AI-ассистенты будущего: кейс соревнования IT_ONE Cup. ML Challenge

Компания IT_ONE совместно с Sk FinTech Hub провели на Codenrock соревнование IT_ONE Cup. ML Challenge. Участники работали над созданием AI-ассистента, который будет помогать в работе дизайнерам, системным и бизнес-аналитикам. Треки мероприятия: 

1. Динамические контекстные подсказки для системного аналитика. 
2. AI-генератор дизайн-макетов по описанию требований. 
3. Система визуализации BPMN-диаграмм. 

Соревнование стало ярким примером того, как машинное обучение может решать прикладные задачи в сфере аналитики, дизайна и автоматизации процессов. Более 1 000 участников со всей страны, три сложных и технологичных трека — и одна цель: создать решения, которые станут основой для внедрения ИИ в реальные задачи. 

Подробнее о том, как прошло соревнование IT_ONE Cup. ML Challenge — в этом кейсе.

О компании IT_ONE

IT_ONE — создатели цифрового будущего, в котором технологии и лучшие практики приносят ценность бизнесу и людям каждый день. Компания насчитывает более 2 700 высококвалифицированных специалистов, из которых 60% — уровня Senior.

Количество проектов — 250+. Основное направление работы — разработка программного обеспечения под заказ на современном стеке технологий. У компании есть собственное R&D-подразделение — лаборатория, которая занимается исследованием и разработкой инноваций. Задачи отдела:

• Собственные коммерческие проекты на базе AI и ML. 
• Внедрение AI в бизнес-функции заказчиков.
• Исследование трендов, новых моделей и решений.
• Подготовка кадров в сфере AI.

Главные цифры

Сперва участники готовили прототип сервиса в одном из трех треков. Лучшие команды по итогам голосования получили приглашение на финальный питчинг, где и определились победители соревнования. 

• 312 команд создано.
• 55 решений разработано в трех треках.
• 14 команд получили приглашение на финальный питчинг.
• 7 команд одержали победу в спецноминациях и выиграли мерч. 
• 9 победителей разделили призовой фонд в 1 500 000 рублей.

Цели соревнования

IT-соревнования, подобные IT_ONE Cup. ML Challenge — это мощный инструмент поиска новых идей на пике технологического развития и креативных подходов к нестандартным задачам. 

ML-челленджи формируют профессиональное комьюнити вокруг бренда. Они помогают привлекать к реальным проектам целеустремленных разработчиков, открытых к экспериментам с передовыми технологиями, и способствуют развитию всего IT-сообщества.

Мы с коллегами организуем IT_ONE Cup с 2022 года. На данный момент проведено уже пять мероприятий, а шестое – IT_ONE Cup. ML Challenge. За это время на наши хакатоны зарегистрировались почти 3 000 участников из120 городов России и не только. Общий призовой фонд, который был распределен среди победителей за всю историю соревнований, превысил 2 500 000 рублей.  Я искренне рада тому, что вокруг IT_ONE Cup формируется настоящее сообщество единомышленников. 

Татьяна Кочеткова, директор по работе с партнерами Sk FinTech Hub

Идеи должны воплощаться в жизнь. Поэтому на IT_ONE Cup. ML Challenge особый акцент был сделан на практике: участники работали с ситуациями, близкими к реальным, где ИИ-технологии могли дать ощутимый эффект.

Задачи соревнования

Актуальность. Компания IT_ONE активно использует AI-ассистентов в своей работе. Искусственный интеллект помогает оценивать резюме кандидатов, автоматизировать рутинные этапы подготовки документации, проверять требования на непротиворечивость и полноту. 

Но существующие ИИ-помощники не могут справиться с упрощением многих рабочих задач из-за недостатков:

1. Нехватка контекстной точности — плохо понимают взаимосвязи между сущностями и документами. 
2. Ограниченная поддержка голосового ввода и мультиязычности — работают преимущественно с текстом и одним языком. 
3. Не умеют анализировать минифицированный код — не справляются с реальными проектами на JavaScript или WebAssembly. 
4. Поверхностный анализ бизнес-процессов — недостаточно глубоко проверяют логику и ошибки в бизнес-процессах.

Решение. Эксперты IT_ONE разработали готовый план по созданию действительно полезных AI-ассистентов. Оставалось только реализовать его на практике. 

Треки соревнования — логичное продолжение и углубление практик применения ИИ в IT_ONE. Мы прямо сейчас работаем над улучшением наших рабочих процессов с помощью AI-технологий. Но многие задачи требуют принципиально нового уровня автоматизации и интеллектуальной поддержки специалистов. Поэтому решения участников не отправятся в бэклог, а станут неотъемлемой частью рабочих процессов и помогут достигать новых высот.

Антон Шалин, ведущий ИИ разработчик IT_ONE

Ожидаемый результат. Решения, представленные на IT_ONE Cup. ML Challenge, должны помочь:

• Системным аналитикам: автодополнять документацию и структурировать требования с помощью голоса. 
• Дизайнерам: автоматически вносить правки в дизайн-макеты по текстовому описанию. 
• Бизнес-аналитикам: создавать BPMN-диаграммы по голосовым или текстовым запросам с последующим критическим анализом и исправлением ошибок.

Участникам было необходимо предоставить исходный код сервиса, загруженный в GitLab-репозиторий на платформе, презентацию, техническую документацию и, по желанию, видеодемонстрацию работы сервиса. 

Критерии оценки проектов позволяли командам набрать до 100 баллов, идеально выполнив следующие условия:

• Решение поставленной задачи: соответствие требованиям и технологическому стеку — 40 баллов.
• Использование SOTA подходов: применение современных, передовых технологий и методов (State-of-the-Art) — 10 баллов.
• Оригинальность: новизна и нестандартный подход к реализации решения, уникальные идеи в архитектуре, алгоритмах, интерфейсе — 10 баллов.
• Качество решения: логичная, масштабируемая и понятная архитектура, чистый, документированный и легко читаемый код, наличие тестов, логирования, обработки ошибок — 10 баллов.
• Универсальность: возможность масштабирования и доработки — 10 баллов.
• UI/UX: удобство и качество пользовательского интерфейса — 10 баллов.
• Презентация: яркое выступление, убедительные примеры, грамотные ответы на вопросы — 10 баллов.

Трек 1. Динамические контекстные подсказки для системного аналитика

Задача участников — разработать систему автодополнения текста для системных аналитиков, которая поможет писать документацию к программным продуктам и требованиям на этапе их разработки.

Цель: повысить скорость и качество написания технической документации за счет контекстно-зависимых подсказок и голосового взаимодействия. 

Задача вдохновлена инструментами наподобие GitHub Copilot, которые помогают программистам писать код. А почему бы не сделать так же для аналитиков? В рамках трека предстояло создать систему, которая будет понимать весь контекст требований в рамках одного проекта или продукта. Она должна предлагать подсказки, советы или варианты автодополнения текста. 

Максим Сячин, руководитель направления развития инноваций IT_ONE

Система должна: 

• Строить дерево связей между требованиями, сущностями, документами и историей правок для точных рекомендаций.
• Поддерживать русский и английский языки при генерации, независимо от языка исходных данных.
• Обрабатывать голосовой ввод: распознавать команды, выделять элементы требований и уточнять уже готовые формулировки.

Источники данных: существующие пакеты документации, собранные с официальных сайтов разработчиков.

Ключевые элементы решения: 

• Использование механизма извлечения контекста (RAG-системы) или дообученной LLM на корпусе технической документации.
• Система автодополнения текста, способная учитывать принятые и отклоненные пользователем предложения. 
• Учет дерева зависимостей между требованиями, сущностями, документами и историей взаимодействия, принятие решений на основе этой информации. 
• Легкая интеграция с популярными инструментами аналитики: Confluence, Notion, Google Docs и другими. 

Трек 2. AI-генератор дизайн-макетов по описанию требований

Задача участников — разработать сервис, который генерирует кастомные дизайн-макеты на базе существующих веб-страниц или веб-приложений. Решение должно иметь возможность добавления нового функционала по текстовому описанию.

Цель: создание интеллектуального инструмента для дизайнеров и фронтенд-разработчиков, который превращает существующие веб-страницы в редактируемые прототипы и позволяет быстро создавать их обновленные версии с помощью ИИ.

Представим ситуацию: у вас есть сайт. Не исходники, а именно работающий сайт. Вы загружаете его в браузер и видите, что нужно поменять фон, добавить кнопку или заменить картинку. Задача участников — преобразовать объяснение того, что нужно сделать, в готовый код сайта с помощью LLM. 

Максим Сячин, руководитель направления развития инноваций IT_ONE

Решение участников должно:

• Восстанавливать UI из готовых веб-приложений без исходников, имея доступ только к скомпилированному или минифицированному коду. 
• Сохранять логику взаимодействия элементов интерфейса в дизассемблированном коде.
• Анализировать код в форматах HTML и CSS, а также JavaScript, включая минифицированные JS-бандлы. 
• Вносить изменения по текстовому запросу пользователя.
• Генерировать обновленный дизайн-макет с учетом нового функционала.

Ключевые элементы решения: 

• AI-алгоритм для анализа кода и внесения изменений. Модель должна понимать структуру веб-приложения, чтобы точно вносить изменения по текстовым командам.
• Дизассемблирование и восстановление кода. Решение должно привести код к читаемому виду без потери функциональности. Для этого используются специализированные инструменты, например, Ghidra или Capstone, и собственные методы анализа.
• API для работы с проектами, который позволяет загружать веб-страницы, вносить правки через текстовые команды и получать обновленный макет.
• Генерация изменений по текстовому описанию с помощью LLM, которая принимает описание требований от пользователя и вносит соответствующие правки в HTML/CSS/JS.
• Интеграция с дизайн-инструментами при помощи Figma API, Sketch API, Adobe XD API и других инструментов.

Трек 3. Система визуализации BPMN-диаграмм

Задача участников — разработать систему визуализации BPMN-диаграмм по текстовому или голосовому описанию логики процессов. 

Цель: помощь бизнес-аналитикам и проектировщикам процессов в поиске противоречий и несоответствий, интеллектуальном критическом анализе, а также автоматическое исправление ошибок.

Мы выбрали BPMN, потому что это одна из самых простых диаграмм для генерации из текста. Главное, чтобы аналитик мог просто надиктовать бизнес-процесс, и LLM нарисовала бы его в виде картинки. Может быть, потом еще стоит эту картинку как-то поправить. Например, голосом сказать: «Ой, вот здесь мне процесс не нравится, надо добавить еще один подпроцесс». И диаграмма перерисовывается. 

Максим Сячин, руководитель направления развития инноваций IT_ONE

Разработанная система должна поддерживать функции: 

• Прием описания процесса с помощью голосового и текстового ввода на русском и английском языках.
• Анализ и извлечение информации для выделения ключевых элементов: задач, событий, условий, шлюзов и связей.
• Автоматическая генерация BPMN-диаграмм: Визуализация процессов с использованием стандартных элементов нотации BPMN 2.0:
  • Задачи (Tasks);
  • События (начало, окончание, промежуточные события);
  • Шлюзы (Gateways):
  • Эксклюзивный шлюз (Exclusive Gateway);
  • Параллельный шлюз (Parallel Gateway);
  • Последовательности потоков (Sequence Flow).
• Критический анализ диаграмм агентами: обнаружение логических и структурных ошибок, тупиковые или недостижимые элементы, неоднозначные логические связи, нарушения BPMN-стандарта.
• Исправление и финальная визуализация.         

Ключевые элементы решения: 

• AI-алгоритм для анализа и генерации BPMN-диаграмм. Модель на основе LLM понимает естественный язык и превращает текстовое или голосовое описание в структурированное представление бизнес-процесса. 
• NLP-модуль для извлечения сущностей, логических связей и элементов процесса, а также построения логической модели на основе естественного языка.
• Интеграция с Camunda или BPMN.js для визуализации. Сгенерированный процесс отображается в виде интерактивной BPMN-диаграммы с поддержкой стандартных элементов: задач, событий, шлюзов и последовательностей. 
• Многоагентная система, которая проверяет диаграмму на наличие ошибок: тупики, циклы, некорректные связи — и предлагает исправления.
• API для взаимодействия с пользователем. Позволяет загружать описания процессов, получать диаграммы, просматривать рекомендации, вносить изменения и экспортировать результат. 

Подготовка и проведение

IT_ONE Cup. ML Challenge прошел на Codenrock. Платформа поддерживает полноценные ML-соревнования в формате, похожем на Kaggle с гибкими сценариями проведения. Организаторы могут настроить процесс так, чтобы он соответствовал формату хакатона — с живыми презентациями, экспертной оценкой, чекпоинтами и другими элементами.

Какие инструменты Codenrock были задействованы на IT_ONE Cup. ML Challenge: 

• Загрузка моделей и автоматическая проверка качества решений по заданным метрикам (например, accuracy, F1-score и другие).
• Интеграция с GitLab SelfHost: каждая команда получила свой репозиторий, сборка проекта происходила автоматически, а исходный код решений хранился на стороне платформы.
• Собственная инфраструктура для высоких нагрузок, оптимизированная под задачи машинного обучения.
• Аналитика и статистика в реальном времени: возможность отслеживать достижение KPI, уровень навыков участников, их региональное распределение и динамику выполнения задач.
• Гибкая настройка лидербордов: поддержка как публичных, так и скрытых рейтингов с учетом не только метрик модели, но и дополнительных критериев оценки.
• Система уведомлений: отправка сообщений участникам через личный кабинет, email или Telegram для повышения вовлечённости и оперативного информирования.

Подготовка задач и платформы

Эксперты и методологи Codenrock несколько месяцев тесно взаимодействовали с командой организаторов, чтобы подготовить интересные и понятные задачи для участников, соответствующие целям мероприятия. 

Какие задачи решила экспертная команда Codenrock:

• Адаптация задач под платформу: специалисты помогли перевести идеи в формат, подходящий для масштабного онлайн-соревнования.
• Настройка метрик и критериев оценки: были определены ключевые метрики качества моделей, реализована система автоматической проверки результатов и приглашения жюри к голосованию за проекты участников. 
• Настройка инфраструктуры для хранения и сборки исходного кода участников.
• Техническая поддержка во время соревнования для бесперебойной работы платформы и оперативного решения возникающих вопросов.
• Консультации по формату соревнования: помогли организаторам выбрать оптимальный сценарий проведения соревнования.

Продвижение мероприятия

IT_ONE Cup. ML Challenge — масштабное соревнование, объединившее специалистов разного профиля и уровня подготовки: от начинающих до опытных экспертов. Мероприятие было ориентировано на следующие категории участников:

• Эксперты по Data Science, которые смогут адаптировать ML-модели под сложные задачи и создавать решения на основе LLM и генеративного ИИ.

• Frontend и Backend-разработчики, способные превратить идеи в работающие AI-продукты.
• Системные и бизнес-аналитики, которые опишут требования и процессы для разработки прототипа.
• Дизайнеры для создания привлекательного и удобного интерфейса решения.  

Масштаб мероприятия во многом стал возможен благодаря профессиональной поддержке маркетинговой команды Codenrock, которая взяла на себя всю работу по продвижению события и привлечению целевой аудитории. 

Задачи, успешно решенные маркетинговой командой Codenrock:

• Разработка узнаваемого визуального стиля события и создание лендинга.
• Подготовка анонсов. Сообщение о мероприятии получили более 100 000 человек из сообщества Codenrock — это опытные разработчики, эксперты по Data Science и студенты технических специальностей.
• Рекламный охват. Публиковали посты с ключевой информацией о мероприятии в Telegram-каналах, тематических группах VK и других сообществах для IT-специалистов.  Настроили показы таргетированной рекламы среди целевой аудитории, обладающей необходимыми навыками для участия: машинное обучение, программирование, анализ данных, дизайн и другие.
• Создание полезного и интересного контента. Сняли короткие видео, написали статьи и советы от экспертов, чтобы помочь участникам лучше подготовиться. Также организовали митап, записали его и сделали текстовый вариант, чтобы охватить еще больше людей.

Сопровождение участников

После регистрации каждой команде назначался куратор, который помогал участникам: 

• Освоить функционал платформы,
• Получить поддержку по техническим вопросам,
• Оставаться вовлеченными в процесс.

Кураторы взаимодействовали с участниками с самого начала — сразу после одобрения заявки: напоминали о ключевых этапах соревнования и мотивировали включаться в работу. 

Для дополнительного информирования был создан Telegram-чат и настроены почтовые рассылки. Участники получали уведомления, полезный и развлекательный контент в Telegram. Через email организовывалась точечная отправка оповещений — например, для формирования команд или уточнить статус конкурсантов, которые не проявляют активность.

Также платформа позволила автоматизировать процесс взаимодействия аудитории с экспертами:

1. Участники могли предварительно обдумать и задать вопросы до начала митапа и церемонии открытия через специальную форму. 
2. Запись на чекпоинты: команды заранее бронировали удобные слоты для встреч с экспертами прямо на платформе.
3. Автоматизация голосования. Члены жюри выставляли баллы проектам по заранее настроенным критериям. Платформа суммировала результат: по итогам первого тура лучшие команды получали приглашение на финальный питчинг, после которого аналогичным образом определялся победитель. 
4. Автоматический сбор обратной связи. После окончания основных этапов мероприятия участники получили предложение поделиться отзывом о соревновании. 
5. В генераторе сертификатов дизайнер Codenrock создал красивые дипломы для конкурсантов и победителей, которые доступны аудитории в личном кабинете на платформе. 

Завершение мероприятия

В процессе проведения соревнования организаторам доступна вся статистика, обновляемая на дашборде в реальном времени:

1. Достижение KPI по регистрациям, прошедшим модерацию командам и решениям. 
2. Информация об участниках: навыки, должности, уровень опыта, возраст, место проживания. 
3. Количество привлеченных пользователей, в том числе впервые участвующих в соревнованиях на платформе. 

Все решения, презентации и исходный код проектов остаются доступны организаторам и после окончания мероприятия. 

Итоги соревнования

Победителями IT_ONE Cup. ML Challenge стали 9 команд. 

Церемония закрытия IT_ONE Cup. ML Challenge

Трек 1. Динамические контекстные подсказки для системного аналитика

🥇 1 место — JaJaBinx. Команда разработала решение на базе микросервисной архитектуры и LLM-агентов, которое поддерживает генерацию бизнес-требований, JSON-схем и BPMN-диаграмм. 

Мы не ожидали. Мы преодолели себя и участвовали сразу в двух треках — первом и третьем. Смогли довести до рабочего решения оба варианта. Большое спасибо! 

🥈 2 место — «Нейрописец». Участник разработал решение, которое поддерживает голосовой ввод и интегрируется в популярные редакторы. Проект использует Light-RAG, онлайн-саммари и экспресс-ревью для повышения точности и эффективности документирования.

Прекрасные впечатления, много интересного опыта. Были сложные моменты, но получилось справиться. 

🥉 3 место — Complexity. Команда разработала систему, превращающую LLM в полноценного участника проектной команды: модель моделирует сценарии, оценивает риски, генерирует логику поведения систем и формирует прототипы. 

Замечательное соревнование. Спасибо большое жюри. 

Трек 2. AI-генератор дизайн-макетов по описанию требований

🥇 1 место — MISIS_TECH. Решение команды автоматизирует анализ веб-сайтов и подбор дизайн-шаблонов с помощью ИИ: парсит структуру, визуализирует код и предлагает подходящие шаблоны. Поддерживает обучение веб-разработке и легко интегрируется в рабочие процессы благодаря модульной архитектуре.

Эмоции зашкаливают. Спасибо большое за организацию. 

🥈 2 место — «МАФ». Проект команды позволяет импортировать веб-проект по URL, анализировать его структуру, а затем генерировать осмысленные правки кода через LLM с пошаговым объяснением. Поддерживает предпросмотр изменений, ручную коррекцию и автоматическое применение правок с фиксацией в Git.

Спасибо большое. Задача была нетривиальная, и в плане разработки интересная. Старались выложиться на максимум, показать, все, что мы можем. Очень благодарны организаторам.

Трек 3. Система визуализации BPMN-диаграмм

🥇 1 место — «Мастер над GPT-унами». Сервис команды — мультиагентная система визуализации BPMN-диаграмм, построенная на основе открытых моделей. Решение анализирует входные данные, строит логическую модель бизнес-процесса, проверяет ее корректность и формирует финальное графическое представление. Гибкая архитектура обеспечивает масштабируемость и поддержку широкого спектра задач с BPMN.

Побеждать всегда приятно, но в первую очередь хочу поблагодарить организаторов за крайне интересный и очень проработанный хакатон. Быстрая обратная связь, интересные задачи, много чекпоинтов. Мы получили удовольствие. 

🥈 2 место — The One Market. Сервис представляет собой локальную систему для создания и анализа BPMN-диаграмм с поддержкой голосового ввода и интеллектуального редактирования на основе LLM. Решение позволяет автоматически корректировать схемы по текстовым запросам. Работает полностью офлайн, использует открытые модели и фреймворки. 

🥉 3 место — Bitcoin Bandits и SoloTech.

Решение Bitcoin Bandits позволяет создавать бизнес-процессы в формате BPMN 2.0 с помощью голосового ввода и интеллектуального анализа на основе LLM. Голосовые команды распознаются через Whisper, а затем преобразуются в структурированные процессы с автоматическим извлечением информации. Система доступна для пользователей без технической подготовки.

Участник SoloTech разработал инструмент для быстрого и безопасного создания BPMN-диаграмм через голосовой ввод и текстовые команды с последующей визуализацией, автоматической раскладкой и семантической проверкой. Поддерживает интерактивное моделирование в браузере, автономный режим работы и простую интеграцию в DevOps-процессы.

Также во время соревнования прошли розыгрыши, которые позволили выиграть дополнительные призы. Команды-победители в специальных номинациях получили в награду фирменный мерч от организаторов:

• JaJaBinx.
• SoloTech.
• MDLIV.
• 3BUGатыря.
• Tensor Titans.
• «ИЛК».
• «Прогулка».

17 победителей реферальной программы и 3 автора самых смешных шуток в конкурсе мемов получили подарочные сертификаты на 2 000 рублей.

Эксперты

Отзывы участников

IT_ONE Cup. ML Challenge в вопросах и ответах