Александр
Фаль

AI-ассистент логистики в Kamaz Digital

Пользователи — внутренние сотрудники; ключевые сценарии — у менеджеров по экспедиции и логистов. Агент работает поверх корпоративных систем (ERP, TMS, внутренние API). Пилот в эксплуатации с июня 2026.

Проблема

Ответы на типовые вопросы сотрудников требовали ручного поиска по нескольким корпоративным системам.

Что сделал

Спроектировал агентную архитектуру и вёл начальную разработку: сценарии, скиллы и промпты, tool calling, agentic RAG (query expansion, агентное извлечение); спроектировал слой знаний (сущностные и процедурные знания) и аналитический слой поверх корпоративного DWH.

Результат

Ассистент пилот в эксплуатации с июня 2026 (внутренние пользователи); направление выделено в отдельный трек и развивается новыми сценариями поверх этой архитектуры.

запрос сотрудника
   │
   ▼
сценарии (intents) ──▶ tool calling ──────▶ agentic RAG ─────▶ ответ
                       ERP · TMS            query expansion      │
                       внутренние API       агентное извлечение  │
   ▲                                                             │
   └──── evals-гейт: датасет сценария · качество · стоимость ────┘

DWH-аналитика ассистента: 9 → 65 показателя за месяц

Семантический слой поверх корпоративного DWH (ClickHouse). Инициатива со стороны бизнеса; итеративные правки выполнял кодинговый агент.

Проблема

Аналитические вопросы бизнеса упирались в ручной SQL и выверку чисел: ассистент умел считать 9 канонических показателей, а масштабирование упиралось в доверие к цифрам.

Что сделал

Выстроил замкнутый цикл вокруг эталона — регулярного управленческого Excel-отчёта с ключевыми бизнес-показателями. Критерий корректности: слой воспроизводит цифры отчёта на исторических данных в допуске ±3%. Кодинговый агент правил семантический слой и прогонял все эталоны против живого DWH до сходимости.

Результат

За месяц слой вырос с 9 до 65 проверенных показателей (×7). Из 27 версий слоя только 5 — исправления ошибок: цикл в основном производил новое, а не чинил старое.

управленческий Excel-отчёт (ключевые бизнес-показатели)
   │
   ▼
эталоны: метрика · период · число · допуск ±3%
   │
   ▼
кодинговый агент правит семантический слой ──▶ прогон на исторических данных DWH
   ▲                                             │ расхождение с эталоном
   └─── сходимость всех эталонов → релиз слоя ───┘

Globaltruck IT: −80% дефектов в релизах, поставка — неделя → день

Логистическая платформа перевозчика. Продуктовая команда — 12 человек, backend-команда — 3 разработчика.

Проблема

Релизы выходили раз в неделю тяжёлыми пакетами и регулярно привозили дефекты.

Что сделал

Перестроил планирование, code review и ретроспективы; перевёл команду на безрелизную модель — деплой фич по готовности.

Результат

Дефектов в релизах стало на 80% меньше, изменения доезжают до прода за день вместо недели.

Платформа данных Kamaz Digital: аналитика за 30 минут вместо 3 дней

10+ источников данных, отчётность для операционного менеджмента группы.

Проблема

Каждый аналитический запрос бизнеса собирался руками по 3 дня.

Что сделал

Спроектировал платформу на ClickHouse, интегрировал 10+ источников, собрал витрины и отчётность в DataLens.

Результат

Типовой отчёт готов за 30 минут; на этой платформе позже вырос и AI-ассистент.

Личная агентная инфраструктура

Собственный ежедневный контур поверх Claude Code / Codex — тысячи сессий с августа 2025.

Проблема

Практики агентной разработки нужно обкатывать до того, как переносить их в командные процессы.

Что сделал

Собрал переиспользуемые скиллы, свои MCP-серверы, субагентов для параллельных прогонов, детерминированный guard деструктивных команд с самозащитой и фонового агента на VPS.

Результат

Полигон, на котором практики доводятся до состояния «переносимо в команду»: часть из них легла в SDD-процесс AI-разработки Kamaz Digital.