Объединяем людей, процессы и искусственный интеллект в единой экосистеме проектирования.
«ПИР-Система» — комплексное решение для автоматизации полного цикла работы с внешними подрядчиками в проектировании: от поиска и проведения конкурса до контроля исполнения и оплаты. Операционная система для управления инженерными проектами, построенная вокруг уникальных ИИ-инструментов. Наша стратегия начинается не с биржи труда, а с глубокой технологической ценности, востребованной крупными холдингами.
«Google для подрядчиков» — саморегулирующаяся система оценки на основе 8 объективных метрик с защитой от накрутки.
Проверка качества документации с точностью до 90% (подтверждено пилотом).
Создаёт базу знаний компании, защищая от потери экспертизы при ротации кадров.
Смарт-контракты, конкурсные процедуры, такс-трекер, контроль версий, интеллектуальная поддержка пользователей с помощью ГИИ.
За 2 дня найти проверенного исполнителя, защищая репутацию заказчика.
На 50% за счёт автоматизации контроля и управленческой аналитики с применением ИИ.
60+ часов в месяц от рутинного контроля и бюрократии.
30%+ за счёт снижения издержек и повышения эффективности.
Архитектура платформы построена по принципу стратегической последовательности: сначала создаем уникальную ИИ-ценность, затем масштабируем через экосистемные функции.
Мы фокусируемся на создании уникального отраслевого актива — структурированной базы знаний (графа нормативов), а не на разработке фундаментальных моделей ИИ с нуля. Это позволяет использовать state-of-the-art решения (YandexGPT, GigaChat) для быстрого выхода на рынок с минимальными рисками.
Создание структурированного графа нормативов (ГОСТы, СП, СНиПы), шаблонов и правил проверки. Ключевой актив и технологический барьер. На этой основе строится система проверок, которая с первого дня даёт измеримую ценность клиенту.
Используем локальные LLM и для сложных когнитивных задач API (YandexGPT, GigaChat), используя созданную базу знаний как источник истины (RAG-архитектура). Алгоритмы ИИ работают в связке с человеком.
Достижение целевых показателей автоматизации за счёт синергии экспертной системы и дообученных моделей. Полная автоматизация рутины.
Испытано на 700 договорах, 150 подрядчиках в пилоте.
Закрытый контур, российский стек, совместимость с корпоративными системами.
Для непрерывного обучения моделей на реальных проектах.
Как ноу-хау (trade secret) — защита без раскрытия в патентах.
Формул ранжирования и ИИ-решений — правовая защита инноваций.
Как непреодолимый барьер для конкурентов — время копирования годы.
Создание системы проверки документации — это инженерная задача по работе с данными, а не научное исследование. Наша стратегия минимизирует технологический риск и создаёт непреодолимый конкурентный барьер.
| Этап | Период | Содержание работы |
|---|---|---|
| 1 | Месяцы 1-6 |
Создание базы знаний:
80% усилий — на пайплайн нормативов и граф
знаний. Результат: машиночитаемый граф ГОСТов, СНиПов — главный актив и барьер. |
| 2 | Месяцы 6-12 |
Активное обучение: YandexGPT, GigaChat с fine-tuning и
RAG. Роль команды: разработка RAG для точного поиска и валидации. |
| 3 | Весь период |
Верификация человеком: валидация ГИПами, петля обратной
связи. Fallback: приоритизация базы знаний — гарантия 60-70% точности. |
Мы не ставим успех в зависимость от прорыва в AI Research
Бюджет и время тратятся на создание уникальных данных, а не на гонку за параметрами моделей
Конкурент не сможет скопировать нашу базу знаний за 12 месяцев
Важно: Мы не обещаем полный AI Copilot за 30 дней. Базовая платформа (как есть) внедряется за 30 дней; ИИ на корпоративные правила и шаблоны настраивается поэтапно в течение года.
Маркетплейс, управление подрядчиками, базовый нормоконтроль на базе знаний
Human-in-the-loop: верификация экспертами, непрерывное улучшение моделей
Финальное обновление, полная автоматизация проверок и нормоконтроля
Независимо от успехов в обучении нейросетевых моделей, наша основная инженерная задача — создание полной, структурированной и машинно-читаемой базы отраслевых знаний (нормативов, типовых ошибок, шаблонов).
Таким образом, даже в самом консервативном сценарии (затруднения с нейросетевыми моделями) мы создаём и передаём клиенту уникальный отраслевой актив, который радикально повышает качество его работы. Развитие ML-модулей умножает эффективность этого актива, но не заменяет его.
Даже если интеграция LLM-моделей потребует больше времени, база знаний будет создана и передана клиенту. Инвестиции конвертируются в работающую экспертную систему с точностью 60-70%, которая сама по себе даёт измеримый ROI. Это не «запасной план», а безусловный результат первого этапа.
Корпоративные клиенты готовы платить 80+ млн руб. за доказанный ROI
Сначала решаем сложные ИИ-задачи, потом масштабируем на весь рынок
Каждое внедрение улучшает наши алгоритмы, создавая самоусиливающийся цикл
Маркетплейс запускаем с готовыми заказами от корпоративного сегмента
Корпоративная выручка финансирует развитие и снижает зависимость от внешнего финансирования
Долгосрочная цель — трансформация в ИИ-платформу: время старта проекта с недель до дней, качество документации +70–80%.
«ПИР-Система» эволюционирует от тактического ИИ-инструмента для корпоративного сегмента к стратегической платформе.
Рынок 1,1 трлн руб./год — начинаем с сегмента, готового платить.