Проекты

Что мы строим прямо сейчас.

Собственные продукты и проекты для клиентов. Часть работает под NDA — показываем публичную часть, конфиденциальное закрыто.

01 ESG / Устойчивое развитие В работе
GR World — строительная компания, Казахстан

EcoWise — ESG/SDG/CBAM платформа

Внедрение первой в СНГ комплексной ESG-платформы для строительного холдинга. Сбор данных по E/S/G показателям, автогенерация отчётов по GRI/SASB, подготовка к CBAM для экспортных операций. Коммерческое предложение — в открытом доступе.

EcoWiseESGCBAMSDG
Ключевые факты
ESG-паспорт компании
CBAM-готовность
GRI / SASB / TCFD
Обсудить похожий проект
02 Авто / Сервис В разработке
Сеть автосервисов, 2 филиала, Алматы

ASC-CRM — CRM/ERP для автосервиса

Первый пилотный клиент. Два филиала (CarCity + Шашкина). Проблема: одни данные вводятся 4 раза — WhatsApp → АвтоДилер → Excel → 1С. Задача: один ввод мастером-приёмщиком заменяет всю цепочку. Детали клиента — NDA.

ASC-CRMReactNestJSPostgreSQL
Ключевые факты
2 филиала
Устранение 4x дублирования
WhatsApp + 1С интеграция
Детали клиента и финансовые показатели — под NDA
Обсудить похожий проект
03 Health & Wellness / MLM Пресейл
RC-72 — сетевой дистрибьютор БАД, Казахстан

RC-72 Platform — ERP+CRM для MLM

Полная операционная система для сетевого wellness-бизнеса: карта здоровья клиента, расчёт комиссий Tier 1/2/3, склад с закупками из США, ЭСФ КГД, Kaspi Pay, два мобильных приложения. Пилот → SaaS для рынка.

RC-72ReactNestJSReact NativeExpo
Ключевые факты
Расчёт комиссий Tier 1/2/3
Kaspi Pay / QR
Manager App + Client App
Технические детали и структура сети клиента — конфиденциально
Обсудить похожий проект
04 Внутренний продукт Работает
Внутренний инструмент — Barus Flow

Внутренняя PM-система с мульти-агентным AI

Собственная система управления: HR, расчёт зарплат, Jira-аналитика, Telegram-интеграция (45 000+ сообщений в MongoDB), ChromaDB векторный поиск, мульти-агентный LLM на Ollama (gemma3:4b), дашборды и отчёты. Основа для будущего продукта PM2B.

SvelteKit 5MongoDBChromaDBOllamaDockerSQLite
Ключевые факты
Mульти-агентный LLM (Ollama)
Telegram 45k+ сообщений
Jira + HR + PDF отчёты
Внутренние данные компании — не публикуется
Обсудить похожий проект
05 ГМК / Тендеры Завершён
Компания-поставщик услуг и оборудования в горнодобывающем секторе

Единая база данных и система генерации документов

Компания из 8 человек работала с тендерами: все документы хранились в Word и Excel, разбросаны по компьютерам сотрудников. Составить новое КП означало найти старый шаблон, собрать данные клиента у коллег, вручную заполнить. Внедрили единый сервер с базой данных: каталог товаров и услуг, база клиентов, метаданные всех документов с полнотекстовым поиском, автогенерация коммерческих предложений и договоров.

Node.jsPostgreSQLDocument GenerationFull-text Search
Ключевые факты
КП за 1–2 минуты вместо 20–40 минут
Поиск любого документа или клиента — за секунды
8 сотрудников перестали дублировать данные между собой
Название компании и финансовые детали — конфиденциально
Обсудить похожий проект
06 GreenTech / Экология Завершён
Стартап в сфере зелёных технологий

OCR + векторная БД для анализа экологических PDF

Стартап накопил сотни (местами тысячи) PDF-документов: регуляторные акты, исследования, отраслевые отчёты по экологии. Найти нужный документ или конкретный факт внутри корпуса было практически невозможно. Внедрили pipeline: OCR-распознавание → очистка текста → векторизация → ChromaDB. Результат: семантический поиск по всему корпусу документов — система находит релевантные фрагменты по смыслу, а не по ключевым словам.

OCRVector DBChromaDBPythonSemantic Search
Ключевые факты
Семантический поиск по тысячам страниц PDF
Ответ на запрос — секунды вместо часов ручного поиска
Векторный индекс поддерживает автодополнение при загрузке новых документов
Название стартапа и детали корпуса данных — конфиденциально
Обсудить похожий проект
07 ГМК / Тендеры Завершён
Компания-поставщик услуг и оборудования в горнодобывающем секторе

OCR-система для автоматического разбора тендерной документации

Та же компания из кейса №05: входящие тендерные пакеты приходили в PDF — спецификации, технические задания, условия. Менеджеры вручную перечитывали десятки страниц, выписывая ключевые параметры. Подняли OCR-систему поверх существующей базы: распознавание → извлечение структурированных данных (сроки, объёмы, требования) → автоматическое связывание с карточками товаров и услуг в базе.

OCRPDF ParsingNode.jsPostgreSQL
Ключевые факты
Разбор тендерного PDF — минуты вместо нескольких часов
Автоматическое извлечение ключевых параметров из ТЗ
Интеграция с существующей базой товаров и клиентов
Название компании и детали тендеров — конфиденциально
Обсудить похожий проект
08 Строительство Завершён
Строительная компания, работающая с подрядчиками и поставщиками

OCR с классификацией документов: техдок vs КП

Компания получала документы двух принципиально разных типов: технические (чертежи, паспорта оборудования, нормативы) и коммерческие (КП поставщиков, прайс-листы, спецификации). Смешанный поток замедлял работу — нужно было вручную сортировать и вносить данные в базу. Построили OCR-pipeline с автоматической классификацией: система определяет тип документа, извлекает нужные поля и пополняет соответствующий раздел базы товаров и услуг.

OCRDocument ClassificationPythonPostgreSQL
Ключевые факты
Автоматическая классификация: технический / коммерческий
Автопополнение базы товаров из входящих КП поставщиков
Устранение ручного ввода при обработке входящей документации
Название компании и данные поставщиков — конфиденциально
Обсудить похожий проект

Есть задача — давайте поговорим.

Бесплатная консультация, оценка проекта за 24 часа.