Кейси

Системи, які ми побудували, і що змінилося для бізнесу.

Кожен кейс нижче — це система, що працює сьогодні, а не слайд у презентації. Показуємо виклик так, як його сформулював клієнт, що саме ми побудували і який результат можемо підтвердити. Якщо цифра належить не нам — прямо про це кажемо.

Ринкова аналітика · Агротовари

Платформа ринкової аналітики в продакшені з 2013 року

Трейдери, переробники й експортери на світовому ринку зерна та олійних купують і продають за цінами, які змінюються щодня. Отримати ці ціни із запізненням — або отримати неточні — коштує дорого.

Виклик
Ринку агротоварів було потрібне одне надійне джерело щоденної аналітики цін і ф'ючерсів. Самі дані розкидані по біржах, урядових звітах і регіональних спот-ринках — кожне джерело у своєму форматі й за своїм графіком, — і бути актуальними вони мали щоранку, а не колись.
Рішення
Ми побудували платформу ринкової аналітики, яка безперервно збирає, очищає й публікує ці дані: ф'ючерси, звіти USDA та спот-ціни проходять автоматизованими конвеєрами в єдиний продукт, з API ринкових даних для клієнтів, яким потрібні цифри у власних системах, і підписковою оплатою згори.
Результат
Платформа безперервно в продакшені з 2013 року, нею користуються 10 000+ компаній у світі (за даними AgroChart). Вона працює й розвивається понад десять років — попри всі зміни ринку та джерел даних.

Наша роль: розробник у тривалій співпраці — десять років побудови та підтримки платформи, а не разова здача. Побудовано на Django, PostgreSQL і Celery.

Читати повний кейс →

Аналіз тендерів і RFP · Ірландія

Аналіз тендера за хвилини замість днів

Тендерна команда фізично встигає опрацювати обмежену кількість заявок. Ціна кваліфікації однієї — це дні часу найдорожчих людей, і більшість із них витрачається на тендери, у яких компанія зрештою не бере участі.

Виклик
Кожен тендер приходить стосом документів — оголошення, специфікація й десятки вкладень, — а вимоги, які насправді вирішують долю заявки, розкидані по всіх них. Уважно прочитати такий набір — це дні експертного часу, і зробити це треба ще до того, як стане зрозуміло, чи вартий тендер участі взагалі.
Рішення
Ми побудували й далі розвиваємо AI SaaS-продукт, який читає весь набір документів і формує структурований аудит вимог. Тендерна команда отримує чітку картину того, чого вимагає тендер і чи підходить він — рано, поки ще є час на дії.
Результат
Від днів ручного перегляду — до хвилин: повний аудит зазвичай завершується приблизно за 15 хвилин (5–20 залежно від обсягу документів). Продукт у продакшені з активними користувачами, ми підтримуємо й розвиваємо його за ретейнером.

Клієнт конфіденційний на його прохання. Результати готові обговорити на дзвінку; внутрішня механіка лишається закритою.

Читати повний кейс →

Витяг фінансової звітності · Звіти SEC

Звіти SEC, перетворені на таблиці автоматично

Аналітикам, які порівнюють компанії, потрібні цифри в рядках і стовпцях. Документи, у яких ці цифри лежать, написані для читання, а не для парсингу.

Виклик
Фінансові показники були замкнені у звітах SEC 10-K і 10-Q — сотні сторінок тексту й таблиць, до того ж кожна компанія оформлює звітність по-своєму. Щоб дані потрапили в модель, аналітик переносив цифри вручну, звіт за звітом, і кожен такий крок — це шанс на помилку.
Рішення
Ми побудували систему витягу, яка читає звіти, знаходить у них фінансову звітність і експортує показники в Excel в узгодженій структурі — покриваючи всі п'ять типів звітів, а не лише звіт про прибутки та збитки.
Результат
До 98% точності витягу по всіх п'яти типах звітів, з результатом одразу в тому табличному форматі, у якому аналітики вже працюють.

Реалізовано як конвеєр обробки документів; точність виміряна на звітах, перевірених вручну.

Читати повний кейс →

З нашого R&D

Що ми перевіряємо, перш ніж це дійде до вашого проєкту.

Частину підходів ми спершу відпрацьовуємо на власних R&D-проєктах, щоб метод був перевірений ще до того, як за нього платить клієнт. Обидва приклади нижче — це R&D, які ми проводили, а не клієнтські продакшен-системи, і цифри взяті саме з них.

Міграція legacy без переписування з нуля

Ми переносили кодову базу на 44 000 рядків PHP у Python юніт за юнітом — 11 із 14 юнітів, 79% системи, з 918+ написаними тестами і жодним зламаним API-ендпоінтом. Сенс вправи: довести, що legacy-систему можна рухати поетапно, лишаючись робочою весь час, а не «гасити» її на час переписування.

Читати повний кейс →

Передбачувані витрати на AI

Ми побудували gateway, який стоїть перед AWS Bedrock і тримає бюджети по командах, з повною observability — видно, скільки і хто витрачає. На бюджетах, які ми через нього проводили, перевитрата лишалася меншою за 1%. Це різниця між витратами на AI, які можна планувати, і витратами, які виявляються наприкінці місяця.

Читати повний кейс →

Маєте задачу з документами, схожу на ці?

Назвіть один тип документів, який найбільше з'їдає час вашої команди. Ми повернемося з тим, що AI реально може з ним зробити — на ваших даних і з цифрами, які не соромно опублікувати.

Почати розмову