Technological tasks
The Tech-tasks module is tasks related to the development, implementation and improvement of new technologies, products and processes. If you have development, implementation and other needs you can post information below.
Development of embedded AI analytics for BI systems: Natural language data answers
It is required to develop ** an AI analyst built into BI dashboards**, which gives the user a ready result on a question in natural language. Key requirements for the solution: 1. **Natural language dialog** right inside the dashboard — without a separate interface and without knowledge of SQL/BI. 2. **Responses based on actual data.** The solution is based on a real data model and calculated metrics, rather than "guessing" from the picture on the screen, the reliability of the answer is critical. 3. **Automatic construction of visualizations** (graphs, tables, key indicators) for the essence of the issue. 4. **A ready—made analytical conclusion** is a short, understandable conclusion for making a decision, not just numbers. 5. **Industry-wide adaptability** — a single core adapts to the bank, insurance, retail, telecom, manufacturing, public sector, etc. 6. **Embedding on top of existing BI** without rebuilding the current infrastructure and data storefronts. 7. **Enterprise—level security** - working with data in the customer's circuit, access control. The result of the task is a working solution (from the MVP to the industrial version) that turns data into solutions at the level of any employee, not just an analyst.
Decision acceptance deadline
13.07.26 (inclusive)
Preferred systems
Intelligent control systemsNumber of applications
2
Разработка прототипа корпоративного ИИ-помощника для безопасной работы с внутренней базой знаний компании.
Исследование возможностей и создание прототипа (Proof of Concept) локального корпоративного ИИ-ассистента на базе Open-Source языковых моделей (LLM) с архитектурой RAG, способного оперативно и безопасно осуществлять контекстный поиск и анализ информации по внутренним регламентам и документам компании без передачи данных во внешние облачные сервисы. Описание задачи: В рамках выполнения технологической задачи предлагается решить проблему безопасного и быстрого поиска информации внутри корпоративных баз данных. Современные публичные ИИ-решения (ChatGPT, Claude и др.) не могут быть использованы в контуре компании из-за строгих требований информационной безопасности и условий NDA. Задача заключается в том, чтобы развернуть и адаптировать открытую языковую модель (например, Llama 3, Mistral или аналоги) полностью на локальных мощностях. Проект включает в себя: Создание модуля для загрузки и индексации текстовых документов (PDF, DOCX, TXT); Настройку векторной базы данных для точного извлечения контекста (RAG); Разработку удобного веб-интерфейса (чат-бота), который будет отвечать на вопросы сотрудников на казахском и русском языках, обязательно ссылаясь на конкретные пункты и страницы документов-первоисточников. Результатом задачи должен стать работоспособный прототип, упакованный в Docker-контейнер, для демонстрации внутренней технической команде.
Decision acceptance deadline
10.07.26 (inclusive)
Preferred systems
Other technological solutionsNumber of applications
5
Разработка цифровой платформы управления посещаемостью и контроля доступа на массовые мероприятия
Цель проекта — создание единой цифровой платформы для автоматизации процессов контроля доступа посетителей на концерты, спортивные мероприятия, фестивали, театральные представления и другие массовые события. Система должна обеспечивать онлайн-проверку билетов, управление потоками посетителей, мониторинг загруженности входных групп в режиме реального времени и предоставление организаторам аналитических данных о посещаемости мероприятий.
Decision acceptance deadline
10.07.26 (inclusive)
Preferred systems
ITNumber of applications
4
Интерактивная шахматная дуэль для учеников ABCHESS
Разработать интерактивный образовательный веб-модуль для проведения соревновательных шахматных занятий. Модуль должен позволять нескольким ученикам одновременно решать шахматные задания на одном экране в игровом формате. Основная цель проекта — повысить вовлечённость детей в процесс обучения за счёт элементов соревнования, визуального прогресса и мгновенной обратной связи. Проект рассматривается как отдельный образовательный инструмент, который в дальнейшем может быть интегрирован с существующими онлайн-платформами и внутренними базами учебных материалов.
Decision acceptance deadline
07.07.26 (inclusive)
Preferred systems
Information processing and transformationNumber of applications
11
Автоматизация и оптимизация внутренних процессов
Автоматизация управления и распределения экспертов, менторов и фрилансеров по входящим заявкам.
Decision acceptance deadline
03.07.26 (inclusive)
Preferred systems
Intelligent control systemsNumber of applications
14
Системы интерактивного онбординга для B2B AI-платформы
Цель: внедрение готового решения (ПО/инструмента) для создания интерактивного, бесшовного и быстрого онбординга внутри нашей AI-платформы. Описание: Сейчас ключевая задача — сократить Time-to-Value для новых пользователей. Нам нужно решение, которое позволит без привлечения жесткого хард-кода (желательно No-code/Low-code) развернуть внутри интерфейса интерактивные сценарии: пошаговые туры и интерактивные чек-листы. Система должна распознавать действия пользователя в реальном времени и вести его по воронке активации.
Decision acceptance deadline
03.07.26 (inclusive)
Preferred systems
Neurotechnology and artificial IntelligenceNumber of applications
7
на разработка UI-компонента календаря/расписания
Разработать UI-компонент календаря/расписания для отображения событий во временной сетке. Компонент должен использоваться во Vue-приложениях и позволять визуально показывать занятость по времени.
Decision acceptance deadline
03.07.26 (inclusive)
Preferred systems
Intelligent control systemsNumber of applications
6
Разработка AI-системы персонализированных рекомендаций видеоконтента для цифровой медиаплатформы.
Разработка AI-системы персонализированных рекомендаций видеоконтента для цифровой медиаплатформы. Решение должно обеспечивать анализ пользовательского поведения в режиме реального времени, учитывать историю просмотров, взаимодействие с контентом, жанровые предпочтения и автоматически формировать персонализированную ленту рекомендаций. Система должна использовать алгоритмы машинного обучения для постоянного самообучения на основе новых данных пользователей, а также обеспечивать возможность аналитики эффективности рекомендаций и влияния на пользовательскую активность. Основной целью проекта является повышение пользовательского удержания, увеличение вовлеченности аудитории и оптимизация процессов доставки контента за счет применения технологий искусственного интеллекта.
Decision acceptance deadline
26.06.26 (inclusive)
Preferred systems
Neurotechnology and artificial IntelligenceNumber of applications
15
Ядро системы — Безопасность, Архитектура и Ролевая модель (RBAC) Продукт: Облачная медицинская информационная система Digital Clinic Hub (DCH)
Создание абсолютно защищенного, отказоустойчивого и масштабируемого ядра облачной платформы (SaaS), которое станет технологическим фундаментом для всех последующих функциональных модулей системы (Календарь, Касса, ЭМК и др.). Главная задача этого блока — обеспечить беспрецедентный уровень изоляции медицинских и финансовых данных между разными клиниками-клиентами, а также внедрить непреодолимую систему разграничения прав доступа для сотрудников внутри каждой клиники Детальное описание функционала и технических решений: Мульти-тенантная микросервисная архитектура: Ядро системы проектируется на базе Node.js и PostgreSQL. Каждая клиника (или отдельный филиал сетевой клиники) получает обособленную базу данных (логическое или физическое разделение на уровне схем), что гарантирует полную изоляцию данных клиентов и поддержку франшизной структуры. Система аутентификации и авторизации (JWT): Внедряется механизм stateless-аутентификации с использованием JSON Web Tokens (JWT). Каждое действие в системе проходит проверку через Middleware на основе полезной нагрузки (payload) токена. В токене жестко зашиты критические данные: role (роль пользователя), branch_id (идентификатор филиала для ограничения видимости), sub (ID пользователя), shift_id (ID активной кассовой смены) и max_discount_pct (допустимый процент скидки). Матрица прав доступа (RBAC): Ядро реализует строгий контроль доступа по 6 основным ролям, где права проверяются прямо на уровне эндпоинтов API: Администратор (Admin): Полный доступ ко всем филиалам, справочникам, скрытой аналитике и отмененным записям. Может применять любые скидки и удалять документы. Менеджер Колл-центра (КЦ): Доступ к расписанию всех филиалов для создания, редактирования, переноса записей и постановки 10-минутной брони. Доступ к финансам полностью закрыт. (Подроль "Отдел прихода" дополнительно может отменять записи с указанием причины). Регистратор: Строго ограничен своим физическим филиалом. Может только менять статус явки пациента («Пришёл» / «Не пришёл»). Врач: Изолированный доступ только к своим записям. Может добавлять медицинские комментарии, но лишен прав на редактирование расписания или финансов. Координатор: Управляет финансовыми статусами курсов лечения («Купил курс» / «Не купил»), имеет право создавать счета и применять скидку (например, строго до 10%), но не может оформлять возвраты или управлять кассовыми сменами. Кассир: Имеет доступ к POS-терминалу своего филиала, может открывать/закрывать смены, проводить оплату, делать Z-отчеты и оформлять возвраты. Тотальный аудит и логирование (Audit Log): Разработка модуля журналирования, который намертво фиксирует все критические операции в системе (создание, отмена записей, прием оплат, возвраты) в служебную таблицу audit_log. Система записывает user_id, время, тип действия, а также состояние данных "до" (before) и "после" (after) внесения изменений. Идемпотентность и защита: Для исключения риска двойных списаний или дублирования записей при нестабильном интернете, ядро внедряет поддержку заголовка Idempotency-Key для всех POST-запросов
Decision acceptance deadline
26.06.26 (inclusive)
Preferred systems
Other technological solutionsNumber of applications
8
Разработка фундаментального клинического модуля «Электронная Медицинская Карта (ЭМК) и цифровое рабочее место врача» с интеграцией управления этапами лечения (физиотерапия, КТ, ПРП-терапия) для облачной медицинской информационной системы Digital Clinic Hub (DCH).
Создать единое, интуитивно понятное цифровое рабочее пространство для медицинского персонала, которое полностью заменит бумажный документооборот . Главная задача ЭМК — обеспечить бесшовный клинический путь пациента от сбора анамнеза до прохождения многоэтапных курсов лечения, а также надежно связать медицинские назначения с работой Координаторов (Отдела заботы) и Кассы . Детальное описание функционала и технических решений: Архитектура карточки пациента: Разработка комплексного интерфейса на базе Vue.js 2 . Карточка будет включать паспортную часть (ИИН, ФИО, телефон, дата рождения) и систему вкладок: «История приемов», «План лечения», «Медиафайлы» и «Финансы» . В шапке карточки будет в реальном времени отображаться баланс пациента и наличие у него задолженностей перед клиникой . Динамические шаблоны осмотра и справочники: Внедрение конструктора протоколов осмотра для разных специализаций врачей. Врач сможет быстро заполнять жалобы, анамнез и объективный статус, а также добавлять текстовые медицинские комментарии к приему . Для стандартизации диагнозов будет интегрирован международный справочник МКБ-10. Управление многоэтапным лечением (Курсы процедур): Важнейшая часть ЭМК в рамках DCH. В карточке пациента будет реализован функционал сохранения и отслеживания сложных этапов лечения: курсов физиотерапии, КТ, ПРП-терапии и фитнес-реабилитации . Врач делает назначение, а интерфейс Отдела заботы мгновенно обновляется, позволяя координаторам добавлять процедуры по требуемому времени пациента . Безопасное хранение медиафайлов: Интеграция с защищенным облачным хранилищем для загрузки результатов анализов, УЗИ и тяжелых DICOM-изображений (КТ/МРТ) с жесткой привязкой к дате визита пациента и его ID. Ролевая модель (RBAC) в ЭМК: Врач: имеет изолированный доступ исключительно к медицинским картам своих пациентов. Может вносить комментарии и назначения . Координатор / Отдел заботы: видит назначения врача для проставления статуса покупки курса («Купил курс / Не купил») и управления сеткой загрузки процедурных кабинетов . КЦ-менеджер: видит только контактные данные для создания записей, но не имеет доступа к врачебной тайне (диагнозам) внутри карты пациента . Технологический стек: Бэкенд разрабатывается на Node.js с базой данных PostgreSQL . Для мгновенного сохранения черновиков осмотра (если у врача пропал интернет) будет использоваться кэширование, а для загрузки файлов — S3-совместимое хранилище.
Decision acceptance deadline
26.06.26 (inclusive)
Preferred systems
Other technological solutionsNumber of applications
7
