#ЭкспертнаяТетрадь 📝

Голосовые помощники: почему они ошибаются и как это проверить

Голосовые интерфейсы стали стандартом, но до идеала далеко: 30% пользователей недовольны точностью распознавания.

Речевая система — это 4 уровня: инфраструктура, логика, поведенческие реакции и достижение результата. Сбой на любом рушит впечатление о сервисе.

Главная метрика — ПОС (показатель частоты ошибок в словах). Формула: (замены + пропуски + вставки) / общее число слов. Но ПОС несовершенен: он не различает смысловую значимость ошибок. Для русского языка в студии хороший результат — менее 8%, в офисе — менее 12%.

Опытные команды тестируют поэтапно: от текстовой логики до сквозных прогонов с реальным шумом и акцентами. Нужен постоянный мониторинг в эксплуатации — задержки, успешность задач, ПОС по сегментам.

Какие инструменты помогают проверять голосовые системы и как быть с многоязычностью? Полную статью читайте на сайте.

✏️Автор: Егор Чащин, руководитель отдела тестирования

#РУТКОД #ГолосовыеТехнологии #РечеваяАналитика

Наш кейс — на РБК Компании🔥

Хорошая новость: кейс РУТ КОД по внедрению речевой аналитики «Диалог Эксперт» в сети «Островок суши» опубликовали на РБК Компании.

Что получилось:

🔹+20% к выручке за два месяца
🔹анализ реальных разговоров сотрудников с гостями
🔹выявление точек роста, которые сложно заметить при обычном контроле
🔹изменения в скриптах и рабочих процессах на основе полученных данных

И главное — результат удалось получить без дополнительных затрат на рекламу.

В материале рассказываем, как проходил проект, что показал анализ диалогов и каким образом речевая аналитика помогла превратить данные о коммуникациях с клиентами в конкретные бизнес-решения.

Для нас это еще один пример того, как ИИ может работать не ради самой технологии, а решать понятные бизнес-задачи и давать измеримый результат.

Читать кейс на РБК Компании

#РУТКОД #ДиалогЭксперт #РечеваяАналитика #ИИ

#ЭкономикаИИ📊

Собрали четыре свежих примера того, как ИИ ускоряет процессы, снижает затраты и открывает новые возможности.

🔹 OpenAI: ИИ-чип в 1,9 раза эффективнее
25 августа OpenAI представила результаты тестирования собственного чипа Jalapeño: на некоторых моделях он показал в 1,5–1,9 раза больше AI-операций на ватт, а задержка ответов была ниже в 1,7–3,6 раза по сравнению с NVIDIA GB200/GB300.

🔹 ИИ может ускорить клинические испытания на 10 недель
12 августа исследование Tufts CSDD показало: AI-агенты потенциально способны сократить сроки поздних стадий онкологических исследований примерно на 10 недель, а экономия операционных расходов в исследовании оценена до $5,6 млн на Phase III.

🔹 ИИ обработал 5 трлн единиц данных за один запрос
25 августа стартап Accelerated Understanding представил physics-focused AI, способный, по данным компании, генерировать до 5 трлн единиц данных в одном запросе. Технологию планируют применять, в частности, для проектирования чипов и энергетики.

🔹 78% отзывов о Healthline AI — положительные
25 августа Fullspan Health сообщила о первых результатах своего медицинского AI-агента: с момента запуска в июне он получил 1,1 млн просмотров, а 78% отзывов внутри продукта были положительными. Кроме того, сервис обработал более 2 800 чувствительных и диагностических обращений без зарегистрированных клинических или комплаенс-инцидентов.

Больше о РУТ КОД на нашем сайте💙

#РУТКОД #ИИ

#ЗдравыйИИ👾

ИИ помогает выбирать места для лесовосстановления без ущерба для водных ресурсов 🌳💧

Массовая высадка деревьев без предварительного анализа может приводить к нежелательным последствиям — в частности, к снижению уровня грунтовых вод из-за высокой транспирации влаги лесными насаждениями. Эффективность лесонасаждения напрямую зависит от выбранной территории.

Специалисты Европейского центра среднесрочных прогнозов погоды (ECMWF) разработали генетический алгоритм для оптимизации размещения лесов на заброшенных сельскохозяйственных землях. Исследование опубликовано в апреле 2026 года в журнале Nature Communications Sustainability.

Ключевые результаты моделирования:

- Снижение пиковых значений речных паводков на отдельных участках — до 43% (среднее значение по всем участкам — около 3,1%, что даёт измеримый эффект в региональном масштабе).

- Экономия грунтовых вод за счёт сокращения испарения — до 60% по сравнению с бессистемной высадкой.

- Оптимальный диапазон лесистости территории — 40–80%, при котором достигается баланс между климатической пользой и сохранением водных ресурсов.

Таким образом, ИИ не предлагает универсального решения «сажать везде», а предоставляет инструмент для обоснованного выбора участков с учётом гидрологического и климатического баланса. Конечное решение остаётся за человеком, но теперь оно может опираться на количественные данные.

Больше о РУТ КОД на нашем сайте💙

#РУТКОД #ИИ

#РазборРУТКОД

🔍 Почему MDM нужно внедрять до консолидации данных холдинга?

В медицинском холдинге данные из разных клиник невозможно было свести в единую отчётность: одна услуга называлась по-разному, контрагенты дублировались, подразделения работали с разными справочниками.

Excel-консолидация занимала неделю, а данные всё равно приходилось вручную очищать.

Что сделали:
— внедрили единую MDM-систему на базе 1С для более чем 50 справочников;
— настроили автоматическое сопоставление, нормализацию и поиск дублей;
— ввели правила валидации данных;
— интегрировали MDM с медицинскими системами, 1С и CRM;
— назначили ответственных за качество данных в каждой клинике.

Результат:
✅ 100% сопоставимость данных между системами
✅ до 90% ошибок и несоответствий выявляются автоматически
✅ на 80% сократилось время добавления новых данных

Главный вывод: сначала привести справочники к единому стандарту — и только потом строить консолидацию и отчётность.

Если данные в вашем холдинге живут своей жизнью — разберём вашу схему справочников за 30 минут.

#MDM #1С

#ОпросРУТКОД

Вопрос к финансовым и ИТ-руководителям: сколько у вас реально занимает закрытие периода?

Мы спорим об этом с заказчиками на каждом предпроекте. Одни считают закрытием момент, когда цифры сошлись в учётной системе. Другие — когда консолидированный отчёт лёг на стол правлению. Разница между этими двумя точками иногда больше недели.

Интересует вторая точка: от конца месяца до готового консолидированного отчёта.

Голосуйте, через неделю опубликуем распределение и разберём, что отличает верхнюю четверть от нижней.

Если ваш вариант в комментариях объясняется одной фразой — напишите, самые показательные заберём в разбор.

А если тема автоматизации, консолидации и работы с корпоративными данными вам актуальна — больше о проектах и экспертизе АО «РУТ КОД» можно посмотреть на нашем сайте.

#1С #финансы #консолидация

#СобытияРУТКОД

Инвестиции в молодые кадры: итоги летней практики-2026 📊

Этим летом 9 студентов из ведущих вузов прошли практику в РУТ КОД и за два месяца решили реальную бизнес-задачу.

Команде предстояло создать систему поиска и анализа тендеров для поиска потенциальных клиентов. В результате студенты:

🔹 подключились к открытым API тендерных площадок;
🔹 настроили поиск компаний по заданному портрету;
🔹 научились анализировать вакансии, новости и технологический стек;
🔹 создали AI-досье на компании с гипотезами и рекомендациями для маркетинга.

Первые дни — десятки вопросов и классический вайбкодинг. Уже через 3–4 дня появился рабочий функционал, а затем началась кропотливая работа по объединению и доработке системы.

Главный результат — не только рабочий продукт, но и опыт работы с реальными данными, API, Git, LLM и бизнес-процессами.

В РУТ КОД практика — это не «сиди и смотри». Это реальные задачи, постоянная поддержка ментора и возможность создать то, что действительно будет использоваться.

#ITпрактика #HRбренд

#ЦифраВРешенииРУТКОД

Сравнение типовой и самописной конфигурации по цене внедрения всегда обман

Обычно считают часы и лицензии. Это видимая, но малая часть. Реальная стоимость владения (TCO) в другом.

Что забывают:
• Обновления. Типовая — регламент. Самописная — каждый раз мини-проект. Считайте их количество за 3 года.
• Знания. Типовую знает рынок. Самописную — 2 человека. Их уход = надбавки или месяцы на ввод новичка.
• Документация. Без неё каждая доработка — с реверс-инжиниринга. Вечная надбавка.
• Простой. Сколько стоит час недоступности в день отгрузки?
• Интеграции. Типовая подключается по контрактам, самописная — индивидуально.

Как считать (горизонт 3–5 лет):
Внедрение + Лицензии + Поддержка + Обновления + Доработки + Риски.
Споры заканчиваются, когда видят строку «обновления за 3 года».

Когда своя оправдана? Когда процесс — конкурентное преимущество, и его нельзя вписать в типовую логику. Тогда вы платите за уникальность осознанно.

Проверочный вопрос: сможете через 2 года объяснить новому IT-директору, зачем этот блок писали руками? Если нет — ответа не будет.

#1С #TCO

#КомандаРУТКОД

📃Четыре документа, которые мы отдаём заказчику до первой строки кода

На первой встрече заказчик чаще спрашивает не «сколько стоит?», а «как я буду понимать, что происходит?».

Мы отвечаем на этот вопрос документами. Их четыре:

1. Фич-лист
Функции проекта с оценкой трудозатрат по каждой. Заказчик видит, за что платит, и может убрать ненужное ещё до старта. Нередко после этого скоуп проекта сокращается — и это хороший результат.

2. Смета
Показывает постоянные и переменные затраты и помогает понять, как изменение объёма повлияет на итоговую стоимость.

3. Устав проекта
Фиксирует границы, участников, стейкхолдеров, риски и главное — кто принимает решения и подписывает результат. Это помогает избежать ситуации, когда на приёмке появляется новый участник со своим видением.

4. План-график
Раскладывает работы по срокам, зависимостям и точкам участия заказчика: когда понадобятся данные, доступы, решения и люди на приёмку.

Почему до договора?
Потому что проект без этих документов всё равно к ним придёт — только позже, дороже и часто через конфликт.

Мы считаем, что несколько недель на входе дешевле, чем переделки на выходе.

Если хотите посмотреть, как эти документы выглядят на реальном проекте, — напишите нам, покажем на созвоне - @RootCodeIT

#разработка #управлениепроектами

#РазборРУТКОД

Как мы убрали десятки прямых интеграций и ускорили обмен данными на 50%

Пока систем в холдинге было три-четыре, связки «каждая-с-каждой» работали. Когда стало восемь — обмен превратился в чёрный ящик: сбой искали вручную по каждой связке, а об обновлении формата в ERP узнавали, когда «легли» три интеграции, о которых никто не помнил.

Мы построили корпоративную шину данных: системы перестали общаться напрямую, каждая подключилась к шине один раз.

Что это дало:
— скорость получения данных выросла на 50%;
— обмен идёт параллельно, а не по цепочкам;
— сбой теперь виден сразу на панели, а не после жалобы пользователя; — изменение формата в одной системе больше не ломает остальные.

Правило простое: при любом инциденте сразу видно, на каком участке потерялись данные, а не проверяешь все связки по очереди.

Чек-лист перед стартом шины:
🔹Карта всех связок «точка-точка».
🔹Критичные точки отказа — где сбой останавливает бизнес.
🔹Единый контракт данных и мониторинг с первого дня.

Сколько у вас сейчас прямых интеграций между системами?

#интеграции #ИТинфраструктура #цифровизация

#ЦифраВРешенииРУТКОД

Точность модели 92%. А в рублях — сколько?

На защите бюджета финдиректор спрашивает одно: «Сколько компания заработала или не потеряла?» — и проект зависает.

Точность прогноза и деньги — два разных языка.

Логика простая: прогноз → решение → изменение показателя → деньги.

Сам по себе прогноз не экономит ничего. Эффект есть, только когда на его основе меняют закупки или запасы.

Пример (цифры условные): запас упал со 120 до 95 млн ₽ → при стоимости капитала 18% это ≈ 4,5 млн ₽ в год. Минус поддержка модели — чистый эффект ≈ 4,5 млн ₽.

В расчёте нет слова «точность». Есть запасы, стоимость капитала и затраты — язык, который принимает финслужба.

«Повысили точность» — про модель. «Снизили потери на 25 млн ₽» — про бизнес.

А у вас эффект от аналитики считают через KPI модели или через бизнес-показатели?

#прогнознаяаналитика #DataAnalytics #цифровизация

ИИ ускоряет не код, а понимание задачи

Все говорят, что ИИ помогает писать код. Но максимум пользы он даёт на других этапах.

Роман Зубков, руководитель отдела разработки интерфейсов в РУТ КОД, разобрал жизненный цикл разработки и показал:

🔍 На исследовании задачи — разбор сотен отзывов за минуты вместо дней
🎨 На проектировании — быстрое сравнение структур экрана
⚙️ На коде — экономит только на типовых задачах
🔧 На тестировании — генерация сценариев и анализ логов

А вот бизнес-логику и нестандартные задачи он не ускорит. Там по-прежнему решает человек.

Где ИИ реально помогает вашей команде, а где создаёт иллюзию скорости?

Полный разбор по ссылке 👇

#ИИ #разработка #автоматизация https://rootcode.ru/media/innovatsionnyy-zhiznennyy-tsikl-razrabotki-programmnogo-obespecheniya-na-osnove-ii?utm_source=telegram&utm_medium=social&utm_campaign=article

Всех причастных — с Днём программиста! 🎉

256-й день года, привет тем, кто понял, почему именно сегодня.

Вы разговариваете с машинами на языке, который они наконец-то понимают, и превращаете «а можно вот так?» в работающую фичу. За каждой кнопкой, которую кто-то тыкает не глядя, — ваша логика, ваши нервы и та самая скобка, которую вы искали полчаса.

Чего желаем всем и каждому:

- чтобы прод падал только на стейджинге, а не в пятницу вечером
- чтобы легаси-код доставался всегда кому-то другому
- чтобы ревьюеры ставили LGTM без 40 комментариев
- чтобы main был зелёным, кофе — крепким, а наушники — с шумоподавлением

Спасибо, что каждый день превращаете хаос из задач, кода и дедлайнов в работающие системы. С праздником! 🚀
— АО «РУТ КОД»

115,2 кбит/с — на такой скорости мы «стреляли» файлами в 2000-х, укладывая телефоны лоб в лоб на 5–10 см.

Мы разобрали, как за 20 лет обмен файлами прошёл путь от инфракрасного порта до AirDrop. IrDA (стандарт консорциума, основанного HP, IBM и Sharp в 1993-м) работала только в прямой видимости: угол ±15–30°, дистанция от 1 см до 1 м, дрогнула рука — сессия закрылась. Музыку сжимали до 32–64 кбит/с моно, видео — до 176×144, лишь бы уложиться по времени.

AirDrop (2011 — Mac, 2013 — iOS) убрал и провода, и «прицеливание»: Bluetooth ищет устройство, Wi-Fi через AWDL передаёт файл в исходном качестве по зашифрованному каналу.

Технология тем ценнее, чем меньше её замечаешь. Полный разбор физики и архитектуры — в статье 👇

https://rootcode.ru/media/infrakrasnyy-port-i-airdrop?utm_source=telegram&utm_medium=social&utm_campaign=media

«Данные не отдадим» — и правильно. Мы их и не просим.

Это возражение №1, когда цифровой директор холдинга слышит слово «ИИ». Логика понятная: корпоративные данные в чужое облако — риск, за который отвечать вам.

Но есть и вторая причина не отдавать. Облачный ИИ всё равно не знает, как устроена именно ваша компания: где лежат отчёты, по какой методике считается себестоимость, какие показатели нельзя сравнивать. Данные наружу — а толку ноль.

ПланЭксперт работает иначе. Он разворачивается on-prem — на ваших серверах, внутри вашего контура. Работает поверх любой российской LLM. Данные не покидают периметр, а каждый ответ можно раскрыть до источника: документа, таблицы, витрины.

Честно про цену вопроса: on-prem требует ваших мощностей под модель. Зато данные остаются вашими — и работают на вас.

Как это устроено у нас → https://rootcode.ru/products/plan-expert?utm_source=telegram&utm_medium=social&utm_campaign=media

📉Больше 80% ИИ-проектов в России не доходят до эксплуатации

И почти никогда причина — не в математике модели. Пилот красиво отработал на демо, а дальше упёрся в разрозненные данные дочерних обществ, отсутствие интеграций и в вопрос «кто вообще отвечает за результат».

Как это выглядит изнутри: модель на тестовом наборе показала то, что хотели. Дальше выясняется, что боевые данные лежат в пяти системах, в разных форматах, часть — на бумаге, а владельца у процесса нет. Проект не проваливается громко — он тихо буксует, пока про него не забывают.

Подготовка данных при этом съедает до 80% срока проекта. Про это забывают на старте — а потом сроки едут, и правление спрашивает, где обещанный эффект от ИИ.

Что помогает: на входе считать не «когда запустим ИИ», а «в каком состоянии наши данные и кто владеет процессом». Скучный аудит источников до старта экономит месяцы и бюджет на выходе.

А у вас пилоты доходят до эксплуатации — или застревают на данных?

ℹИсточники цифр

Суверенный ИИ хотят сделать обязательным — но правило пока не принято

Правительство обсуждает проект постановления: бизнес в ряде сфер обяжут применять суверенные ИИ-модели, если они дороже национальных не больше чем в 1,5 раза. Пока это дискуссия, а не норма: для систем, где модель уже внедрена, переходный период — до 1 сентября 2032 года.

Риск тут один: если система жёстко завязана на конкретную модель, смена обязательной модели превращается в переписывание проекта.

Мы с самого начала строим иначе — так, чтобы модель можно было заменить за недели, а не переписывать систему. ИИ разворачиваем в контуре заказчика поверх любой российской модели: бизнес-логика и данные живут в периметре, а модель под ними сменная.

Оговоримся честно: быстро сменить модель реально там, где данные и интеграции уже приведены в порядок. На хаотичных данных это дольше.

Сколько времени в неделю у вас уходит на сортировку типовых писем — резюме, коммерческих предложений, обращений?

📮Обычные почтовые правила работают, пока условие можно описать заранее: отправитель такой-то, тема содержит слово X, письмо пришло в конкретную папку. Проблема в том, что рабочая переписка так не устроена. Одно и то же намерение люди формулируют десятками способов: кто-то напишет «прошу рассмотреть вакансию», кто-то — «буду признателен за рассмотрение кандидатуры», а кто-то просто пришлёт резюме без единого ключевого слова. Для фильтра это три разных письма, для человека — одно и то же.

Дальше правило упирается ещё в одно: мало переместить письмо в папку — часто нужно понять, зачем человек написал, и ответить по существу. Это уже не про тему письма, а про его смысл. А смысл жёсткие правила не читают.

Где фильтры вашей почты вас подводят — и автоматизируете ли вы что-то сложнее перемещения в папку?

🤫Завтра покажем, как мы к этому подошли.

В июне 2026 автоматизированный трафик впервые обогнал человеческий — 57,4% против 42,6% (Cloudflare, данные iXBT)

Это про интернет в целом, не про почту. Но тенденция та же: писем от людей и ботов всё больше, а одно и то же намерение формулируют десятками способов. Правило «если тема содержит слово X» на этом ломается.

👾Мы сделали Аргуса — помощника для почты внутри Microsoft Teams. Вы описываете правило обычным языком («если это просьба рассмотреть резюме…»), он читает смысл письма, а не ключевое слово, и выполняет действие: переместить, пометить, ответить. Данные не покидают корпоративный контур.

Автономность включается не вслепую: сначала карточка-подтверждение в Teams, потом — автоприменение.

Разбираем на примерах резюме и коммерческих предложений — в статье → https://rootcode.ru/media/pochta-kotoraya-ponimaet-chto-delat?utm_source=telegram&utm_medium=social&utm_campaign=media

🔎Ручной аудит покрывает 3% разговоров у кассы. Остальные 97% — чёрный ящик, из которого вы узнаёте о проблемах из отзывов.

Посчитаем на условном примере. Сеть из 20 точек, у кассы каждой — 150 диалогов в день, средний разговор — 2 минуты. Это 3 000 разговоров и 6 000 минут записи ежедневно.

Чтобы просто прослушать их — без пометок, разбора и выводов — нужно больше 12 контролёров на полный день. Неудивительно, что ручной аудит обычно покрывает 3% диалогов — это оценка самих поставщиков речевой аналитики, например МТТ. Остальное остаётся без внимания.

Дело не в том, что контролёры плохо работают. По выборке в 3% нельзя понять, что происходит в зале: где гостю не предложили допродажу, где он ушёл недовольным, а вы узнали об этом через неделю из отзыва.

Когда это не сработает: если в зале шумно и микрофон один на всю точку — распознавание просядет. Если персонал не уведомлён о записи по 152-ФЗ — будут справедливые вопросы. Если вы не готовы менять скрипты по итогам разбора — аналитика останется отчётом, который никто не читает.

✅Что нужно от вас для пилота: 1–2 точки, доступ к записям за месяц и 2 часа времени руководителя, который готов смотреть, что нашли в диалогах.

Вопрос к вам: какую долю разговоров у кассы слушают в вашей сети — и что вы находили в последний раз, когда слушали?