Примеры работ и кейсы по направлению «AI — искусственный интеллект»

Частный бухгалтер Елена. Ведёт 12 ИП и 4 ООО на аутсорсе. Работает одна, иногда привлекает помощницу на отчётные периоды. Клиенты — малый бизнес: кофейни, автосервисы, интернет-магазины.

Мастер-диагност в малом автосервисе. Работает руками каждый день. Имеет сканер (Launch, Autel или ELM327), умеет считать ошибки и live-данные, но интерпретация сложных комбинаций кодов — его боль. На одну машину тратит 30-60 минут диагностики, гуглит форумы, звонит коллегам. Бот сокращает это до 30 секунд. Не технарь в IT-смысле — Telegram на телефоне, никаких API и интеграций. Скинул фото экрана сканера, получил ответ. Вторичная аудитория — автоподборщики (проверка перед покупкой) и автовладельцы-энтузиасты (массовый сегмент, низкая готовность платить).

Руководитель агенства недвижимости, а также юрист ведущий судебную практику

FAQ-ассистент с RAG (FAISS) и OpenAI FAQ-ассистент для сайта: данные FAQ → RAG через FAISS → backend на FastAPI → виджет чата на фронтенде Задача- за счёт автоматизации ответов на вопросы клиентов через ИИ-Ассистента уменьшить среднее время ответа отдела технической поддержки Решение Скрипт: посчитает эмбеддинги для текстов вопрос + ответ через OpenAI (text-embedding-3-small); создаст FAISS-индекс faiss_index.bin; сохранит метаданные вопросов/ответов в faqs_metadata.npy. Frontend-виджет чата Файл frontend/index.html содержит: плавающую кнопку-виджет (chat-launcher) в правом нижнем углу; всплывающее окно чата с историей сообщений, индикатором печати и отправкой запросов Результат Как это работает (коротко) Данные FAQ (data/faqs.json) → скрипт backend/build_index.py создаёт эмбеддинги и FAISS-индекс. Запрос пользователя → backend (/chat) получает текст, считает эмбеддинг, ищет ближайшие FAQ в FAISS. RAG: найденные FAQ передаются в system + user промпт для gpt-4.1-mini через OpenAI. Модель генерирует короткий ответ на русском, используя контекст FAQ, и возвращает его во фронтенд-виджет. За счёт автоматизации ответов на вопросы клиентов через ИИ-Ассистента, среднее время ответ отдела технической поддержки уменьшилось на 25%.

Разработал AI-платформу для селлеров Wildberries — app.matrixe.ai. Продукт в продакшне, реальные пользователи, платные тарифы. Что внутри: мультиагентная архитектура на Python — 5 специализированных AI-агентов, каждый отвечает за свою задачу: анализ товаров, юнит-экономика, анализ отзывов, контент, моральная поддержка. RAG-система на базе знаний платформы WB — агенты отвечают строго по актуальным данным, не придумывают. Интерфейс: веб-приложение + Telegram-бот. Пользователь описывает задачу в свободной форме — система сама определяет нужного агента и возвращает структурированный ответ. Технический стек: Python, FastAPI, PostgreSQL, Supabase Vector Store, OpenAI API, aiogram, Docker, Yandex Cloud. Промпты редактируются из админки без разработчика. Тарифная система с ограничениями по запросам. Проект строился с сентября 2025 года. Вся архитектура, RAG, агенты, деплой — под ключ.

Создание короткого ролика об открытии чаш аэрогриля

Изготовление видеоролика по сценарию с термосом