Часто задавані питання

IWIS будує під бізнес-задачі цифрові продукти: веб-портали, мобільні додатки, системи автоматизації та BI-аналітики, e-commerce-платформи. Також ми надаємо послуги консалтингу, коли потрібно спочатку розібратись, в якому напрямку рухатись та чи варто взагалі щось будувати.

Серед наших клієнтів міжнародні бренди, ритейл, виробничі компанії, і навіть державний сектор. У кожному проєкті ми занурюємося в бізнес-контекст та знаходимо оптимальне рішення.

AI-рішення для бізнесу — це система, яка навчається на даних компанії та бере на себе рішення або дію, що раніше вимагала людини: спрогнозувати попит, оцінити ризик відтоку клієнта, класифікувати звернення, підібрати рекомендацію, знайти відповідь у корпоративних документах.

Штучний інтелект для бізнесу відрізняється від звичайної автоматизації тим, що працює не за жорстко прописаним правилом, а за закономірністю, виведеною з історичних даних.

У Києві, але команда розподілена, і більшість процесів давно побудована без прив'язки до одного міста чи офісу. Наші клієнти є в Україні, Європі, США та Канаді, з усіма працюємо без втрати якості комунікації, просто адаптуємо ритм під часовий пояс.

AI автоматизація найшвидше дає ефект на повторюваних операціях, які не зводяться до простого правила: обробка та перевірка документів, класифікація й маршрутизація звернень, підготовка та нормалізація даних, формування типових текстів.

Там, де процес описується чіткими умовами, дешевше спрацює класична автоматизація бізнес-процесів. Ми розділяємо ці два шари: AI бере на себе саме той крок, де потрібне «розуміння» тексту, документа чи поведінки.

У 2017 році. Реалізували 90+ проєктів у галузях, які на перший погляд мають не так багато спільного. Але кожного разу перед нами стояло головне питання: як зробити так, щоб технологія вирішувала актуальну задачу бізнесу. Наш досвід дає змогу швидко розбиратися в нових контекстах і не витрачати дарма час клієнта.

AI-аналітика даних застосовується там, де обсяг інформації перевищує можливості ручного розбору: пошук закономірностей у транзакціях, поведінкова кластеризація клієнтської бази, виявлення аномалій, перевірка бізнес-гіпотез на історичних даних.

У проєкті для Планети Кіно ML-алгоритми розклали базу на поведінкові кластери за даними понад року транзакцій, а результати перевірялися разом із маркетинговою командою через глибинні інтерв’ю.

Здебільшого B2B-сегмент: фінанси, ритейл, виробництво, дистрибуція, фармацевтика, e-commerce, медіа та держструктури. Серед тих, з ким вже працювали: British American Tobacco, Планета Кіно, GoodWine, Helen Marlen, Скарбниця, Nazovni.Online. Однаково комфортно заходимо у великі корпоративні проєкти з розгалуженою інфраструктурою і в середній бізнес, де важлива швидкість і чіткий фокус на результат.

Предиктивна аналітика — це прогноз майбутніх подій на основі історичних даних: попиту, продажів, завантаження, залишків, ймовірності відтоку клієнта. На відміну від звичайної звітності, яка описує минуле, прогнозна аналітика дає час на дію.

Практичний приклад: для групи компаній «Нові Продукти» ансамблева ML-модель прогнозує обсяги виробництва з точністю понад 80%. Компанія перейшла від реакції на дефіцит чи надлишок постфактум до планування обсягів завчасно.

Якщо є чітке розуміння задачі, ми стартуємо за лічені дні, як тільки визначені ключові параметри, формується команда і запускається Discovery-етап. Якщо запит ще формується, то починаємо з того, щоб разом зрозуміти, що потрібно зробити і в якій послідовності.

Так, і саме це робить рішення робочим. Інтеграція AI виконується через REST API, черги повідомлень, вебхуки або пряме підключення до сховища даних — залежно від вашої інфраструктури.

Приклад із практики: у Планеті Кіно оцінка ризику відтоку передається в Salesforce Marketing Cloud, і користувач отримує повідомлення, адаптоване під його рівень ризику. Так само прогнози можуть потрапляти в ERP для планування виробництва або в BI-звітність.

Зазвичай з розмови. Короткий дзвінок або безкоштовний воркшоп, де разом розбираємо задачу і бізнес-контекст. Далі залежить від запиту: разова консультація, аудит наявного рішення або повноцінний запуск розробки.

Приблизно це виглядає так: знайомство та обговорення деталей → аналіз контексту → узгодження формату співпраці → за потреби підпис NDA → старт згідно складеного плану.

Нам важливо, щоб обидві сторони розуміли, що відбувається, ще до того, як почнеться будь-яка робота.

Так, розробка AI рішень під конкретні процеси компанії — основний формат нашої роботи. Кастомні AI рішення потрібні тоді, коли готовий сервіс не враховує специфіки бізнесу.

Показовий випадок — GoodWine: клієнт планував використати готовий рекомендаційний сервіс, але під час тестування виявилося, що модель не бере до уваги залишки товарів на складі. Власна модель, яка поєднала поведінкові та логістичні фактори, дала +5% до середнього чека та +10% до ротації запасів.

На старті погоджуємо не лише обсяг робіт, а і метрики успіху, межі відповідальності та ритм комунікації. Під кожен проєкт формується команда з релевантним досвідом. Протягом роботи маємо регулярні зустрічі та звіти, кожен важливий момент фіксується. Якщо щось змінюється, включаємо керований процес перепланування.

Потрібна історія подій, які ви хочете прогнозувати або класифікувати: транзакції, звернення, замовлення, показники виробництва, поведінка користувачів. Важливий не лише обсяг, а й глибина періоду та повнота фіксації.

Стан даних майже завжди виявляється окремою задачею. У кейсі «Нових Продуктів» частина торгових точок не фіксувала нульові залишки, і система плутала відсутність продажів із відсутністю попиту — методи апроксимації виправили це викривлення й суттєво покращили прогноз. Тому впровадження AI ми починаємо з аудиту даних, а не з вибору моделі.

Google Meet, email, месенджери, Jira для трекінгу задач. Якщо у клієнта вже є своя система – без проблем інтегруємося в неї. Якщо ні, пропонуємо зручний формат і пояснюємо, як він працює. Клієнт у будь-який момент знає, на якому етапі проєкт і що відбудеться далі.

Строк залежить від стану даних і від того, скільки систем зачіпає інтеграція. Для орієнтира — реальні строки наших проєктів: модель прогнозування відтоку для Edenred зайняла 5 місяців, аналітика та модель відтоку для Планети Кіно — 8 місяців, прогнозування виробництва для «Нових Продуктів» і рекомендаційна система для GoodWine — по 12 місяців разом із впровадженням.

Перевірити гіпотезу на PoC зазвичай можна значно швидше. Точну оцінку даємо після аудиту даних і фіксації обсягу першого етапу.

Якщо під час роботи змінюються пріоритети або з’являються нові вимоги, ми спочатку оцінюємо, як це вплине на терміни, бюджет і поточний обсяг робіт.

Далі разом із клієнтом вирішуємо, що варто додати зараз, а що краще перенести в наступний етап. Так проєкт не розвалюється від кожної нової ідеї, а зміни залишаються керованими.

Так, і для більшості задач це найрозумніший старт. PoC перевіряє одну річ: чи є в даних сигнал, достатній для потрібної точності. Це дає рішення про подальші вкладення на фактах, а не на очікуваннях.

Такий підхід ми застосовуємо системно. Перша версія моделі для «Нових Продуктів» була побудована на обмеженому наборі ознак ще на етапі тендера і, попри простоту, показала найвищу точність серед усіх учасників. Повноцінна ансамблева модель розроблялася вже після підтвердження гіпотези.

Перша зустріч – це відверта розмова. Ми ставимо питання про бізнес-контекст, поточні проблеми та очікуваний результат, ви розповідаєте про своє бачення. На виході маємо розуміння з обох сторін, як підійти до задачі.

Можемо порадити стек або архітектуру, зорієнтувати по бюджету та термінах, запропонувати варіанти реалізації. Якщо ваш запит не в нашій зоні компетенцій, ми завжди скажемо прямо.

Так. Після запуску модель потребує супроводу: якість прогнозів контролюється, а сама модель перенавчається на нових даних, бо поведінка клієнтів і ринок змінюються.

Масштабування зазвичай іде двома шляхами: розширення на суміжні задачі та категорії — у «Нових Продуктах» перша модель стала фундаментом для інших товарних напрямів — або підключення нових каналів і систем, як у Планеті Кіно, де рекомендації працюють одночасно в push, email і мобільному застосунку.