Студент Физического факультета Новосибирского государственного университета Тимофей Лебедев стал победителем конкурса «Студенческий стартап» с проектом модульной платформы для автоматизации рутинных бизнес-процессов малых и средних компаний. Разработка получила грант Фонда содействия инновациям и направлена на создание доступного инструмента, не требующего содержания штатного разработчика. Об этом CNews сообщили представители НГУ.

Проект Тимофея Лебедева представляет собой систему, которую небольшая компания сможет собрать под свои задачи из готовых модулей — без привлечения разработчика и внедрения дорогостоящих корпоративных систем. Технически это общее ядро и подключаемые к нему модули, каждый под свою задачу. Однотипная работа, на которую они рассчитаны, — это разбор заявок, их квалификация, контроль сроков, рутинная аналитика. Первый модуль, который создается по договору с Фондом, «закрывает» прием и разбор входящих обращений.

По словам Тимофея, небольшие компании редко тонут в сложных задачах — они тонут в простых: разобрать заявку, понять, что это, занести в систему, ответить, проверить, не забыли ли перезвонить. Каждое действие занимает пять минут и не требует квалификации, однако вместе они съедают сотрудника целиком. Готовые корпоративные системы для такого бизнеса недоступны — дорого и долго внедрять, а подключение языковой модели самостоятельно требует держать разработчика в штате.

Система встраивается в те учетные системы, которыми компания уже пользуется, — менять их не нужно. Принципиальный момент: ответы формируются не «из головы» нейросети, а на основе документов и регламентов самой компании с указанием источника. Результат перед отправкой проверяется, и не прошедший проверку направляется человеку.

«Точность обработки сейчас обещают все. А вот проверить, почему система решила именно так, обычно нельзя — и это главное, что мешает бизнесу доверять автоматизации», — сказал Тимофей Лебедев.

Интерес к нейросетевым технологиям у Тимофея возник в 2019–2020 гг. Тогда его «зацепила» не столько прикладная сторона, сколько сходство моделей с устройством мозга. Было ощущение, что, строя эти модели, мы как вид понемногу собираем модель собственного мышления. Тема сознания, по его словам, интересует его до сих пор. Затем последовали несколько лет практики: финалы Национальной технологической олимпиады по направлению «Нейротехнологии и когнитивные науки», проект для Турнира юных инженеров-исследователей по нейронаукам, смены в «Альтаире».

Идея проекта сформировалась в 2023–2024 гг., когда Тимофей увидел тренд на ИИ-агентов. Однако он сделал для себя вывод, что приходить первым обычно невыгодно.

«Google не был первым поисковиком, Nvidia не первая производила видеокарты, Microsoft сделали не первую операционную систему. Первых обычно забывают. Выигрывает не тот, кто пришел раньше всех, а тот, кто оказался готов к моменту, когда спрос стал настоящим», — сказал студент.

Тимофей не стал бросаться делать продукт сразу, а проверял, сформируется ли рынок, и параллельно готовился: полировал идею, учился, пробовал небольшие проекты, разбирался в нише. Когда рост стал очевиден, он понял, что момент настал. Еще одно наблюдение из этого периода касается смещения фокуса в области ИИ: почти все внимание направлено на то, чтобы модели умели больше. Однако узкое место, на его взгляд, смещается в другую сторону — не «может ли система это сделать», а «можно ли доверить ей делать это без присмотра». Проект строится вокруг второго вопроса: предсказуемости и проверяемости.

На данный момент Тимофей ведет проект самостоятельно: стратегия, продуктовая проработка, архитектура, разработка — все находится в его зоне ответственности. В узких задачах он привлекает специалистов по договорам.

При этом свою рутину он тоже автоматизирует — теми же средствами, которые делает для клиентов. По его словам, странно предлагать бизнесу избавиться от ручной работы, если сам ею занимаешься. Кроме того, побочный эффект оказался полезнее, чем ожидалось: все шероховатости он находит на себе раньше, чем до них доберется заказчик.

Малый состав дает скорость — решение принимается и проверяется в тот же день. Команда появится тогда, когда станет понятно, под что именно ее собирать.

Прямых аналогов немного, косвенные можно разделить на три группы. Первая — ИИ-помощники, встроенные в конкретную CRM-систему (например, «Битрикс24»). Решение хорошее, но работает только внутри своей платформы. Вторая — отечественные платформы автоматизации клиентского сервиса вроде ELMA365 или CraftTalk. Они сильные, но ориентированы на средний и крупный бизнес и требуют заметных затрат на внедрение. Третья — подключение языковых моделей напрямую через API (YandexGPT или GigaChat), что гибко, но требует своего разработчика.

«Наше отличие в том, что мы не привязаны к конкретной учетной системе: интеграция идет через программный интерфейс. Модульность позволяет подключать одну задачу, а не систему целиком. И самое главное — мы опираемся на документы компании с указанием источников, а по каждому обращению сохраняется последовательность шагов, поэтому всегда можно посмотреть, на каком основании система приняла решение», — сказал Тимофей.

Формально проект только стартовал: договор с Фондом содействия инновациям подписан в августе 2026 г. Однако к моменту подачи заявки у Тимофея уже был собственный технический задел: работающий прототип с приемом обращений, поиском по корпоративной базе знаний, пошаговым журналом обработки и проверкой результатов. По его словам, подтверждено главное — задуманная архитектура работает. В рамках гранта предстоит довести наработки до состояния, в котором результат можно отдать живому предприятию, и проверить на настоящих данных и нагрузке.

Андрей Лаптев, «Индид»: Инциденты с учетными данными затронули 90% российских компаний Безопасность

За этот год по договору будут созданы ядро и один прикладной модуль — прием и разбор входящих обращений. Модуль нужен, чтобы на конкретной задаче довести ядро до рабочего состояния и убедиться, что оно действительно универсально.

«Дальше на это же ядро становятся следующие модули, и каждый обходится дешевле предыдущего — в этом, собственно, и был смысл так строить», — сказал Тимофей.

В основе обработки — языковые модели. Однако, по словам разработчика, интересное в проекте не в них, а в том, как выстроена обвязка вокруг них, потому что именно она отвечает за предсказуемость.

Поиск по базе знаний комбинированный — по смыслу и по точной формулировке одновременно, поскольку каждый способ по отдельности регулярно промахивается: один не находит нужный пункт регламента, потому что он сформулирован непривычно, другой пропускает то, что названо другими словами. Слой обращения к моделям спроектирован независимым от поставщика: смена модели или провайдера — это изменение настройки, а не переписывание системы. Приоритет отдается отечественным моделям и отечественной инфраструктуре. Каждый шаг обработки сохраняется отдельной записью — что подали на вход, что получилось, какая модель работала, сколько это заняло и во что обошлось. Благодаря этому спорный случай можно разобрать по шагам, а при сбое обработка продолжается с места остановки, а не начинается заново.

Тигран Саркисов, директор по управлению данными Х5: Без единых правил трактовки данных ИИ начинает делать неверные выводы бизнес

Серверная часть написана на Python, данные и векторные представления хранятся в одной базе. Однако Тимофей не делает на этом акцент: набор библиотек может измениться, ценность — в архитектурных решениях.

Где проект найдет применение

Целевой сегмент — B2B, малый и средний бизнес, у которого есть повторяющаяся ручная работа с текстом и документами. Прежде всего это подразделения продаж, клиентского сервиса и операционной поддержки. Сама конструкция не про обращения: ядро одно, а рутина в этих отделах устроена похоже, и следующие задачи ложатся на то же основание. Первый модуль закрывает обработку входящих обращений, поэтому на старте интересуют компании с постоянным потоком заявок.

По данным Единого реестра субъектов МСП, в нем более 6 млн записей. По оценке Тимофея, целевое ядро — компании с выделенным отделом продаж или клиентского сервиса — составляет порядка трехсот-пятисот тысяч предприятий. Приоритетные отрасли — профессиональные услуги для бизнеса (юридические, маркетинговые, консалтинговые), электронная коммерция, онлайн-образование.

Договоренностей о внедрении пока нет: сейчас фокус полностью на технической надежности ядра. Формирование пула пилотных компаний начнется по готовности модуля.

«Сначала нужно довести продукт до состояния, в котором его не стыдно отдать живому предприятию, — а потом уже идти к бизнесу», — сказал Тимофей.

Средства гранта направляются на разработку по календарному плану договора: оплата труда, вычислительная техника для разработки и тестирования, аренда серверов у отечественных облачных провайдеров, доступ к программным интерфейсам языковых моделей, лицензии на программное обеспечение и сопровождение созданного юридического лица. В рамках договора создаются программное ядро и один пилотный модуль. Расширение линейки модулей — следующий этап развития, в состав работ по договору он не входит.

Ближайшая цель — довести модуль до первых пилотных внедрений и сопоставить расчетную эффективность с реальной. Тимофей подчеркивает: важно измерить на практике, сколько чистого времени система экономит сотрудникам в реальной работе. Дальше — расширять линейку на том же ядре. Какой процесс автоматизировать вторым, определят первые клиенты — по тому, где у них окажется больнее всего.

«Нормальная автоматизация сегодня — привилегия тех, кто может содержать ИТ-отдел или хотя бы одного разработчика. Всем остальным достается либо ничего, либо коробочное решение, которое почти никогда не ложится на реальный процесс. На мой взгляд, это ненадолго. И хочется, чтобы стандарт в этой нише задавали мы — не потому что пришли первыми, а потому что сделали тщательнее», — сказал Тимофей Лебедев.

Проект поддержан Фондом содействия инновациям в рамках программы «Студенческий стартап» мероприятия «Платформа университетского технологического предпринимательства» федерального проекта «Технологии».