Product Friendly

Как устроена ИИ-платформа?

У крупных компаний обычно есть система, вокруг которой строятся основные процессы — учетная платформа вроде 1С или SAP. Сейчас рядом с ней появляется новый слой — ИИ-платформа. Из чего она обычно состоит, рассказывает Вадим, руководитель отдела ИИ-разработки Friflex.

Ключевые компоненты ИИ-платформы:
1️⃣Инструменты для загрузки и структурирования знаний компании. Большие языковые модели помогают извлекать ценность из тех файлов, которые раньше просто хранились в папках без практического применения.

2️⃣Инструменты для создания цифровых помощников и подключения больших языковых моделей. Обычно модели интегрируются по схожему принципу. 

3️⃣Среда для создания агентов, цепочек агентов и мультиагентных систем. Это позволяет передавать задачу от одного агента к другому, чтобы они последовательно обрабатывали ее и выдавали итоговый результат. 

Например, так устроена ИИ-платформа Flexar.
🔸Первый слой в ней — система поиска по базе знаний с генерацией ответов, или RAG. Она подбирает для модели именно те фрагменты внутренних документов, которые нужны для ответа или выполнения задачи в текущий момент.
🔸Второй слой — инструменты для создания помощников и подключения больших языковых моделей. Платформа позволяет использовать разные модели и комбинировать их под конкретные сценарии.
🔸Третий слой — сценарии, или агенты, которые используют данные и модели для решения прикладных задач.

Попробовать возможности ИИ - платформы на документах вашей базы знаний можно здесь.

©Friflex — цифровые продукты для миллионов пользователей

#Friflex_честноговоря

#Al_на_понятном: синтетические данные

Представьте, что нужно научить нейросеть распознавать аварию на заводе. Логичный способ — показать ей примеры реальных аварий. Проблема в том, что специально ломать оборудование ради обучения ИИ никто не будет. Вот здесь на помощь приходят синтетические данные (Synthetic Data) — это данные, которые получены искусственным путем для обучения и тестирования ML-моделей.

Таким образом, синтетические данные закрывают разрыв там, где реальных примеров либо катастрофически мало, либо собирать их слишком дорого, долго или опасно — будь то авария на заводе, паводок или столкновение в космосе.

📎Антивирус для завода, дрон-обходник для ТЭЦ, спутник, уклоняющийся от космического мусора — несколько показательных примеров, как выглядит работа с синтетическими данными в статье Вадима Кондаратцева, руководителя ИИ-направления в Friflex.

©Friflex — цифровые продукты для миллионов пользователей

Промпт дня: генератор ТЗ для мобильной разработки

Сегодняшний промпт — из практики Владислава, системного аналитика Friflex. Он использует его, чтобы не писать ТЗ с нуля каждый раз, а собирать их из готовой базы знаний проекта.

В чем суть: вы один раз собираете «базу знаний» проекта, оформляете инструкцию-скилл — и дальше ИИ сам генерирует готовое ТЗ по вашему шаблону, подтягивая нужный контекст.

Что нужно подготовить:
🔴Описание проекта — контекст, домен, архитектура
🔴Ролевые модели — кто есть кто в системе
🔴Список ТЗ — бэклог задач
🔴Шаблон ТЗ — структура для всех задач
🔴Пример готового ТЗ — эталон
🔴Любая другая информация по проекту

Дальше создается сам файл скилла, который содержит промпт:

Skill
Генерация полного технического задания (ТЗ) для задач мобильной 
разработки (Flutter + Backend) по корпоративному шаблону.

Используй этот скилл всякий раз, когда нужно написать, составить, 
сгенерировать или оформить ТЗ, тех.задание, спецификацию по задаче или фиче.

Также используй, когда аналитик просит "написать ТЗ", "сформировать требования", "подготовить спецификацию" или "описать фичу для  разработки".

Скилл покрывает весь состав ТЗ:
— функциональные требования МП и бэкенда
— UML Sequence диаграммы
— ER-диаграммы
— нефункциональные требования
— бизнес-правила
— риски
— API-контракт

Теперь не нужно каждый раз пересказывать контекст проекта, ТЗ получаются единообразными, а если добавить новый файл с информацией — скилл сам учтет его в следующий раз. Этот же подход легко адаптировать под любой стек, не только под Flutter.

Сохраняйте, если работаете с ТЗ🔖

#friflex_промпт

©Friflex — цифровые продукты для миллионов пользователей

🚀Запускаем PM-блиц: короткие вопросы, быстрые ответы, честная продуктовая позиция.

Сегодня на связи Юлия Запольская, стратегический продакт-менеджер Яндекс 360. Исследует новые рынки и продукты, формирует и защищает бизнес-кейсы, выявляет наиболее выгодные направления для портфеля. В блице — про исследования, ИИ и риск в фичах.

#PMблиц

#Al_на_понятном: RAG

ИИ-агенты — штука мощная, но у них есть слабое место: они хорошо соображают и умеют действовать, а вот актуальных знаний о конкретной компании у них по умолчанию нет. Модель либо отвечает по памяти, либо обращается к внешним источникам. Здесь на помощь приходит RAG.

RAG — это архитектурный подход, при котором языковая модель формирует ответы и действия с опорой на фрагменты внутренних данных. Фактически RAG выступает связующим слоем между корпоративными хранилищами и моделью.

Как это работает:
1️⃣В RAG‑сценариях документы и файлы сначала разбивают на смысловые фрагменты и индексируют.

2️⃣При запросе система выполняет семантический поиск по индексу, отбирает самые подходящие фрагменты и передает их модели в качестве контекста.

3️⃣Модель использует этот контекст, когда генерирует ответ или принимает решение.

©Friflex — цифровые продукты для миллионов пользователей

Запускаем новую рубрику #Friflex_честноговоря

Здесь про то, что мы правда думаем и видим на проектах. Первый вопрос такой: с чего начать внедрение ИИ. Спросили Вадима, руководителя отдела ИИ-разработки Friflex.

У бизнеса обычно один и тот же запрос: забрать у человека рутину и отдать ее ИИ. Логика понятная, но на практике часто получается так: людей увольняют, ставят агента, а через пару месяцев людей нанимают обратно. И это происходит не только у нас — по миру похожая история.

Причины обычно в деталях:
🔴Экономика не сходится — за токены платят больше, чем агент реально приносит пользы.
🔴Агент хорошо показал себя на MVP, но в боевых условиях начинает сыпаться.
🔴Агента ставят не на ту задачу — там, где нужен мгновенный ответ или большая нагрузка, — и он тормозит, съедая токены.

🔖Универсального сценария внедрения нет. Обычно мы рекомендуем компаниям начать с аудита процессов и данных. Это помогает увидеть точки роста, которые не лежат на поверхности.

Пример: юридическая компания решила автоматизировать работу с судебными уведомлениями. На первый взгляд кажется, что это операционная задача: отслеживать публикации, обновлять календарь, передавать информацию помощнику. При детальном разборе выясняется, что внутри процесса есть аналитический слой: причины переноса заседаний, нехватка документов и сигналы о возможных рисках. Здесь создание ИИ-агента потенциально может принести больше ценности.

📎В каких направлениях чаще всего используют ИИ-агентов и где они дают максимальный эффект — читаем здесь.

©Friflex — цифровые продукты для миллионов пользователей

Промпт дня: исследуем пользователей через JTBD

Запускаем новую рубрику, где будем делиться полезными для работы промптами. Сергей, продуктовый менеджер Friflex, использует Claude Sonnet для исследования пользователей через подход Jobs to Be Done (JTBD):

Помоги исследовать пользователей [продукта] — сервиса для [кратко описать продукт и основную задачу, которую он решает для бизнеса].  

Используя подход Jobs to Be Done, опиши, какую функциональную, эмоциональную и социальную работу пользователь «нанимает» для выполнения, когда использует [продукт]. Для каждой работы укажи, какую потребность она закрывает и в какой ситуации возникает.

Также опиши 3 сценария, в которых пользователь не «нанимает» [продукт]: какую задачу он пытается решить, почему продукт ему не подходит и какое решение может выбрать вместо него.

Представь результат в таблице: ситуация → задача пользователя → функциональная работа → эмоциональная работа → социальная работа → почему выбирает или не выбирает [продукт].

В конце сформулируй 5 гипотез о мотивации пользователей, которые стоит проверить в интервью или опросе. Не придумывай факты о пользователях и отделяй предположения от выводов.

Чтобы промпт помогал в исследовании, в нем нужно сразу обозначить контекст, задачу и формат ответа. Чем понятнее, что именно вы хотите узнать, тем полезнее получится результат.

В итоге можно получить несколько гипотез о мотивации пользователей и понять, почему в каких-то ситуациях они выбирают продукт, а в каких-то — нет.

Что делать с результатом дальше? Не верьте на слово — проверяйте на реальных пользователях. Используйте выжимки из ответа как основу для гипотез, а не как истину.

#Friflex_промпт

©Friflex — цифровые продукты для миллионов пользователей

💡Мы с новой рубрикой — #Al_на_понятном

Будем разбирать ИИ технологии без сложных терминов и показывать, как они работают на бизнес. Начнем с ИИ-агентов.

Само понятие ИИ-агента появилось задолго до больших языковых моделей, ChatGPT и всего остального. Оно пришло из области обучения с подкреплением (RL), где закрепилось как термин в девяностых.

Сегодня под ИИ-агентом чаще всего понимают систему на базе большой или малой языковой модели. Если упростить, агента можно представить в виде связки из пяти элементов:
🔴языковая модель отвечает за мышление
🔴инструменты позволяют агенту действовать: выполнять код, обращаться к API
🔴оркестратор управляет логикой работы и решает, что запускать и в каком порядке
🔴контекстное окно хранит рабочую память, то есть информацию, которая нужна прямо сейчас
🔴внешние источники данных (базы знаний, файлы, поисковые механизмы) дают агенту дополнительные знания по мере необходимости

Например, ИИ-помощник на базе Flexar подсказывает ответы сотрудникам страховой компании. А другой ИИ-агент для федерального ритейлера (NDA) помогает превращать обратную связь покупателей в структурированные описания и теги.

#Al_на_понятном

©Friflex — цифровые продукты для миллионов пользователей

Она танцует под Шаде…

А страховку оформляет в несколько кликов. Делимся кейсом веб-сервиса для страховки спортсменов, которые занимаются танцевальным спортом, акробатическим рок-н-роллом и брейкингом.

Подробнее о том, как мы перенесли страховой продукт для танцоров на новый сайт: обновили интерфейс, встроили продукт в личный кабинет и сохранили логику оформления, оплаты и дальнейшего продления — на карточках и по ссылке.

©Friflex — цифровые продукты для миллионов пользователей