Начали работу с создания сервиса для внутреннего тестирования и обучения работы с генеративным ИИ и эмбеддингами. Сервис представляет собой набор инструментариев для визуального сравнения различных типов эмбеддингов, сравнения LLM-моделей в режиме диалога, тестирования и сравнения классификационных моделей. Подходит для внутреннего тестирования и обучения, обеспечивая глубокое понимание работы с генеративным ИИ и эмбеддингами. Проработали интерфейс сервиса, необходимо было сделать простой понятный интерфейс, для упрощения работы пользователю.
Компания занимается консалтингом с реализацией сложных проектов для средних и крупных компаний, где необходимо внедрить управление данными (small data) и ИИ. Например цифровой консультант подключенный к базе знаний компании и остаткам товаров на складах. Или автоматизация тендерного отдела, который работает с госзакупками.
Также компания занимается обучением (оффлайн), проводит семинары и хакатоны по обучению работы с ИИ и созданию своих ИИ-помощников.
- Интуитивная навигация: Простая и логичная структура меню, позволяющая пользователям быстро находить нужные функции.
- Четкая визуализация данных: Использование графиков и диаграмм для представления результатов тестирования и работы моделей.
- Эффективное тестирование: Создание удобного инструмента для тестирования различных моделей генеративного ИИ.
- Интуитивная навигация: Простая и логичная структура меню, позволяющая пользователям быстро находить нужные функции.
Также был спроектирован Фреймворк для создания ИИ-ассистентов поддержки первой линии и консультаций по продукции. Локально разворачиваемый сервис с глубокой кастомизацией, позволяющий интеграцию Telegram и других сервисов с базами знаний и каталогами продукции. Фреймворк поддерживает использование как базовых, так и дообученных моделей, таких как ЯндексGPT и GigaChat. Система обеспечивает гибкую настройку доступа к различным системам, легко интегрируется с текущей БД на PSQL и может хранить до 1000 документов на одного ассистента. Настройка эмбеддингов позволяет использовать как базовые, так и дообученные модели для создания векторных баз данных.