Какво правим

1. 2.1 Системи, които заменят таблиците

   Знакът, че една таблица е надживяла себе си, не е размерът ѝ. Това е моментът, в който само един човек смее да я редактира.

   Изграждаме приложения, които поемат тази работа: разделен достъп според ролята, журнал на промените, който показва кой какво е направил и кога, процеси, които се изпълняват по график вместо по спомен, и отчети, които съществуват, вместо да се сглобяват.

   Работим с FastAPI и Python отзад, React и Next.js отпред, PostgreSQL отдолу. Използваме тези технологии, защото сме ги поддържали в производство, а не защото са актуални.

   Собствена платформа за управление на наеми — четири портала, 131 endpoints, 858 теста, в непрекъсната разработка от юли 2026 г. насам. Вътрешна ERP система с шест модула, която използваме ежедневно. Казус: Managing Rentals

2. 2.2 Съответствие, което се следи само

   Интрастат, НАП, ЗБУТ. Три съкращения, зад които стоят месечни срокове, точни формати и санкции, които не се интересуват дали някой е забравил.

   Изграждаме инструментите, които поемат тази тежест. Декларации, които се генерират в изисквания формат вместо да се сглобяват в Excel. Валидация, която показва проблемния ред преди подаването, а не след отхвърлянето. Срокове по ЗБУТ, които се обявяват предварително — инструктажи, медицински прегледи, оценки на риска.

   Знаем тази материя, защото я администрираме за собствената си компания.

   Настолен инструмент за Интрастат, доставен на българско търговско дружество, с повече тестов от приложен код. Модул за ЗБУТ в собствената ни вътрешна система. Казус: инструмент за Интрастат

3. 2.3 Retrieval и агенти, изградени за реални данни

   Повечето AI демонстрации работят, защото входните данни са подбрани така, че да работят. В производство данните са сканирани, обърнати, многоезични, зле структурирани и понякога грешни.

   Изграждаме системи, които издържат това: retrieval, който се настройва, извличане, което сменя стратегията си при спад в качеството, отговори, които носят източниците си, и поведение, което може да се проследи, когато нещо се обърка.

   Python навсякъде — FastAPI, LangGraph, векторни бази и онзи доставчик на модели, от който задачата наистина има нужда.

   Доставено при условия на поверителност. Можем да преминем през архитектурата и решенията в разговор. Собствените ни продукти в същата област: DocumentInsight · ArticleCraft AI

4. 2.4 Да знаеш дали работи

   Повечето екипи пускат AI функционалности на базата на бегли проверки. После нещо тихо се влошава и никой не може да каже кога е започнало.

   Изграждаме измервателния слой: критерии за оценка на конкретната задача, офлайн метрики в CI, регресионни тестове, които се провалят шумно, проверки за обоснованост и достатъчно малък процес за човешки преглед, че някой наистина да го поддържа.

   Това е нашата изследователска област. Мария е доктор по изкуствен интелект, а нейната рамка за оценка на многоагентни LLM системи е в процес на рецензиране.

   Четири слоя за оценка, приложени към многоагентен процес за обработка на документи в продукция. Статията е в процес на рецензиране.