AI-аналитик данных для менеджеров фриланс биржи. NDA
Менеджеры постоянно отвлекали аналитиков типовыми запросами. Сделали AI-бота с self-service доступом к данным через естественный язык → SQL — нагрузка на аналитиков снизилась, данные остались внутри компании.
Контекст и проблема
Менеджеры постоянно обращались в отдел аналитики с типовыми запросами: выручка и оплаченные заказы, список новых партнёров, сравнение конверсии по каналам, динамика среднего чека. Каждый запрос требовал участия аналитика, отвлекая их от более сложных исследований и регулярной отчётности. Важно было сохранить контроль над внутренними данными и не передавать их во внешние LLM-сервисы.
Что было сделано
Реализован AI-бот как self-service интерфейс к аналитическим данным.
Подключена документация к базе данных: описание таблиц, полей, связей и бизнес-смысла показателей.
Настроена логика преобразования естественного языка в SQL-запросы на основе документации.
Доступ к базе реализован через MCP-сервис как контролируемый слой между AI-агентом и данными.
Развёрнута локальная self-hosted LLM для защиты конфиденциальности.
Интерфейс собран на LobeChat, позволив быстро запустить чат без отдельной frontend-разработки.
Внедрение прошло итерационно: сначала аналитики проверяли качество, затем инструмент стал доступен менеджерам.
Результат
Менеджеры получили инструмент для самостоятельных аналитических исследований без обращения в отдел.
Нагрузка на аналитиков снизилась за счёт автоматизации типовых и исследовательских запросов.
Через месяц итераций бот научился работать со сложными запросами и использовать контекст.
Данные остались защищены: контроль над информацией сохранён, внешние сервисы не задействованы.
Команда получила быстрый доступ к данным в формате self-service analytics.
Параметры проекта
- Срок реализации
- 2 месяца
- Стоимость разработки
- 450 000 руб.
- Стек
- Python, MCP, LobeHub, vLLM, Langfuse, PostgreSQL
- Поддержка
- осуществляется командой продукта, которой переданы все разработки
Обсудить похожую задачу
Все кейсы