AI Engineer · Москва

Строю AI-системы, которые дают рабочий результат

Я Ильнур Кашапов. Проектирую LLM-агентов, RAG и автоматизацию процессов — и довожу контур до рабочего результата на ваших данных.

Написать → Email
0 чанков в индексе
0 до ответа агента
0 точность классификации
live на живых данных

Обо мне

Любопытство к тому, как это устроено изнутри.

Учился в Казанском авиационном институте по специальности «Прикладная информатика в робототехнике». Со студенческих лет активно делал ботов и агентов, подавался на конкурсы, участвовал в проекте «Студенческий стартап» от Фонда содействия инновациям и питчил проект перед комиссией экспертов — такие площадки проходил не раз.

Сейчас фокус — AI для бизнеса: агенты, LLM, RAG и автоматизация процессов. Важно не только «ответить моделью», а связать это с вашими системами и довести до рабочего результата.

Образование

Казанский авиационный институт

КАИ

«Прикладная информатика в робототехнике»

Работы

Что внедряю

Рабочие AI-контуры с измеримым эффектом: что болит у команды, что получает клиент и какие цифры уже были в проде.

ИИ-помощник по базе знаний

Сотрудники ищут ответ вручную по wiki и документам — долго и легко промахнуться мимо нужной страницы.

Задаёте вопрос свободным текстом — получаете ответ по вашей базе со ссылками на источники. Гибридный поиск (смысл + точные формулировки) работает и для людей, и для внутренних ассистентов.

  • Корпус: ~60 разделов, ~40 тыс. страниц, 350k+ чанков
  • p95 поиска: ~2 с → ~0,5 с при сотнях запросов в сутки
  • После правок индекс обновляется за минуты, а не за сутки
  • Доля полезных ответов на внутреннем наборе +15–20%
  • Поиск отдают AI-ассистентам вместо ручного обхода базы

Ответ со ссылкой за доли секунды — без обхода wiki вручную

Контур ответа
Вопрос Гибридный поиск Ответ + ссылки
Схема контура
  1. 01
    Вопрос свободный текст от сотрудника / ассистента
  2. 02
    Поиск вектор + полнотекст по wiki и документам
  3. 03
    Сборка контекста релевантные чанки → ответ со ссылками
  4. 04
    Индекс правки в базе → обновление за минуты
~0,5 сp95 поиска
350k+чанков
минутыиндекс после правок
Разбор заявки
Входящая заявка Классификация Уточнение
Схема агента
  1. 01
    Приём заявка попадает в очередь без диспетчера
  2. 02
    Тема классификация и маршрутизация по инструкции
  3. 03
    Диалог добор параметров, если данных не хватает
  4. 04
    Закрытие ответ со ссылкой или передача специалисту
~19 спервый ответ
46%с уточнением
~50%сами по инструкции
Проверка договора
Файл договора Вид + сторона Риски
Схема проверки
  1. 01
    Разбор текст + координаты фрагментов для подсветки
  2. 02
    Контекст вид договора и сторона, в чьих интересах анализ
  3. 03
    Риски правила на критичное + модель на спорное
  4. 04
    Отчёт карточки рисков со ссылкой на норму
5–15 минвместо 30–60
~12видов договоров
3 классарисков
Разбор звонка
Запись Транскрипция Сегменты
Схема речевой аналитики
  1. 01
    Запись регистрация звонка и получение аудио
  2. 02
    Текст транскрипция, сегменты и спикеры
  3. 03
    Оценка отдельный промпт на каждую метрику качества
  4. 04
    Отчёт сводка по метрикам без полного прослушивания
до 100звонков в пакете
без потериповтор при сбое
по метрикамне по длинному тексту
Поток данных
CRM ETL Учёт
Схема данных
  1. 01
    Источники CRM, учёт, wiki и смежные системы
  2. 02
    ETL слои raw → staging → нормализация
  3. 03
    Витрины ночные job по доменам, готовность «за вчера»
  4. 04
    Потребители отчёты и продукты без ручной сверки часами
ночьвитрины «за вчера»
минутысверка сущностей
доменыизолированные job

Контакт

Есть AI-задача? Давайте решим.

Открыт к коллаборациям, выступлениям и интересным задачам в AI и автоматизации.

Написать в Telegram Написать на email