Embedika | ИТ-решения для бизнеса

Внедрение ИИ — это баланс между инновациями и контролем рисков внедрения таких систем в бизнес. Практические решения этого уравнения совсем недавно с коллегами обудил на заседании Комитета по ИТ Ассоциации менеджеров основатель Embedika, Лев Голицын. Он поделился опытом прикладного внедрения и кейсами, где ключевым фактором успеха стал грамотный менеджмент.

Делимся с вами подробностями встречи 👇

Трансформация изнутри: как ИИ перераспределяет роли в команде

Искусственный интеллект кардинально меняет даже самые консервативные специальности. Где раньше ценились только ручной труд и экспертный анализ, сегодня на первый план выходят стратегическое мышление и управление процессами. Рассказываем, как это происходит на примере двух ключевых направлений — юридической функции и работы методологов.

Раньше ценность корпоративного юриста заключалась в кропотливом изучении каждого документа. Сегодня его роль смещается в сторону стратегического консультирования, а рутину берет на себя ИИ.

Яркий пример — наш проект с компанией «Русклимат», одним из лидеров рынка климатической техники. Ежегодный прирост в 8 тысяч новых клиентов создавал огромную нагрузку на правовой департамент. Вместо расширения штата мы внедрили наше решение на базе платформы Contract, которое:
✔️ автоматически анализирует все входящие договоры на соответствие корпоративным стандартам;
✔️ выявляет риски и спорные формулировки с помощью ИИ-алгоритмов;
✔️ формирует протоколы разногласий и рекомендации по доработке.

В результате цикл согласования документов сократился на 50%, ежемесячно высвобождается 165 рабочих часов, которые юристы теперь тратят на сложные переговоры и сопровождение сделок. Компания избежала расширения штата и получила масштабируемую систему, способную справляться с растущим объемом клиентов.

Аналогичные изменения происходят и в работе методологов, которые отвечают за создание и актуализацию регламентов и инструкций. В больших компаниях любая неточность в документации ведет к простоям и операционным потерям.

Здесь ИИ выступает интеллектуальным помощником:
✔️ за минуты анализирует тысячи документов на противоречия и устаревшие формулировки;
✔️ моделирует, как изменение одного регламента повлияет на смежные процессы;
✔️ предлагает корректировки заранее, предотвращая сбои.

То, на что раньше уходили недели, теперь делается за часы. Методолог становится не просто редактором документов, а архитектором процессов. ИИ не заменяет специалистов, а усиливает их, освобождая время для задач, где нужны экспертиза и стратегическое видение.

Как устроена карьера бизнес-аналитика: разбираем матрицу компетенций специалиста

Матрица компетенций — системный инструмент, который определяет ожидаемые навыки, знания и зоны ответственности для каждого уровня позиции. Она предназначена для обеспечения прозрачности в управлении карьерным ростом специалистов и выполняет четыре основные функции: синхронизирует представления о грейдах между сотрудниками и руководством, служит основой для оценки уровня компетенций, формирует карьерные треки аналитиков и используется как эталон при подборе новых специалистов в команду.

Подобная система позволяет оценивать текущий уровень специалиста, что напрямую влияет на качество реализации сложных ИТ-проектов. Делимся с вами ключевыми позициями, которые лежат в основе нашей системы работы с аналитиками в Embedika 👉

Как коллеги из Data, Stories and Languages используют Data Science для противодействия мошенничеству

Мы много говорим про корпоративный поиск и анализ текстов, но мир ИИ-решений для бизнеса гораздо шире. Сегодня хотим показать вам реальные кейсы из практики наших коллег — data science-инженеров из компании Careem (сервис для заказа такси).

Они ведут канал @datastorieslanguages, где рассказывают, как строят и внедряют модели машинного обучения. Вот несколько кейсов из их опыта:

1. Выявление дублирующих аккаунтов водителей с помощью распознавания лиц
Задача заключалась в обнаружении случаев, когда один водитель создавал несколько аккаунтов. Для этого была применена система на основе сравнения эмбеддингов лиц.
Использовались библиотека face_recognition для извлечения признаков и Faiss-GPU для эффективного поиска сходств в массиве из 2-3 миллионов фотографий. Индексирование и поиск заняли около часа.
Основной инженерной сложностью стало требование к нулевому уровню ложных срабатываний, что привело к необходимости дополнительной постобработки результатов бизнес-правилами. В результате было идентифицировано и заблокировано около 2000 аккаунтов.

2. Внедрение ML-модели для минимизации риска неплатежей
Для снижения потерь от использования невалидных или мошеннических банковских карт была разработана и внедрена машинная модель, пришедшая на смену системе жестких правил.
Модель, запущенная в продакшн и работающая в реальном времени, оценивает риск для каждого клиента и автоматически применяет механизм временного холда средств. Разработка и внедрение заняли девять месяцев, а итоговая точность модели превзошла эффективность предыдущих правил.

Если вам также интересно наблюдать за новыми подходами внедрения ML-моделей в бизнес и получать больше технических инсайтов в области прикладного data science — рекомендуем подписаться на канал коллег @datastorieslanguages

UI для ИИ: как превратить сложный алгоритм в понятного помощника

Делимся нашей новой колонкой в ИТ-журнале TProger — о том, почему внедрение корпоративных ИИ-систем может оказаться невостребованным из-за неграмотно спроектированного интерфейса и на что нужно ориентироваться, чтобы избежать подобного исхода. Разбираем принципы проектирования вместе с Евгенией Чистяковой, ведущим дизайнером интерфейсов в Embedika.

Ключевой фактор в том, что человек взаимодействует не с моделью напрямую, а интерфейсом. И именно от его качества зависит, станет ли ИИ помощником или источником фрустрации.

Ключевые выдержки из материала:

👉 ИИ — помощник, а не сотрудник. Задача интерфейса не создавать иллюзию всезнающего ИИ, а наглядно показывать источники ответов и давать инструменты для проверки, чтобы пользователь сохранял здоровый скепсис.
👉 Пользователь контролирует результат. Эффективный UI всегда оставляет за человеком последнее слово через редактируемый вывод, явное согласие на действия и понятную индикацию уверенности модели.
👉 Делайте невидимое — видимым. Логику работы сложной системы нужно объяснять без технических терминов: показывать статус операций, понятно описывать ошибки и пределы возможностей ИИ.
👉 Научите пользователей эффективному взаимодействию. Лучшее обучение то, которое встроено в интерфейс: примеры промптов, контекстные подсказки и продуманное упрощение сложных функций.

Качественный интерфейс снимает страхи пользователя, дает чувство контроля и превращает любую ИИ-систему в удобный инструмент для бизнеса.

🔗 Читайте полную статью на TProger

Код доступа: какие хард-скиллы нужны бизнес-аналитику на госпроектах

Создание ИТ-продуктов для государства — это особая вселенная. Здесь каждая строчка кода имеет юридическую силу, а каждый интерфейс — значение для миллионов. В центре этой вселенной находятся аналитики, чья работа требует не просто технических знаний, а умения подобрать «ключ» к правилам игры.

На госпроектах грань между системными и бизнес-аналитиками стирается. Их общая миссия — стать переводчиком с языка законов на язык программирования. Соответственно, хард-скиллы должны быть заточены под эти условия.

Арсений Блинков и Дмитрий Власов, бизнес-аналитики Embedika на государственных проектах, поделились, какие ключевые навыки необходимы специалистам в работе. Разбираем их в карточках ➡️

UI для ИИ-систем: как дизайн выстраивает взаимодействие между человеком и технологией

На этой неделе мы уже говорили о том, как бизнес-аналитик формирует функциональные требования к системе. Следующий критический этап — проектирование интерфейса, который станет пользовательским воплощением этих требований. Именно дизайн определяет, как люди будут взаимодействовать с возможностями, заложенными аналитиками и разработчиками.

Однако даже идеально спроектированная система может оказаться невостребованной, если её интерфейс не будет интуитивным, понятным и вызывающим доверие у конечных пользователей. Именно здесь на первый план выходит интерфейс. Он выступает переводчиком между сложной логикой машины и человеческим восприятием.

Сегодня мы решили поделиться фундаментальными принципами, на которые опираемся при проектировании ИИ-систем. Подробнее о каждом из них рассказывает Евгения Чистякова, ведущий дизайнер интерфейсов в Embedika.

#мнения