Архитектор · Бизнес-аналитик · Интегратор

ИИ в промышленность — системно, а не по презентациям

Архитектор и интегратор ПО, бизнес-аналитик, архитектор мультиагентных ИИ-систем. Провожу аудит готовности к ИИ, формирую портфели ROI-гипотез с явными допущениями и довожу решения до промышленного внедрения — в корпоративном контуре с ERP, ЭДО, службой ИБ и людьми.

Посмотреть кейсы Задать вопрос

Карпов Николай

27 структурированных интервью

Один комплексный аудит холдинга

16 функциональных доменов

Паспорт данных и портфель гипотез

34 разобранных мировых ИИ-кейса

Собственная бенчмарк-база по единому шаблону

Подход

Три профессии, одна позиция за столом

ИИ-проекты ломаются на стыке: бизнес не умеет ставить задачу, инженеры не понимают процесс, ИБ режет идеи без альтернатив. Я закрываю все три позиции одним человеком и сшиваю их в одну архитектуру.

Бизнес-аналитик

Перевожу операционную боль в архитектуру и портфели. Структурированные интервью с владельцами процессов, AS-IS в BPMN, паспорт данных по функциям, портфель гипотез с явными допущениями и порядком эффекта — а не «обещанной экономикой по презентации». Под каждое направление готовлю тематический обзор перед интервью — методический приём, обеспечивающий качество данных. С отдельными командами работаю как промпт-инженер и ментор — настраиваю и передаю готовые рабочие промпты под их регулярную интеллектуальную работу.

BPMN 2.0 Структ. интервью AS-IS / TO-BE ROI-гипотезы Матрица P/I Паспорт данных Бенчмарк-обзоры Промпт-инжиниринг

Опорный кейс — аудит готовности крупного промышленного холдинга к ИИ, интерактивная матрица проектов и просветительская работа по 16 направлениям как единый комплекс.

Архитектор и интегратор ПО

Проектирую системы, которые доходят до промышленного внедрения, а не остаются демо. Многослойные веб-платформы с React-клиентом, BFF на Node/TypeScript, GraphQL-слоем Hasura и Docker-сборкой; интеграции по REST/GraphQL без файлового обмена и без прямых SQL к чужим базам; документация как часть продукта.

React Node / BFF Hasura · GraphQL Docker REST · контракты 1С API

Опорный кейс — ПИР-Система (pir-s.ru), спроектирована с нуля и доведена до промышленного внедрения; страница про ИИ — pir-s.ru/ai.

Архитектор мультиагентных ИИ-систем

Собираю агентные решения, которым можно доверять. RAG поверх корпоративных регламентов, цепочки агентов с явной ролевой моделью и Human-in-the-Loop, on-prem LLM-контур с обезличивающим шлюзом на периметре и матрицей guardrails по доменам. Фундамент всего — собственный анонимайзер: без него нет защищённой работы с внешними моделями.

RAG Multi-agent Guardrails HITL on-prem LLM Pseudonymization

Опорный кейс — Pseudonymizer MVP, контейнеризованный анонимайзер документов и фундамент guardrails. Артефакты ИБ — HLD защищённого LLM-контура и матрица guardrails по доменам.

Кейсы

Пять главных кейсов — три профессии, их точка пересечения и production-артефакт навыка

ПИР-Система — главный архитектурный кейс. Анонимайзер — главный кейс по информационной безопасности и фундамент мультиагентных решений. Аудит холдинга вместе с матрицей проектов и просветительской работой — главный кейс системного подхода к стратегии ИИ. Персональный ИИ-ассистент руководителя — точка, где сходятся все три профессии: архитектура мультиагентной системы, ИБ-фундамент и системный подход к рабочему процессу руководителя. Self-hosted n8n-пайплайн на 143 нодах — отдельный артефакт навыка production-автоматизации: рабочий контур обработки интервью, не туториал и не сборка из шаблонов.

Архитектура · в проде pir-s.ru

ПИР-Система — платформа для проектировщика и ИИ-помощник ГИПа

Многослойная веб-платформа для управления проектно-изыскательскими работами, спроектирована с нуля и доведена до промышленного внедрения. React + BFF на Node/TypeScript + Hasura + Docker; сценарии ИИ-ассистента вокруг исходно-разрешительной документации (ИРД): расширенная классификация, нормконтроль, поиск коллизий, задел под аналитический Python-сервис.

Архитектура и ИИ-сценарии

Стадия: В промышленном внедрении
Слои: Client · BFF · Hasura · Deploy
Стек: React · TS · GraphQL · Docker
ИИ: ИРД · нормконтроль · коллизии
Демо: pir-s.ru
Роль: Архитектор · идеолог

ИБ · фундамент guardrails Docker · FastAPI

Pseudonymizer MVP — фундамент работы с внешними LLM

Контейнеризованный сервис обезличивания документов: гибридная детекция (regex + spaCy NER), детерминистичные плейсхолдеры, сессии обратимого восстановления, асинхронные задания и отдельный JSON API для интеграций — в т. ч. почтовых воркеров. Это не «приём ИБ», а тот самый шлюз, без которого нельзя корректно использовать внешние модели в корпоративном контуре.

Архитектура и эксплуатация

Стадия: MVP в эксплуатации
Стек: Python · FastAPI · spaCy · SQLite
Форматы: txt · docx · pdf · md · xlsx
Сессии: Обратимое восстановление
API: Sync · async · email-интеграция
Роль: Архитектор · разработчик

Аудит + Матрица + Обучение Анонимно Промышленный холдинг

Аудит, матрица проектов и просветительская работа в холдинге

Единый комплекс: 7-недельный аудит — 27 интервью, паспорт данных по 16 направлениям, портфель из десятков инициатив, защита перед топ-менеджментом. Параллельно — собственный SPA «Матрица проектов» (Vite/React + Node) для управления портфелем и просветительская работа: 34 разобранных мировых ИИ-кейса как бенчмарк-база, обзоры под каждое подразделение перед интервью, отдельный артефакт для производства (pptx + html).

Методология, портфель, матрица, обзоры

Интервью: 27
Направления: 16
Бенчмарк-база: 34 мировых кейса
Срок: 7 недель
Артефакт: Отчёт · Матрица · Обзоры
Защита: Топ-менеджмент · ИТ · ИБ

Мультиагентный ИИ · ЛПР Когнитивный усилитель On-prem контур

Персональный ИИ-ассистент руководителя

Когнитивный усилитель для секретариата, службы протокола и блока контроля: транскрибирует встречи локальным речевым конвейером, формирует протокол и список задач, сопровождает согласование с участниками и ведёт контрольный диалог по обязательствам. Мультиагентная архитектура с интеллектуальным routing моделей (3-tier, ordered escalation, quota management), enterprise-уровнем наблюдаемости (телеметрия каждого вызова, daily digest) и самообучением через рефлексию после каждого тура. Стек: GigaAM + Pyannote + Resemblyzer для речи; локальные LLM + Model Orchestrator; Model Arena; Background Review; собственный шлюз приватности перед облачной моделью; локальная векторная память и граф знаний. Замыкает цикл «встреча → протокол → согласование → календарь → контроль исполнения» без выхода чувствительных данных из периметра.

Архитектура, цикл, фиксация согласия

Цикл: Встреча → Протокол → Согласование → Календарь → Контроль
Речь: GigaAM · Pyannote 3.1 · Resemblyzer
Память: Локальная векторная БД + граф знаний
Шлюз ИБ: Собственный псевдонимайзер
Контур: On-prem, любой корпоративный мессенджер и календарь
Роль: Архитектор · разработчик · интегратор

Артефакт навыка · n8n Self-hosted · в проде 143 ноды

Self-hosted n8n production-пайплайн на 143 нодах

Не туториал и не сборка из шаблонов — рабочий контур обработки интервью. Один Telegram-бот как точка входа, AssemblyAI для транскрипции, OpenAI и DeepSeek как взаимозаменяемые analyzers, e-mail и DOCX-выдача, self-diagnosis. 31 узел error-handling, retry с backoff, состояния диалога без внешнего хранилища. Поддерживается и развивается в проде.

Архитектура воркфлоу и error-handling

Размер: 143 ноды · 181 соединение · 28 ветвлений
Error-handling: 31 узел с явной обработкой ошибок
Стек: n8n · Telegram · AssemblyAI · OpenAI · DeepSeek
Multi-LLM: OpenAI + DeepSeek с fallback
Выдача: Telegram · DOCX · e-mail
Роль: Архитектор · разработчик воркфлоу

Остальные решения

Архитектура · RAG

Векторное хранилище для инженерного архива

Разбор как наставник: как выбрать vector store (pgvector, Qdrant, ParadeDB) и превратить архив ПСД в институциональную память. Методология выбора по критериям, ландшафт 2026, прицел на дообучение.

Промпт-инжиниринг

Промпт-инженер и ментор для научных коллективов

Проектирование рабочих промптов под научно-технические публикации с жёсткими методологическими рамками. Менторство команды — от «работаю с готовым» к «адаптирую сам».

Промышл. логистика

Платформа управления перевозчиками

5 контуров (YMS, тендеры, смарт-контракты, ML-сигналы). Дизайн + живой HTML-прототип бронирования окон; пилот на паузе по решению заказчика.

B2B-автоматизация

Генератор стратегий продаж

Анализ компании, проверка гос. статуса, персонализированная стратегия ABM

Методология

Курс «AI для инженера»

Интерактивная презентация — от стратегии до пайплайнов автоматизации

Информационная безопасность

ИБ — это входное условие, а не приложение

Большинство ИИ-пилотов разбивается не о технологию, а о службу ИБ. Я закладываю модель угроз в постановку задачи: пилот не запускается, если его архитектура не пройдёт ревью корпоративной ИБ. Фундамент всего — собственный анонимайзер.

01 — Маршрутизация данных

Что куда можно отдавать

На старте каждой инициативы — разделение пилотов на три класса: можно сейчас на внешних API (нет коммерческой тайны), нужен локальный сервер (есть КТ или ПД), автоматизация без ИИ. Эта матрица определяет порядок инвестиций.

02 — Псевдонимизация

Шлюз перед внешними LLM

Обратимое обезличивание ПД, коммерческой тайны, брендов, артикулов и внутренних идентификаторов перед отправкой в публичные API. Восстановление контекста после ответа модели. Реализован как отдельный продукт — см. кейс Pseudonymizer MVP.

К кейсу Pseudonymizer

03 — Guardrails и HITL

Матрица доменов и контроль человека

Каждый ИИ-сценарий привязан к домену с явной политикой: какие данные допустимы, какие инструменты разрешены, где обязателен Human-in-the-Loop. Юридические сценарии, сверка договоров, финансовые решения — финализирует человек, всегда.

04 — Защищённый LLM-контур

HLD по принципам Zero Trust

Архитектура корпоративного контура с локальной LLM, DLP-шлюзом, SIEM, ротацией ключей, локализацией логов на территории РФ — в виде готового High-Level Design, который защищается перед службой ИБ и принимается как нормативный документ.

Инструментарий

С чем работаю в проде

Только то, что реально применял в архитектуре или прототипировал лично. Без «знакомства» с технологиями ради списка в резюме.

Разработка

Python TypeScript React Node / BFF FastAPI Docker Hasura · GraphQL

LLM, с которыми работаю

Claude Code GLM DeepSeek Gemini ChatGPT YandexGPT Qwen

Корпоративные системы

1С УПП 1С:ERP WMS BI / Power BI ELMA ДИАДОК · ЭДО

AI Core

RAG Multi-agent Prompt Engineering Whisper Embeddings · Qdrant

ИБ / Контур

Zero Trust DLP-шлюз Pseudonymization SIEM Guardrails HITL

Бизнес-аналитика

BPMN 2.0 Структурированные интервью Матрица P/I ADDIE Jira · Confluence

Автоматизация

n8n Make Yandex Cloud · Functions REST API

Контакты

Задать вопрос или обсудить задачу

Если у вас есть бизнес-боль, и вы не уверены, при чём здесь ИИ — это нормальная исходная точка. Начнём с одного звонка и одной страницы выводов. Первая 30-минутная диагностика — бесплатно.

i@nikolai-karpov.ru

Ответ в течение 4 часов в рабочее время

Отправить сообщение

Оперативные вопросы, быстрая связь

MAX · мессенджер

Открыть чат

Российский мессенджер от VK

Полная форма заявки