ИИ и автоматизация
Чат-боты, ИИ-ассистенты, контент-заводы, RAG. Проектируем, обучаем, выводим в прод.
Смотреть кейсы →Продуктовая команда. Собираем ИИ-ассистентов, чат-боты и контент-заводы. Сшиваем ваш сайт с 1С, Битрикс24, CRM — без костылей.
Отвечаем в течение дня. Обычно быстрее.
Напишите на info@intelbit.ru или заполните форму ниже — подберём решение и следующий шаг.
Написать нам →Чат-боты, ИИ-ассистенты, контент-заводы, RAG. Проектируем, обучаем, выводим в прод.
Смотреть кейсы →1С, Битрикс24, CRM, ERP. Сшиваем сайт с бэкофисом — без костылей и ручной сверки.
Показать, как это работает →Модули и решения из маркетплейса. Ставите сегодня — запускаете завтра.
Смотреть продукты →import torch import torch.nn as nn class ProductClassifier(nn.Module): def __init__(self, vocab_size: int, embed_dim: int = 128): super().__init__() self.embed = nn.Embedding(vocab_size, embed_dim) self.lstm = nn.LSTM(embed_dim, 256, batch_first=True) self.head = nn.Linear(256, 42) def forward(self, x: torch.Tensor) -> torch.Tensor: x = self.embed(x) _, (h, _) = self.lstm(x) return self.head(h[-1])
from transformers import pipeline classifier = pipeline( "zero-shot-classification", model="MoritzLaurer/mDeBERTa-v3-base-xnli", device=0, ) labels = ["electronics", "apparel", "grocery", "auto"] result = classifier(description, candidate_labels=labels) # result: {'labels': [...], 'scores': [...]}
from sklearn.ensemble import GradientBoostingClassifier from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split( features, target, test_size=0.2, random_state=42 ) model = GradientBoostingClassifier(n_estimators=200, max_depth=4) model.fit(X_train, y_train) score = model.score(X_test, y_test) # ~0.89
from fastapi import FastAPI from pydantic import BaseModel app = FastAPI() class Item(BaseModel): description: str category: str | None = None @app.post("/classify") async def classify(item: Item): label, score = model.predict(item.description) return {"label": label, "confidence": round(score, 3)}
import os from anthropic import Anthropic client = Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"]) def describe_product(title: str, specs: dict) -> str: msg = client.messages.create( model="claude-opus-4-7", max_tokens=512, messages=[ {"role": "user", "content": f"Опиши товар: {title}, спецификация: {specs}"}, ], ) return msg.content[0].text
import asyncio import httpx async def infer_batch(items: list[str]) -> list[dict]: async with httpx.AsyncClient(timeout=30) as http: tasks = [ http.post("http://ml:8000/classify", json={"description": text}) for text in items ] responses = await asyncio.gather(*tasks, return_exceptions=True) return [r.json() for r in responses if not isinstance(r, Exception)]
import requests webhook = "https://b24.example.com/rest/1/XXXXX" def push_lead_to_bitrix(name: str, email: str, task: str) -> int: payload = { "fields": { "TITLE": "Сайт → CRM", "NAME": name, "EMAIL": [{"VALUE": email, "VALUE_TYPE": "WORK"}], "COMMENTS": task, }, } r = requests.post(f"{webhook}/crm.lead.add.json", json=payload, timeout=10) r.raise_for_status() return int(r.json()["result"])
Скажет, какая модель вам подойдёт. За 30 секунд.
1 000 описаний в день из вашего CSV. Не устаёт, не болеет.
Забирает 60% типовых обращений. Остальное — людям.
Бриф на вход — PDF с расчётом и сроками на выход. За минуту.
B2B-портал для сервисных центров, интегрированный с SAP S/4 HANA в реальном времени. Работает автономно — почти без расходов на обслуживание.
Подробнее о кейсе →
Продуктовый сайт лакокрасочного завода. Каталог, продуктовые страницы, воронки для дилеров и конечных клиентов.
Подробнее о кейсе →
Десятки воркшопов, формализация процессов, проектная документация, внедрение 1С:CRM. В срок и в бюджет.
Подробнее о кейсе →Цитаты из писем партнёров. Работают с Интелбит на SAP, 1С, B2B-порталах.
Компания «ИнтелБИТ» является исполнителем по ряду проектов. Самая значимая разработка — b2b-портал для наших партнёров — сервисных центров, функционирующий автономно и практически не требующий обслуживания. Портал интегрирован с SAP S/4 HANA и работает в реальном времени.
С компанией Интелбит мы работаем чуть больше года. Обратились в состоянии полного хаоса, наведённого предыдущим исполнителем. Оперативно вернули проект в рамки, разбили на этапы, убрали пересечение и наслоение задач с наших сотрудников.
В апреле 2023 года «ИнтелБИТ» завершила работы по проекту разработки проектной документации на внедрение 1С:CRM в «Тракс Восток Рус». Команда провела десятки встреч и воркшопов, уточняла требования, предлагала оптимизации. Проект выполнен в согласованные сроки.
Сводит данные из 1С, CRM и внешних систем в один каталог. Ставится из маркетплейса за час.
Готовим новое. Подпишитесь — напишем первыми, когда покажем.
Разбираемся в задаче, процессах и данных. Никаких брифов-анкет.
Собираем MVP за 1–2 недели. Показываем, трогаем, меняем на лету.
Выводим в прод и сшиваем с вашими системами. Включая 1С и Битрикс24.
Следим за метриками, дообучаем модели, катим обновления.
Пишем коротко о новых демо, кейсах и продуктах. Без спама и воды.
Ответим в течение дня. Предложим следующий шаг — прототип, оценку или звонок.