Ниже — контекст появления ряда продуктов из каталога: отрасль или проверка гипотезы,
задача, что сделали первым контуром и за какой срок (где срок указан). Без названий заказчиков и без «нарисованных»
процентов. У PrixCut и CallWise дополнительно — что по сути внутри (домен, архитектура, контур
поставки), без метрик «строк кода»: их плохо использовать как меру ценности проекта. Медицинские сценарии описаны
сдержанно;
клиническое применение — только после отдельной проработки комплаенса и валидации.
PrixCut (LaserCutCalc)
Отрасль: цех мелкосерийного производства изделий из металла: лазерная резка,
далее гибка, сварка, слесарная обработка, покраска.
Задача: устали от «пустых» расчётов для потенциальных заказчиков — без опоры на нестинг и
реальную укладку на листах. Нужно было приложение для подготовки коммерческих предложений с опорой на
качественный нестинг по DXF и понятной выдачей КП.
Срок первой версии: около месяца.
Сложность и масштаб: Это не «форма и скрипт», а полноценный продуктовый контур: разбор DXF, собственный движок нестинга на листах, веб‑приложение и выдача КП, сопутствующие сервисы и объёмный тестовый контур. Долгая эволюция и сопровождение отражают сложность домена, а не гонку за объёмом кода.
Отрасль: крупный интернет-магазин автозапчастей; в колл-центре несколько линий
операторов — продажи, сервис и другие направления.
Задача: операторы не всегда выполняют требуемые действия в разговоре в нужном качестве. Нужно
иметь возможность прослушивать разговоры и проверять их по чеклистам; чеклисты
должны со временем меняться вместе с процессами. По результатам проверок — решения: кому нужно обучение, какие
практики брать за ориентир, где без кадровых последствий не обойтись.
Срок разработки: около трёх месяцев.
Сложность и масштаб: Полноценный full‑stack: backend с обработкой аудио и доменной логикой, клиент на TypeScript/React, роли и сценарии, e2e и отдельный контур экспериментов с моделями и диаризацией. Репозиторий тяжёлый по данным и артефактам — ожидаемо для такого класса задач; сравнивать с «лендингом» по любой одной метрике бессмысленно.
Задача (пилот): проверить возможность быстрого скрининга по рентгенограммам для
более точного первичного направления пациента к лечащему врачу — поддержка маршрутизации, а не
замена клинического решения и не постановка диагноза «вместо врача».
Прототип: около недели. Для модели использовалось глубокое обучение на
согласованной с заказчиком обучающей выборке.
Оговорка: не является диагностически значимым инстурментом.
Контекст: разработка шла в рамках проверки гипотезы стартапа — нужен был
технический контур транскрибации и анализа речи в продуктовом сценарии до масштабирования и поиска
product-market fit.
Контекст: продукт создавался для проверки гипотезы стартапа — сценарий «голос →
транскрипт → ответ LLM» на рабочем столе, без упаковки в универсальный облачный сервис до подтверждения ценности.