Прототип експертної системи з визначення вірусу на Arduino

Завдання: один дашборд з усіма показниками бізнесу — реклама, воронка, оплати, робота менеджерів, планування виручки. Дані підтягуються по API автоматично. Периметр: лише напрям YCL (працевлаштування в Європі). У Kommo є й інші напрями — до сховища потрапляють лише угоди воронок YCL (фільтр за воронкою/тегом узгодимо).1. Джерела даних (інтеграції) Kommo CRM — ліди, угоди, етапи воронки, відповідальні, джерела, дати переходів між етапами (обов'язково зберігати історію), причини відмов, кастомні поля угоди (див. п. 2). Stripe — платежі, суми, статуси (успіх/відмова/повернення), прив'язка до угоди. Meta Ads — витрати, покази, кліки, CPL, ліди за кампаніями (працює зараз). Google Ads, Reddit Ads, LinkedIn Ads — плануються; архітектура — розширювані конектори без переробки ядра. SEO/органіка— Google Search Console + GA4. Наскрізний зв'язок: джерело трафіку → лід у Kommo → оплата в Stripe (UTM, ID угоди в metadata Stripe — механіку запропонувати). 2. Обов'язкові розрізи (поля угоди в Kommo) Кожна метрика має фільтруватися/групуватися за: Громадянство клієнта (Кенія, Нігерія, Індія тощо). Статус проживання: живе у своїй країні / експат (уже перебуває в Європі). Це два різні сегменти з різним циклом, конверсією та чеком. Країна розміщення / послуга: Польща, Сербія, Словаччина, Німеччина (ZAV). Менеджер, команда, канал трафіку, період. Якщо якихось полів у Kommo немає — виконавець вказує, які поля потрібно завести, замовник додає.3. Воронка та випереджальні показники Дані в розрізі воронки, по кожному етапу — підсумкові та випереджальні (leading) метрики: Трафік → лід: ліди, CPL за каналами + динаміка витрат/кліків день-до-дня. Лід → кваліфікація: конверсія + швидкість першої відповіді, торкання/дзвінки на менеджера в день, ліди без відповіді. Кваліфікація → договір/рахунок: конверсія + відправлені офери, завислі угоди (днів на етапі понад норму). Рахунок → оплата: оплати, середній чек + неоплачені рахунки, невдалі платежі. Підсумок: виручка, ROMI за каналами, run rate до плану місяця. 4. Цикл угоди Середній і медіанний цикл лід → оплата (орієнтир бізнесу ~4 тижні), тренд циклу в часі. Розкладання циклу за етапами (скільки днів угода сидить на кожному етапі) — щоб бачити, який саме етап розтягується. Список угод, що зависли на етапі довше за норму. Розріз циклу за сегментами: громадянство, статус проживання, країна розміщення, менеджер. 5. Раннє попередження просадки (ключовий блок) Оскільки цикл ~4 тижні, сьогоднішні ліди = оплати через місяць. Система повинна: Порівнювати ліди/кваліфікації поточного тижня з ковзним середнім (4 тижні) і при відхиленні вниз видавати алерт: «лідів −X%, при циклі 4 тижні очікуйте просадку оплат у тижні [дати]». Будувати прогноз оплат на 4 тижні вперед із поточного пайплайну: угоди на кожному етапі × історична конверсія етапу × залишок циклу. Підсвічувати червоним тижні, де прогноз нижчий за план, — із запасом часу на реакцію. 6. Доплати та планування продажів У картці угоди Kommo зберігаються дата та сума запланованої доплати. Система повинна: Збирати календар майбутніх доплат: тотал очікуваних, за тижнями/місяцями. Підсвічувати прострочені доплати (дата минула, оплати в Stripe немає) — окремий список для дотискання. Рахувати план місяця як: план − уже оплачено − доплати за графіком = скільки потрібно нових продажів (у грошах і в штуках угод за середнім чеком). Графік за тижнями: доплати + прогноз нових оплат проти тижневого плану. 7. Робота менеджерів Денний зріз по кожному менеджеру: торкання/дзвінки, розмови, відправлені офери, оплати — по кожному дню окремо, з графіком за період. Прогрес виконання особистого плану з порівнянням із темпом місяця (попереду / в темпі / відстає). Бенчмаркінг із колегами. 8. Візуалізація та ролі «Світлофори» (зелений/жовтий/червоний) у ключових метрик відносно норм/плану; шкали прогресу; графіки трендів; адаптив під мобільний. Ролі: CEO — усе; РОП — уся воронка та менеджери; тімлід — своя команда; менеджер — свої показники та позиція відносно колег. 9. Звіти та AI Автоматичні звіти за розкладом (щоденне зведення, тижневий звіт) у дашборд і/або месенджер. Запити у вільній формі («як змінився CPL із Meta за 2 тижні?») — LLM поверх сховища. Алерти по червоній зоні та за правилами з п. 5–6. 10. Технічні очікування та етапність Сховище (PostgreSQL/BigQuery або аналог) + ETL: webhooks Kommo + періодична синхронізація (15–60 хв). Фронтенд: кастомний або BI-інструмент — запропонувати з обґрунтуванням; вимоги до ролей, світлофорів, прогнозу та AI-запитів мають бути реалізовними. Етапи: (1) аудит і карта метрик → (2) MVP: Kommo + Stripe + Meta, воронка, світлофори, ролі → (3) цикл угоди, раннє попередження, доплати та план → (4) SEO, AI-звіти, алерти → (5) нові рекламні канали. Оплата поетапна, по кожному етапу — демо. У відгуку вказати: схожі проєкти (наскрізна аналітика), стек з обґрунтуванням, оцінку строків і вартості за етапами, щомісячну вартість володіння (хостинг, токени, ліцензії).

Завдання:розгорнути LLM-сервіс,який знає всю документацію компанії тавідповідає на запитання менеджеріввідділу продажів. Що є зараз:замовник збирав прототип самостійно(окремий проєкт із завантаженоюінформацією про компанію,розміщений на сервері), алеінформація з бази непередається в модель —імовірно, проблема з API. Коді доступи надамо. Першийкрок — аудит: полагодитинаявне абоаргументовано перезібрати з нуля. Необхідний функціонал: Завантаження всієї документаціїкомпанії: опис кожноїпослуги, регламенти, FAQ,ціноутворення (усі матеріалинадамо). Відповіді строго набазі завантаженихдокументів (RAG). Модель невигадує фактів; якщовідповіді в базі немає — чеснопро це повідомляє. Доступ для менеджерівза посиланням(веб-інтерфейс), завторизацією. Сценарії: менеджерставить будь-якезапитання про роботукомпанії; вставляєзапитання клієнта «як є» йотримує готову відповідьдля відправлення;знаходить потрібнийрегламент/звіт за запитом. Оновлення бази знань безрозробника (завантаженняфайлів через інтерфейсабо підключенупапку). Англійська мова. Історіязапитів для контролюякості. Технічні очікування:LLM через API(Claude/OpenAI —запропонувати з розрахунком вартостітокенів), RAG-пайплайн (векторнабаза, embeddings), хостинг нанашому сервері або в хмарі, HTTPS.Архітектура має дозволяти вмайбутньому підключити асистента доаналітичного сховища даних(паралельний проєкт). У відгуку вказати:прикладисхожих RAG-проєктів,стек, строк, вартість роботи таорієнтовну щомісячнувартість володіння (токени +хостинг).

Креативний маркетолог / Створювач рекламних кампаній для Merivy — платформи на базі ШІ для бізнесу в сфері краси та естетики (з маскотом!) Хто ми Ми маленький стартап, що розробляє Merivy — програмне забезпечення для бронювання та управління клієнтами для естетичних клінік, салонів краси, перукарень та інших бізнесів, що працюють за записом. У серці продукту живе Merv — наш агент ШІ (і маскот у формі зеленої руки ), який допомагає власникам вести свій бізнес: він налаштовує бронювання, управляє послугами та розкладами, відповідає на запитання, святкує перемоги і загалом відчувається як член команди, а не як чат-бот. Що ми шукаємо Креативну людину, яка може перетворити це на кампанію, яку люди насправді запам'ятають. Нашим орієнтиром для енергії та тону є медійна присутність viktor (meet viktor) — ми дуже інший продукт, але нам подобається, як вони спілкуються зі своєю аудиторією: сміливо, по-людськи, весело, без корпоративного нудьги. Ми не хочемо копії. Ми хочемо такого рівня майстерності, з нашим власним голосом. Повідомлення, яке ми повинні донести Merivy допомагає вам управляти вашими клієнтами, тримати їх щасливими — і, що найголовніше, повертати їх знову. Merv є обличчям цієї обіцянки: маленький зелений товариш, який ніколи не забуває клієнта, бронювання чи день народження. Що ви створите Концепцію кампанії, побудовану навколо Merv як персонажа бренду (його голос, особистість, постійні жарти) Сценарії / сторіборди для коротких відеореклам (IG Reels, TikTok), спрямованих на власників салонів та клінік Статичні рекламні креативи та гачки для платної соціальної реклами Повідомлення, які ми можемо повторно використовувати на цільовій сторінці та в продукті Ви ідеально підходите, якщо Ви створювали кампанії або контент для аудиторії SaaS, краси або місцевого бізнесу Ви можете показати нам одну річ, яку зробили, і яку незнайомець надіслав би другу Ви думаєте в персонажах і історіях, а не лише в «функціях і перевагах» Щоб подати заявку Надішліть 2–3 приклади вашої роботи та одне речення: як би Merv представив себе власнику салону в рекламі в Instagram? Це одне речення важливіше за ваше резюме.

Шукаємо спеціаліста, який зможе розробити та впровадити ІІ-агентів для автоматизації продажів і побудувати повноцінну воронку залучення клієнтів.Завдання Розробити ІІ-агента на базі ChatGPT (або аналогічних LLM). Налаштувати Telegram-бота з ІІ. Інтегрувати бота з CRM. Побудувати автоматичну воронку продажів. Налаштувати збір лідів з Instagram, Facebook, TikTok та сайту. Розробити сценарії спілкування з користувачами. Створити квізи та тести для сегментації аудиторії. Налаштувати видачу персоналізованих рекомендацій. Організувати автоматичну запис на консультації через календар. Налаштувати автоматичні email- та Telegram-ланцюги. Інтегрувати платіжні системи (за необхідності). Підготувати аналітику по конверсії на кожному етапі воронки.Бажано мати досвід з ChatGPT API / OpenAI n8n Make (Integromat) Zapier Telegram Bot API CRM (HubSpot, GoHighLevel, Bitrix24, AmoCRM та ін.) Meta API WhatsApp Business API Calendly StripeЩо хочемо отримати Готову систему, яка: автоматично спілкується з потенційними клієнтами; визначає їх запит і потреби; сегментує за інтересами; пропонує відповідний продукт; записує на консультацію або продає продукт; передає дані в CRM; вимагає мінімального участі людини. При відповіді прохання надіслати: приклади реалізованих ІІ-агентів; приклади автоматизованих воронок; список використовуваних технологій; вартість і терміни реалізації проекту.

Ми шукаємо висококваліфікованого інженера з розробки AI-додатків та повноцінного бекенд-розробника для створення готового до виробництва робочого процесу валідації, вдосконалення та затвердження документів на основі AI. Це не проста роль інженера запитів. Нам потрібен хтось, хто може спроектувати та реалізувати справжній AI-додаток з потужною бекенд-архітектурою, інтеграцією API Claude, структурованою логікою валідації, аудитом, безпечним обробленням даних та робочими процесами з участю людини. Система буде діяти як інтелектуальний шар контролю якості для поданих звітів та документів. Вона повинна перевіряти завершені подання, виявляти проблеми, покращувати якість контенту, застосовувати бізнес-правила, захищати чутливу інформацію та або автоматично затверджувати документ, або перенаправляти його на людську перевірку. Розробник буде відповідальний за створення робочого процесу, який може: Отримувати завершені документи, звіти або подання з зовнішньої платформи через API Аналізувати повний документ, включаючи структуровані відповіді, оцінки, вибори, наративи, коментарі та поля вільного тексту Виконувати семантичні аудити для виявлення логічних конфліктів, суперечностей, відсутньої інформації, неясних висловлювань, непідтримуваних тверджень або неповних розділів Перевіряти, що структуровані відповіді та написаний контент узгоджуються між собою Застосовувати спеціальні правила валідації, редакційні вказівки, стандарти форматування, вимоги до тону та бізнес-логіку Виявляти, токенізувати, маскувати або безпечно обробляти PII, конфіденційні дані та чутливу інформацію, пов'язану з безпекою, перед обробкою AI, де це необхідно Переписувати та вдосконалювати наративи, коментарі та розділи документів з точки зору граматики, ясності, професіоналізму, узгодженості та читабельності Зберігати оригінальне значення, спостереження та наміри, покращуючи фінальний результат Стандартизувати стиль написання в документах, не роблячи кожен звіт загальним або надто нормалізованим Позначати контент, який виглядає несумісним, сфабрикованим, неясним, неповним, чутливим або таким, що потребує людської перевірки Генерувати конкретні нотатки валідації, пояснюючи, чому документ не пройшов перевірку та що потрібно виправити Автоматично генерувати запити на уточнення або перегляд, коли потрібна додаткова інформація Підтримувати робочі процеси затвердження, де документи є: Автоматично затвердженими, коли досягаються пороги впевненості Перенаправленими на людського редактора або валідатора для перевірки Повернутими до початкового подавача для перегляду або уточнення Зберігати повний аудитний слід, що показує: Оригінальне подання Токенізовані або замасковані події чутливих даних Висновки та рекомендації AI Переписаний контент AI Редагування людиною Рішення про затвердження або відхилення Остаточну затверджену версію Записувати затверджений та валідований контент назад на вихідну платформу через інтеграцію API Роль також вимагає створення редактора та робочого процесу остаточного рішення. Людські рецензенти повинні мати можливість перевіряти висновки AI, порівнювати оригінальний та переглянутий контент, вносити правки, затверджувати зміни, відхиляти рекомендації та фіналізувати документ перед його відправленням далі. Ідеальний досвід включає: Сильний досвід інтеграції API Claude / Anthropic API Досвід створення робочих процесів перевірки, валідації, редагування або відповідності документів на основі AI Сильні навички бекенд-архітектури Здатність до повноцінної розробки Досвід з інтеграцією API, вебхуками, чергами, обробкою завдань та проектуванням бази даних Здатність проектувати структуровані виходи AI, оцінку впевненості, валідацію на основі правил та перевірку з участю людини Досвід виявлення PII, токенізації, маскування, шифрування, контролю доступу та безпечного оброблення даних AI Досвід створення безпечних аудитних слідів та систем затвердження Сильне розуміння дизайну запитів, але також інженерні навички для перетворення запитів на надійну виробничу систему Ми шукаємо когось, хто вже створив серйозні AI-додатки, а не когось, хто лише пише запити. Правильна людина повинна бути здатною спроектувати архітектуру, інтегруватися з зовнішніми API, управляти логікою обробки документів, захищати чутливі дані, створювати інтерфейс перевірки та забезпечити надійний робочий процес, який можна використовувати в виробництві.