ПАО «М.видео», ведущая российская компания в сфере электронной коммерции и розничной торговли электроникой и бытовой техникой (МосБиржа: MVID), поддержала проведение в Магасе ИИ-хакатона «Точка сборки», организованного Академией цифрового развития. Проект объединил 914 участников из 58 регионов России. Во время хакатона 241 команда работала над прикладными задачами М.Видео, DBI и GigaCowork от компании «Салют для Бизнеса» (входит в группу Сбер). В финал вышли 30 команд, представивших свои разработки экспертному жюри. Общий призовой фонд составил 900 тысяч рублей.
Хакатон проходил с 13 по 31 октября в гибридном формате. За это время команды должны были не просто предложить идею, а создать работающий прототип ИИ-продукта под конкретную задачу заказчика. Участники использовали вычислительные мощности Cloud.ru и консультировались с представителями компаний.
Одной из особенностей хакатона стала система оценки разработок. Организаторы объединили экспертизу специалистов и возможности искусственного интеллекта: 70% итоговой оценки формировала многоагентная система на основе больших языковых моделей, остальные 30% приходились на экспертное жюри. Такой подход позволил совместить автоматизированную проверку решений с профессиональной оценкой их практической применимости.
Финал прошел в Магасе, в кампусе Академии цифрового развития, которая создана по инициативе президента группы «САФМАР», предпринимателя и мецената Микаила Гуцериева. Разработки участников оценивали представители компаний М.Видео, DBI и GigaCowork, а также эксперты в области искусственного интеллекта, разработки и управления цифровыми продуктами: Олег Сычугов, старший консультант компании «Салют для бизнеса», Александр Самойлов, руководитель направления Data Science и AI компании М.Видео, Алексей Захаров, региональный директор по развитию DBI, Оксана Никитина, руководитель центра карьеры Академии цифрового развития, Роланд Россоха, операционный директор Академии цифрового развития. Эксперты оценивали продуктовую ценность, реалистичность внедрения и развития.
М.Видео: ИИ для автоматизации товарного каталога
Для М.Видео участники разрабатывали ИИ-решение для автоматического заполнения характеристик товаров с применением технологии распознавания именованных сущностей (NER). Система должна извлекать необходимые атрибуты и их значения, а также приводить полученную информацию к единому формату. Внедрение такого решения позволит сократить объем ручной работы, повысить качество и полноту товарных данных. Полученные структурированные данные также могут использоваться для улучшения товарного поиска, фильтрации и рекомендаций.
«Мы расширяем применение ИИ в М.Видео — от проверки программного кода до обработки товарных данных. Хакатон дал возможность привлечь новые команды к решению конкретной бизнес-задачи и получить прототипы для автоматического заполнения характеристик товаров. Для нас ценность таких разработок — в возможности сократить ручную работу и ускорить появление новых товаров в каталоге. Лучшие решения рассмотрим для дальнейшей доработки и тестирования», — отметила Ирина Климкова, руководитель команды AI в компании М.Видео.
Победителем стала команда 10LVL из Магаса, представившая сервис attrx. Его особенность — гибридная архитектура, объединяющая алгоритмы, машинное обучение и генеративный ИИ. Система сначала извлекает характеристики с помощью словарей и шаблонов, затем сопоставляет их с аналогичными товарами в каталоге. ML-модель оценивает достоверность данных, а языковая модель подключается только в сложных случаях. Неподтвержденные значения передаются модератору вместе с источником информации.
Такой подход снижает вычислительные затраты: сервис может работать без GPU и постоянного обращения к языковой модели. На тестовых данных точность автоматически публикуемых характеристик достигла 97%. В эксперименте с участием 30 человек использование attrx позволило сократить количество ошибок, попадающих в каталог, в четыре раза. Прототип готов к пилотному внедрению.
GigaCowork: ИИ для разработки образовательных программ
Команды разработали решение для проектирования образовательных программ: оно автоматизирует составление учебного плана, карт компетенций, практических заданий, тестов и методических материалов. Это позволяет вузам и корпоративным центрам быстрее запускать новые курсы.
«Разработка образовательных программ требует значительных временных затрат у методистов, и многие процессы в этой работе можно автоматизировать. Нашей целью было продемонстрировать участникам хакатона возможности ИИ-агентов, их простую интеграцию с системами, используемыми специалистами образования, и, главное, какого значительного эффекта в оптимизации ресурсов можно добиться, используя GenAI-решения, в частности GigaCowork», — отметил Сергей Князев, коммерческий директор компании «Салют для Бизнеса».
Лучшее решение представила московская команда codewarriors, разработавшая CourseAI на базе GigaChat-3-Pro. В отличие от обычных генераторов текста, система использует архитектуру с 23 специализированными навыками, которые отвечают за разные этапы подготовки образовательной программы: от анализа требований до проверки и редактирования материалов.
Для снижения риска ошибок команда разделила задачи между ИИ и программными алгоритмами: расчет учебных часов и проверка структуры выполняются автоматически по заданным правилам, а итоговые изменения утверждает методист. CourseAI также поддерживает согласование материалов, сравнение версий и экспорт документов в DOCX, PPTX, PDF и Moodle XML.
На тестировании система подготовила комплект материалов для 36-часовой программы примерно за 14 минут при стоимости генерации 76,89 рубля. По оценке разработчиков, решение может сократить трудозатраты на создание одной программы на 102–176 часов.
DBI: голосовой ИИ-ассистент для медицинских клиник
Третье направление было посвящено автоматизации работы медицинских клиник. По заданию DBI участники разрабатывали голосового ИИ-ассистента, который может вести диалог с пациентом, подбирать специалиста и удобное время приема, оформлять запись или переносить ее. Подобные решения позволяют автоматизировать типовые обращения и снизить нагрузку на администраторов.
«Мы в DBI предложили на хакатоне „Точка сборки“ кейс по автоматизации клиник. В финале было 8 команд, и все показали высочайший уровень решений. Победители из MedMAX создали голосового ассистента „Линия“, который реально решает проблему недозвонов и пустых слотов в расписании врачей. Но главное — не было ни одной слабой работы. Все 8 команд доказали, что готовы браться за сложные задачи крупного бизнеса. DBI гордится уровнем участников и готова поддерживать такие инициативы», — Алексей Захаров, региональный директор по развитию, DBI.
Победителем стала московская команда MedMAX, представившая голосового ассистента «Линия». Для распознавания и синтеза речи разработчики использовали Whisper и Silero TTS, для обработки запросов — локальную языковую модель, а для интеграции с телефонией — Asterisk. Сложные обращения и медицинские вопросы система передает сотруднику клиники вместе с уже собранной информацией о пациенте.
Особенность разработки — встроенная система автоматического тестирования: прототип успешно прошел все 17 контрольных диалогов. Для пилотного внедрения команда определила целевые показатели: автоматизация не менее 60% типовых обращений, снижение доли пропущенных звонков до 15% и неявок на прием до 12%.
Каждая из трех команд-победителей получила 300 тысяч рублей, а все финалисты смогли представить разработки потенциальным заказчикам.
«Для нас важно, чтобы образование было связано с реальными задачами бизнеса. Поэтому Академия цифрового развития объединяет обучение, проектную работу и взаимодействие с компаниями. Хакатон „Точка сборки“ показывает, как участники могут применять знания для создания востребованных цифровых решений, а бизнес — находить новые идеи и специалистов. Такие проекты помогают выстраивать связь между образовательной средой и ИТ-индустрией», — отметил Руслан Колоев, заместитель директора Академии цифрового развития.
Ссылка на фотографии: https://disk.360.yandex.ru/d/JaWefyowTkoKQw