1. Потребительские сегменты: Enterprise-компании, внедряющие ИИ для автоматизации рутины и ускорения техподдержки. Крупные корпоративные клиенты и госструктуры, чья ИТ-инфраструктура обслуживается компанией «Сибинтек-Софт».

2. Ценностные предложения: автоматическое решение до 80% типовых заявок ИТ-поддержки за секунды, снижая нагрузку на персонал «Сибинтек-Софт» и ускоряя инциденты у их клиентов.

Наш сервис интеллектуальной автоматизации поддержки помогает крупным компаниям с развитой ИТ-инфраструктурой, которые хотят сократить время обработки заявок и снизить нагрузку на специалистов, тем, что автоматизирует обработку типовых запросов и маршрутизацию заявок, а также позволяет повысить скорость ответа и эффективность работы службы поддержки.

3. Каналы сбыта: прямые продажи через команду «Сибинтек-Софт» действующим клиентам с демонстрацией пилотного внедрения на их тестовом стенде.

4. Взаимоотношения с клиентами: взаимодействие со специалистами от «Сибинтек-Софт» на этапе обучения нейросети и полностью автоматизированная обработка типовых заявок для конечных пользователей.

5. Потоки доходов: ежемесячная абонентская плата за лицензию (SaaS) и разовый платеж за внедрение с обучением нейросети на исторических данных «Сибинтек-Софт».

6. Ключевые ресурсы: предобученные нейросетевые модели (LLM), база знаний типовых инцидентов и GPU-инфраструктура для инференса.

7. Ключевые виды деятельности: дообучение нейросетей на логах и тикетах «Сибинтек-Софт» и разработка API для интеграции с их системой заявок.

8. Ключевые партнеры: «Сибинтек-Софт» — как основной канал продаж, источник данных для обучения и эксперт в ИТ-поддержке, а также провайдеры облачных GPU-мощностей.

9. Структура издержек: аренда вычислительных мощностей для работы нейросетей и фонд оплаты труда команды ML-разработки и поддержки.

1. Цель проекта Создание прототипа сервисной поддержки работы пользователей на основе нейросетевой модели

2. Задачи проекта "создать агента

написать код (фронтэнд, бэкэнд), отладить

презентовать заказчику"

3. Каких результатов мы ожидаем по итогам нашего проекта?

Рабочий прототип, который выполняет задачи: отвечает на вопросы пользователей (работа агента тех поддержки)

4. Описание нашего продукта

Нейросетевой агент, который облегчает работу человека

Чат, который находится в приложении или на сайте"

5. Какую проблему заказчика решает наш продукт?

Заинтересованность в экономии средств

Оператино, быстро, точно получать ответы

6. Кто будет пользоваться нашим продуктом?

Внутренние сотрудники (какой отдел, департамент...)

7. Почему наш продукт необходим нашим клиентам? (В чем его ценность?)

Быстро и оперативно полать ответы на вопросы, ответы более точные

Бизнес-модель
1. Проблема

ИТ-поддержка крупных компаний и «Сибинтек-Софт» тонет в типовых заявках, что создаёт очереди и перегружает дорогих специалистов. Заказчики теряют время и деньги из‑за долгой обработки рутинных инцидентов, а на сложные задачи у персонала почти не остаётся ресурсов. Кроме того, существующие скриптовые системы неспособны гибко отвечать на вариативные запросы пользователей без постоянной ручной настройки.

2. Сегменты потребителей

Enterprise-компании, внедряющие ИИ для автоматизации рутины и ускорения техподдержки. Крупные корпоративные клиенты и госструктуры, чья ИТ-инфраструктура обслуживается компанией «Сибинтек-Софт». Именно сотрудники «Сибинтек-Софт» и конечные пользователи внутри этих организаций будут ежедневно взаимодействовать с продуктом.

3. Уникальное ценностное предложение

Автоматическое решение до 80% типовых заявок за секунды, снижение нагрузки на персонал и ускорение инцидентов у клиентов. Нейросетевой агент отвечает на вопросы пользователей в чате (на сайте или в приложении), а не просто маршрутизирует тикеты. В отличие от скриптов, наша LLM даёт более точные ответы и обучается на истории заявок «Сибинтек-Софт».

4. Решение

Дообученная нейросетевая модель (LLM) на реальных логах и тикетах заказчика, работающая через API. Веб‑чат для конечных пользователей, встроенный в приложение или сайт, который отвечает на вопросы в режиме реального времени. И автономный агент техподдержки, который сам обрабатывает типовые запросы без участия человека — от диагностики до готового ответа.

5. Каналы привлечения

Прямые продажи через команду «Сибинтек-Софт» действующим клиентам с демонстрацией пилотного внедрения на их тестовом стенде. Доверие к каналу максимально высокое, так как заказчики уже обслуживаются этим партнёром. Также используются внутренние коммуникации «Сибинтек-Софт» для презентации прототипа и вовлечения первых пилотных зон.

6. Потоки доходов

Ежемесячная абонентская плата за лицензию (SaaS) — основной регулярный доход. Разовый платеж за внедрение с обучением нейросети на исторических данных «Сибинтек-Софт». Такая модель покрывает затраты на дообучение и GPU, а также стимулирует долгосрочные отношения.

7. Структура издержек

Аренда вычислительных мощностей (GPU) для инференса и дообучения моделей. Фонд оплаты труда команды ML-разработки и поддержки. Небольшие затраты на API‑интеграцию и хранение базы знаний типовых инцидентов.

8. Ключевые метрики (KPI)

Процент автоматически решённых заявок (цель — до 80% от общего потока). Время ответа на типовой запрос (измеряется в секундах против часов при ручной обработке). И доля успешных ответов нейросети, подтверждённая специалистами «Сибинтек-Софт» на тестовом стенде.

9. Скрытое преимущество

Глубокий доступ к историческим данным и экспертизе «Сибинтек-Софт», которые выступают и партнёром, и каналом продаж, и источником для обучения. Уже существующая клиентская база Enterprise‑уровня, готовая к пилотным внедрениям. И реальная возможность отладить продукт на тестовых стендах заказчиков до широкого запуска.

На страницу проекта