобы команда не зависела от подрядчика после передачи. Если у вас уже есть дизайнеры или backend-разработчики — встраиваемся в ваши ритуалы, а не создаём параллельный процесс.

Критерии приёмки

Готово, когда

  • Пилот проходит согласованные проверки качества на выборке
  • Вызовы модели журналируются с границами ролей
  • Есть fallback / человек при низкой уверенности

Что передаём

  • Заметки по промптам / eval + доступ к стенду
  • Список источников для grounding

Не входит

  • Неограниченный расход токенов LLM
  • Гарантия точности модели на всех документах

Финальный акт приёмки фиксируется в брифе или договоре; список выше — ориентир для согласования scope.

Примеры из портфолио

Все проекты
ai-vision

AI Vision — УЗТ формы

Локальный пайплайн распознавания рукописных черновиков форм УЗТ: CV и PaddleOCR, многопроходный vision LLM, слияние confidence и review HTML/CSV для оператора перед передачей в ERP.

Подробнее
thinklens-bot

Thinklens Bot

Telegram-ассистент с OpenAI для рефлексивных промптов и суммаризации. Python и контроль памяти диалога.

Подробнее
cursor-telegram-integration

Cursor Telegram Integration

Интеграция Cursor IDE с Telegram: уведомления и команды. TypeScript Node-сервисы для лёгкой автоматизации dev-событий.

Подробнее
mydev-news-bot

My Dev News

Живой Telegram-бот: Habr, Hacker News, официальные блоги JS/React/frontend, ИИ и engineering, релизы GitHub; AI-ранжирование, Squeeze, дайджест (RU/UK/EN).

Подробнее
image-gen-extension

Image Gen Extension

Браузерное расширение для генерации изображений в контексте редактора. TypeScript MV3 и UX для промптов и превью.

Подробнее
refactor-analyzer

Refactor Analyzer

Инструмент статического анализа для подсказок по рефакторингу через AST. TypeScript Node CLI и отчёты.

Подробнее

Как работаю

Запрос

Вы описываете задачу, цели и ограничения — сроки, бюджет, инфраструктура.

Уточнение

Задаю вопросы, при необходимости смотрю текущий код или ТЗ, фиксируем объём.

План

Предлагаю этапы, приоритеты и ориентир по срокам; согласовываем формат отчётности.

Разработка

Итерации с промежуточными результатами: коммиты, демо, обратная связь.

Сдача и поддержка

Деплой, документация по необходимости; договариваемся о сопровождении или точечных доработках.

Частые вопросы

Нажмите на вопрос, чтобы раскрыть ответ.

Вы делаете «просто чат-бота» или привязку к нашим данным?

Ассистенты на ваших данных — API, документы, метаданные ERP, RAG или вызов инструментов — не обёртка над публичным ChatGPT. Границы данных фиксируем до первого промпта.

С какими ERP можно связать ИИ?

1С, своя ERP и модули CRM, склад, финансы, производство через HTTP API и очереди. Ядро учёта — в интеграции с 1С.

Как обрабатываются ошибки распознавания документов?

Пороги уверенности, сверка с правилами ERP и очередь ручной проверки для низких оценок — без тихой проводки в учёт.

Можно ли запускать модели on-prem или в нашем VPC?

Да, если политика требует: on-prem или private cloud для LLM/OCR, без обучения на ваших данных без договора, шифрование и логи доступа по умолчанию.

Какой реалистичный первый этап?

Один вертикальный срез за 3–8 недель: внутренний FAQ-бот, один тип документа или одна метрика прогноза — затем расширение модулей и каналов.

Материалы

Обсудить задачуФорма контакта

Кратко опишите цель, ограничения стека и сроки — отвечу в Telegram.