Создайте проект на платформе, если у вас его еще нет, чтобы записаться на консультацию
68918 проектов
Сортировать по
Экспертные заключения: 0
Консультации: 0

Детектор апноэ

Суть проекта в создании компактного и доступного домашнего устройства для непрерывного мониторинга сна. Прибор, состоящий из браслета и кольца на палец автоматически фиксирует остановки дыхания (апноэ), путем отслеживания пульса, сатурации и микродвижений, а также анализирует данные и предоставляет понятный отчет о сне пользователю.

Проблема: по данным ВОЗ, более 1 миллиарда человек в мире страдают апноэ, при этом до 80% из них не знают о диагнозе. Классическая диагностика в клинике (полисомнография) пугает людей: она дорогая, требует сна в больнице под наблюдением и датчиками. Из-за дефицита времени и мест в больницах люди упускают время и рискуют получить опасные осложнения.

Цель: создать доступное устройство для мониторинга сна, которое позволит выявлять остановки дыхания (апноэ) на ранних стадиях, снижая долю недиагностированных случаев до минимума и помогая пользователям самостоятельно выявить проблему в домашних условиях.

Целевая аудитория

1. Люди из группы риска и те, кто подозревает у себя проблемы со сном

2. Молодые и зрелые люди, активно контролирующие показатели организма ради здоровья и продуктивности.

Ссылка

На страницу проекта

Направление

Здравоохранение, медицина, фармацевтика

Рынки

HealthNet

Сквозные технологии

Новые производственные технологии, Персонифицированная медицина
Экспертные заключения: 0
Консультации: 0

производство L-карнитина

-

Ссылка

На страницу проекта

Направление

Биотехнологии

Рынки

HealthNet

Сквозные технологии

Бионика
Экспертные заключения: 0
Консультации: 0

iCust Discovery - веб-сервис для подготовки и проведения CustDev-исследований

Веб-сервис для проектирования и проведения CustDev-исследований (проблемных и решенческих интервью) с использованием методологий JTBD и SCORE-анализа имеет следующие функции:
Сбор данных:
1. Ввод параметров исследования: цель, контекст продукта, гипотезы, описание целевой аудитории
2. Загрузка аудио/видео записей интервью
3. Загрузка собственного сценария интервью для привязки ответов к вопросам

Модуль проектирования дизайна качественных исследований:
1. Формализация запроса исследования (цель, контекст продукта, гипотезы)
2. Автоматическое проектирование дизайна CustDev-исследования (проблемного и решенческого интервью) с использованием методологий JTBD и SCORE-анализа: метод, структура, блоки вопросов для интервью
3. Предоставление сценариев интервью, адаптированных под цели, задачи и гипотезы исследования
4. Валидация продуктовых гипотез перед проведением исследований

Модуль умной транскрибации:
1. Автоматическое распознавание речи, формирование стенограммы, диаризация
2. Привязка ответов респондентов к конкретным вопросам интервью/сценарию с получением обобщённой информации по каждому вопросу сценария
3. Автоматическое выявление ключевых цитат и паттернов ответа (повторяющиеся проблемы, упоминания конкурентных решений и т.п.)
4. Формирование документа-отчета с распределением ответов по ключевым блокам (боли, гипотезы, ценность продукта и т.п.), а также основными инсайтами

Конкурентное преимущество:
1. Низкая стоимость обработки минуты интервью за счёт адаптации существующих моделей NLP (Whisper и другие аналоги для транскрибации, LLM: DeepSeek / YandexGPT / GigaChat для анализа), что позволит осуществить:
- Проектирование дизайн CustDev-исследования (цель, задачи, гипотезы, описание целевой аудитории для проведения интервью, сценарий интервью)
- Автоматическую обработку 100% интервью по заданному сценарию
- Автоматическое выявление паттернов и инсайтов, упускаемых при ручном анализе
- Автоматическую генерацию структурированных отчётов

2. Сквозной процесс — решение, закрывающее цикл проектирования и анализа результатов CustDev-исследования: от проектирования дизайна → генерации гайда → транскрибации → формализованного отчёта с инсайтами
Дообученная LLM-модель на экспертной разметке CustDev-исследований — в отличие от универсальных транскрибаторов (MyMeet, Войси) и LLM общего назначения (ChatGPT, GigaChat), учитывает методологию CustDev-исследований (JTBD/SCORE)

Ссылка

На страницу проекта

Направление

IT

Рынки

EduNet, NeuroNet

Сквозные технологии

Искусственный интеллект
Экспертные заключения: 0
Консультации: 0

TechProcessStudio

Программа для создания технологического процесса с помощью искусственного интеллекта

Ссылка

На страницу проекта

Направление

Металлургия и добывающая промышленность

Рынки

AutoNet

Сквозные технологии

Новые производственные технологии
Экспертные заключения: 0
Консультации: 0

Модернизация механизма вываливания багажа из тележки Аэропорта «Пулково»

Аэропорт «Пулково» сталкивается с задачей автоматизации выгрузки багажа из тележек на конвейерную ленту. Процесс трудоёмок, травмоопасен и требует интеллектуальных инженерных решений.

Ссылка

На страницу проекта

Направление

Другое

Рынки

HealthNet

Сквозные технологии

3д прототипирование
Экспертные заключения: 0
Консультации: 0

CropGuard CV

Разработка модели компьютерного зрения для детекции заболеваний сельскохозяйственных культур с эконометрической оценкой рисков потерь урожая

Продукт:

CropGuard CV — программное B2B-решение для автоматизированной диагностики заболеваний сельскохозяйственных культур и оценки риска потери урожая.
Продукт включает модель компьютерного зрения, классификацию фитопатологических состояний, оценку вероятности заболевания, статистическую калибровку результатов и эконометрический модуль оценки потенциального ущерба.
Программное решение может использоваться в локальной инфраструктуре сельскохозяйственного предприятия и в дальнейшем интегрироваться с внешними информационными системами посредством API.

Клиент:

Основной потребительский сегмент — B2B, в первую очередь:
 крупные и средние сельскохозяйственные предприятия;
 агрохолдинги;
 предприятия растениеводческого профиля;
 хозяйства, выращивающие зерновые и масличные культуры;
 агрономические и технологические службы;
 компании, оказывающие услуги мониторинга сельскохозяйственных угодий.

Бизнес-модель:

Основная бизнес-модель — B2B.
На первом этапе предполагается привлечение сельскохозяйственных предприятий через пилотные проекты. После подтверждения эффективности предусматривается переход к коммерческому использованию программного решения.
Основные источники дохода:
1. лицензирование программного обеспечения;
2. платные пилотные внедрения;
3. интеграция с информационными системами заказчика;
4. техническая настройка и сопровождение;
5. в дальнейшем — подписочная модель доступа к аналитической платформе.
Предварительная стоимость пилотного проекта может составлять 100–300 тыс. ₽, а коммерческого внедрения — ориентировочно 300 тыс. – 1,5 млн ₽ в год в зависимости от масштаба предприятия, количества культур, площади мониторинга и объёма интеграции.
Основным каналом привлечения клиентов на начальном этапе являются прямые B2B-продажи и пилотные внедрения.

Конкуренты:

1. Plantix — диагностика заболеваний растений по изображениям.
2. Taranis — цифровой мониторинг сельскохозяйственных полей с применением компьютерного зрения.
3. Climate FieldView — цифровая платформа управления сельскохозяйственным производством.
4. OneSoil — цифровой мониторинг полей и аналитика.
5. Prospera — решения на основе искусственного интеллекта и компьютерного зрения для сельского хозяйства.

Ссылка

На страницу проекта

Направление

Сельское хозяйство

Рынки

FoodNet

Сквозные технологии

Искусственный интеллект
Экспертные заключения: 0
Консультации: 0

RAG-платформа

Разработка интеллектуальной вопросно-ответной системы для образовательных организаций на основе технологии Retrieval-Augmented Generation (RAG), позволяющей формировать ответы на вопросы студентов и сотрудников строго по официальным документам вуза со ссылкой на конкретный документ и фрагмент. Система обеспечивает поиск по загруженному корпусу нормативных актов, положений, приказов, учебных планов и расписаний, поддерживает распознавание сканированных документов без текстового слоя, фильтрацию персональных данных перед отправкой в языковую модель и работу в режиме 24/7. Применение системы призвано снизить нагрузку на деканаты, учебный отдел и приёмную комиссию, сократить время получения официальной информации студентами, повысить достоверность ответов за счёт отказа от генерации неподтверждённых сведений. Развёртывание возможно в контуре образовательной организации без передачи данных в публичные сервисы.

Ссылка

На страницу проекта

Направление

IT, Образование

Рынки

EduNet, AutoNet

Сквозные технологии

Искусственный интеллект, Технологии хранения и анализа больших данных, Технологии информационной безопасности
Экспертные заключения: 0
Консультации: 0

Мотриксия - залог комфортной поезки

Motrixia — это программно-аппаратный комплекс для предиктивной диагностики ДВС. Связка OBD2-адаптера и мобильного приложения с встроенной нейросетью анализирует потоковые телеметрические данные (топливные коррекции, отклики датчиков, нагрузку) в реальном времени. Алгоритмы машинного обучения выявляют деградацию узлов на ранних стадиях, формируя итоговый диагностический отчет после завершения поездки.

Ссылка

На страницу проекта

Направление

Транспорт

Рынки

TechNet, AutoNet

Сквозные технологии

Искусственный интеллект, Технологии машинного обучения и когнитивные технологии, Технологии хранения и анализа больших данных, Управление углеродным следом
Экспертные заключения: 0
Консультации: 0

ВыгодноТут — персональная AI-платформа для управления семейным потреблением в сфере питания

Сегодня большинство цифровых сервисов покупки и доставки продуктов воспроизводят традиционную модель: сначала вы определяете, что вам нужно, затем ищете товары, сравниваете предложения и совершаете покупку. Даже цифровизация в значительной степени лишь переносит привычную модель магазина на экран. При этом последующие решения — что приготовить, как использовать имеющиеся продукты, что докупить и как не допустить их порчи и выбрасывания, — по-прежнему приходится принимать именно вам.

ВыгодноТут предлагает другую парадигму: не выбор товара под заранее сформированную потребность, а интеллектуальное решение задачи семьи с учётом её текущего контекста.

От потребности к решению

Платформа учитывает состав семьи, цели, предпочтения и ограничения в питании, бюджет, домашние запасы и сроки годности, историю покупок, сезонность и другие факторы.

Учитывая ваш запрос и контекст вашей семьи, система выявляет актуальную или потенциальную потребность, формирует варианты её решения и только после этого определяет, что необходимо приобрести или заказать.

Таким образом, меняется логика потребительского решения:

«что сейчас оптимально для моей семьи → какое решение удовлетворит эту потребность → что для этого необходимо → где и на каких условиях это сделать → сделай это за меня».

Покупка становится следствием решения, а не его отправной точкой. При этом потребность не навязывается извне: пользователь остаётся инициатором взаимодействия и конечным получателем результата, а AI берёт на себя анализ контекста, сопоставление множества факторов и значительную часть рутинных действий.

Единый контур семейного питания

Задача питания может решаться разными способами: приготовлением дома, готовой едой, кулинарией или полуфабрикатами. Платформа рассматривает их в общем контексте семьи наряду с запасами, покупками, фактическим потреблением и расходами.

Поэтому система управляет не отдельной покупкой, а целостным процессом семейного питания — от возникновения потребности до фактического потребления.

Контекст постоянно меняется: продукты покупаются и используются, меняются остатки и сроки годности, появляются новые запросы, изменяются бюджет, время, местоположение, цены и доступность предложений. Каждый такой сигнал может изменить решение, поэтому модель семьи актуализируется в режиме реального времени.

Формируется непрерывный цикл:

контекст → потребность → решение → покупка или заказ → использование → фиксация фактического потребления → обновление AI-графа → новое решение

AI-граф семьи и многоагентная архитектура

Технологическое ядро платформы — AI-граф семьи, динамическая модель текущего состояния и потребления домохозяйства. Он объединяет сведения о семье, запасах, бюджете и расходах, предпочтениях, ограничениях в питании, покупках и фактическом потреблении.

Поверх графа работает мульти-агентная архитектура:

  • агент семейного благополучия — формирует общий контекст семьи;
  • ИИ-нутрициолог и агент питания — формируют персональные рекомендации и план питания;
  • агент кладовой — контролирует запасы, остатки и сроки годности;
  • агент покупок — определяет потребность в товарах и формирует корзину или заказ;
  • агент выгоды — сопоставляет варианты по цене, условиям, местоположению и другим параметрам;
  • агент спасения продуктов — помогает своевременно использовать продукты и снижать пищевые потери.

Архитектуру дополняют специализированные модули «Нутрискан», «Дневник питания», учёта расходов и экологического контура. Они фиксируют фактическое питание, КБЖУ, расходы и экологические параметры и передают данные обратно в AI-граф.

Таким образом, система учитывает не только то, что семья планировала, но и то, что фактически приобрела, потребила и потратила, постоянно уточняя модель семьи и последующие рекомендации.

Персонализация без сложного онбординга

Вам не требуется проходить длинную анкету. Примерно за 55 секунд платформа получает базовые сведения о вас и вашей семье, достаточные для начала работы.

Дальнейшее уточнение происходит в процессе использования: при необходимости система задаёт 4–5 вопросов, связанных с текущим запросом, и добавляет ответы в AI-граф.

Система узнаёт вас постепенно, а вам не нужно специально обучаться работе с ней.

Чем больше система взаимодействует с вами, тем точнее и персональнее становятся её советы и рекомендации. Постепенно «ВыгодноТут» превращается в полноценного персонального ИИ-помощника семьи — помощника, который понимает её контекст, учитывает изменения и помогает принимать решения в повседневной жизни.

Ценность для семьи и ритейла

Для семьи модель создаёт возможность сократить время и усилия на планирование питания и покупки, рациональнее использовать имеющиеся продукты и учитывать расходы.

Для ритейла платформа создаёт доступ к предиктивному и персонализированному спросу, формируя его ещё до момента традиционного поиска товара, а также создаёт потенциал для повышения эффективности привлечённого трафика, формирования корзины и снижения списаний.

Платформа выступает независимым технологическим слоем между потребителем и рынком, а модель взаимодействия с партнёрами предусматривает преимущественно оплату за результат, без обязательной фиксированной платы за использование платформы.

Стадия проекта и команда

Проект находится на стадии работающего MVP и подготовки к пилотированию. Проведены более 100 глубинных CustDev-исследований и более 700 демонстраций MVP; сформирована технологическая архитектура, ведётся патентная работа и переговоры с потенциальными ритейл-партнёрами.

Сергей Пустовойтов — основатель, CEO/CTO: стратегия, продуктовая концепция и технологическая архитектура; более 30 лет в разработке ИТ-продуктов и внедрении ИИ-решений.

Андрей Колесников — научный руководитель, CSO: директор Аналитического консалтингового центра кафедры экономики инноваций Экономического факультета МГУ; научная и экономическая валидация, методология исследований потребительского поведения, экономические и ESG-модели проекта.

Ирина Калугина — PR и коммуникации: коммуникационная стратегия, работа с экспертами, партнёрами и медиа, развитие сообщества и амбассадорских инициатив.

Видение

Будущее семейного потребления — не в поиске товаров и не только в скидках и акциях, а в мультиагентных интеллектуальных персональных системах, которые бесшовно, быстро и эффективно решают конкретные повседневные задачи именно вашей семьи.

Ссылка

На страницу проекта

Направление

IT, Торговля и ритейл

Рынки

FoodNet

Сквозные технологии

Искусственный интеллект, Технологии хранения и анализа больших данных, Управление углеродным следом
Экспертные заключения: 0
Консультации: 0

Кружок

Сервис для педагогов доп образования.

Ссылка

На страницу проекта

Направление

IT, Образование

Рынки

NeuroNet

Сквозные технологии

Искусственный интеллект
Расскажите друзьям о проекте «Витрина проектов»
Отправить письмом