Proba – аудит бизнес-процессов легко

AI-система для автоматизации интервью и оптимизации бизнес-процессов.

Проблема

Бизнес-консультанты тратят дни и недели на проведение интервью с сотрудниками, ручную транскрипцию, анализ и построение карт процессов. При этом:

• 60-70% времени уходит на транскрипцию и анализ, а не на поиск решений
• Неполная картина процесса — каждый участник видит только свою часть, а объединить точки зрения сложно
• Скрытые боли не выявляются — стандартные интервью не копают достаточно глубоко

Решение

Edward анализирует интервью с разными участниками бизнес-процесса, объединяет их точки зрения в консолидированную карту AS IS, генерирует оптимизированную карту TO BE и формирует структурированные отчёты с рекомендациями — за часы вместо недель.

Ключевые возможности

• Анализ интервью — загрузка транскриптов или аудиозаписей, анализ с применением 8 профессиональных техник (5 Whys, VSM, JTBD, Process Mining, Lean Six Sigma, BPMN, RACI, BABOK)
• Консолидация точек зрения — объединение интервью с разными акторами процесса (HR, IT, руководитель) в единую картину с выделением различий в восприятии
• Карты процессов — автоматическая генерация Mermaid-диаграмм AS IS (текущее состояние) и TO BE (оптимизированное)
• Структурированные отчёты — боли, боттлнеки, рекомендации по оптимизации, места для внедрения AI, RACI-матрица
• Real-time интервью — AI генерирует контекстные вопросы в режиме реального времени
• Экспорт — PNG/SVG карт, PDF-отчёты

Технологический стек

Архитектура

Консультант → [Web App (React)] → [API Server (FastAPI)]
                                         ├── PostgreSQL (пользователи, проекты, отчёты)
                                         ├── Qdrant (embeddings транскриптов)
                                         ├── Background Worker (Celery + Redis)
                                         │     └── OpenRouter → LLM API (анализ, карты, отчёты)
                                         └── File Storage (аудио, PDF, PNG/SVG)

Иерархия данных: Проект → Процесс → Интервью (с разными участниками).

Целевая аудитория

Бизнес-консультанты (внутренние и внешние), которые проводят аудит и оптимизацию процессов в организациях.

MVP Scope (Release 1.0)

1. Аутентификация (регистрация, вход, выход)
2. Управление проектами, процессами и интервью
3. Анализ транскриптов интервью (приоритет #1)
4. Импорт аудиозаписей с автоматической транскрипцией (приоритет #2)
5. Генерация карт AS IS (по каждому интервью + консолидированная)
6. Генерация карт TO BE (после всех интервью)
7. Ручное редактирование Mermaid-диаграмм
8. Текстовый отчёт с причинно-следственным анализом и метриками
9. Экспорт (PNG/SVG карт, PDF-отчёт)

Быстрый старт

make setup            # установить зависимости + сгенерировать типы
make dev              # запустить API (:8000) и фронтенд (:5173)

Структура монорепо

apps/web/          — фронтенд (React + Vite), npm workspace @edward/web
apps/api/          — бэкенд (FastAPI), управляется через pip отдельно
packages/shared/   — общие TypeScript-типы, npm workspace @edward/shared
scripts/           — скрипты сборки (генерация типов)

• npm workspaces связывают apps/web и packages/shared — импорт @edward/shared работает через симлинки
• apps/api не npm workspace — это Python-проект со своим requirements.txt
• Turbo оркестрирует build/dev/lint по воркспейсам

Основные команды

Генерация типов

Pydantic-модели из apps/api/app/models/ автоматически конвертируются в TypeScript:

make generate-types   # → packages/shared/src/generated/models.ts

Сгенерированные типы коммитятся в git — фронтенд-разработчикам не нужен Python для сборки.

Установка пакетов

npm install <pkg> --workspace=apps/web    # в конкретный workspace
npm install -D <pkg> --workspace-root     # в корень
cd apps/api && pip install <pkg>          # Python-зависимости

Документация проекта

Команда

• Бизнес-роль — требования, тестирование, методология опроса
• Фронтенд-разработчик — веб-интерфейс, UX
• Backend + AI-инженер — обработка данных, интеграция с LLM, генерация карт

Лицензия

Проприетарный проект. Все права защищены.