Давайте познакомимся ближе

После форума «Производительность 360» у нас появилось много новых подписчиков — рады приветствовать всех!

🟦 Давайте немного расскажем о себе. Компания выросла из стартапа, основанного тремя студентами МГУ. Сегодня нас знают как команду, которая умеет решать технологически сложные задачи и доводить разработки до результата. Мы создаём и внедряем решения в области искусственного интеллекта, видеоаналитики и компьютерного зрения для различных отраслей.

Наши проекты реализуются по всей стране, и среди клиентов, как частные компании, так и государственные предприятия. Мы резиденты инновационного кластера «Ломоносов», участники ИНТЦ МГУ «Воробьёвы горы», и всегда рады пригласить наших партнеров и заказчиков в офис, чтобы показать разработки в действии.

🔍 Наша ключевая особенность в том, что мы не просто адаптируем готовые решения, а разрабатываем собственные технологии с нуля, под конкретные задачи бизнеса. Работаем на стыке трех направлений: инженерных решений, программного обеспечения и алгоритмов искусственного интеллекта. Такой подход позволяет закрывать полный цикл разработки.

Мы гибкие, умеем быстро адаптироваться и часто создаем решения под уникальные задачи, с учетом особенностей площадки, процессов и инфраструктуры.

А также мы подготовили видео с площадки, приятного просмотра ☝️

🟦 Подпишись на BPA и следи за новостями студии инновационных решений

Как основать ИТ-компанию с нуля и вырасти в команду, которая делает сложные технологии?

Недавно Аркадий Фроймчук, сооснователь группы ИТ-компаний BPA, стал гостем подкаста «Практики бизнеса» от предпринимателя Алексея Оносова.

В выпуске Аркадий рассказал:

⚡️как прошел путь от госструктур к собственному бизнесу;
⚡️почему запуск BPA начинался как небольшой студенческий стартап;
⚡️какие были первые проекты, с чего начался рост и когда стало понятно, что компания «выстрелит»;
⚡️как в BPA устроена работа с клиентами и почему многие решения мы создаем полностью с нуля, а не собираем из готовых моделей;
⚡️какие технологические запросы сегодня чаще всего приходят от рынка.

Получился честный и полезный разговор про предпринимательство без романтизации, про работу в технологиях и про то, что стоит за развитием компании, которая делает deeptech-продукты.

😐 Ссылка на выпуск

Идем читать «Вечернюю Москву»

📰 В свежем выпуске газеты вышло сразу два материала о наших разработках под авторством технического директора Вадима Медяника.

Первый — большая статья о том, откуда появляются идеи технологических решений и как возникла разработка умной урны: зачем она нужна, какую проблему решает и как подобные системы постепенно меняют городскую среду.

Второй — комментарий о технологиях биодронов. В нем разбирается, чем такие решения отличаются от привычных беспилотников, в каких условиях биодроны могут оставаться незаметными и работать в естественной среде, а также какие ограничения сегодня определяют рамки их применения.

Файл газеты прикладываем ниже👇

Сегодня у нас гости — слушатели MBA ЭФ МГУ.

🕶🕶🕶🕶 Вместе с руководителями программы и представителем Центра развития ИНТЦ провели встречу по инновационной экосистеме для действующих управленцев и предпринимателей.

Гости ознакомились с инфраструктурой кластера и проектами других резидентов. А мы провели для них подробный показ наших разработок и живую демонстрацию решений.

😍 Мы очень ценим такие прямые контакты с образовательной и бизнес-средой. Большое спасибо за глубокий диалог, интересные вопросы и ценные предложения по развитию наших продуктов!

По итогам встречи мы сделали видео, предлагаем посмотреть и почувствовать атмосферу технологического кластера Москвы ☝️

🟦 Подпишись на BPA и следи за новостями студии инновационных решений

Почему у большинства не получается делать AI-проекты

Мы часто видим один и тот же сценарий, как у заказчиков, так и у других ребят на рынке. В компании решают «делать AI-проект».
Берут модель, находят подрядчика или нанимают ML-инженера, и через несколько месяцев получают дорогой эксперимент без понятного результата для бизнеса.

Именно поэтому к нам довольно часто приходят не только с запросом «сделать с нуля», а еще с другими задачами: доработать уже существующую систему, которая не работает так, как хотели изначально, исправить ошибки, понять, почему вроде бы AI есть, а пользы нет.

За счет большого количества общения с коллегами на рынке мы хорошо видим общую картину. Многие стартаперы, руководители проектов и менеджеры не до конца понимают, что такое AI-проект как бизнес-инструмент. Зачем он вообще нужен компании, какую задачу должен решать и как его запускать так, чтобы он был полезен в деньгах, а не просто красиво смотрелся в презентации.

Мы сами начинали как стартап, и на собственном опыте набивали шишки с правильной постановкой гипотез, и с командами, и с целями. Достаточно быстро поняли, что без четкой логики проекта и понимания бизнеса заказчика результат редко бывает успешным.

Со временем у нас накопился набор вопросов и шагов, с которых, по-хорошему, стоит начинать любой AI-проект.

✌️ Мы оформили наш опыт в виде гайда — «Как запустить свой первый ИИ-проект».

В нем мы разбираем:
— как связать AI с конкретной бизнес-метрикой
— как формулировать гипотезы
— как понять, есть ли у идеи реальная потребность еще до начала разработки
— какой минимальной команды достаточно для MVP и как не сжечь бюджет
— и как принять честное решение: масштабировать проект, доработать его или остановиться

Если вы фаундер, продакт, руководитель или специалист, который хочет разобраться в логике AI-проектов, — этот гайд для вас.

🔳 Пора подводить итоги года

2025-й стал для нас периодом активной исследовательской и инженерной работы. Мы запускали новые направления, проверяли гипотезы и брались за задачи, требующие нестандартных технических решений.

В течение года команда BPA работала сразу над несколькими собственными R&D-продуктами: мы разработали технологию небиометрической идентификации и трекинга объектов и представили это решение в формате демонстрации Михаилу Мишустину и Сергею Собянину, запустили умную урну на базе ИИ и компьютерного зрения для сортировки отходов по фракциям, а также реализовали RFID-кассу самообслуживания, показав прикладное применение наших технологий.

Параллельно в течение года команда BPA вела НИОКР-проекты для бизнеса и государственных структур. Мы работали с заказчиками из разных отраслей и регионов России, включая федеральные и региональные органы власти, а также корпоративных партнёров. В том числе в конце года команда завершила работу над крупным проектом для Москвы, о результатах которого мы планируем рассказать позже.

В первую очередь хотим поблагодарить наших заказчиков и партнеров за доверие, открытость к совместной работе и готовность идти в новые технологические решения. Для нас это ключевая ценность и основа дальнейшего развития.

Отдельные слова благодарности — нашей команде. За этот год BPA выросла более чем в три раза. Сегодня над проектами компании работают разработчики, аналитики, инженеры, специалисты по компьютерному зрению и ML, дизайнеры, менеджеры проектов и продуктовые команды. Спасибо каждому за профессионализм, вовлеченность и ответственность за результат.

Мы завершаем год с четким пониманием, куда движемся дальше, и с уверенностью в том, что впереди нас ждут еще более интересные задачи и проекты.

❤️ С наступающими праздниками!

Команда BPA

Надеемся, вы уже вошли в рабочий режим, мы вот точно да

Январь у нас начался активно: за последние недели мы посетили несколько производств и продолжаем ездить к заказчикам. На прошлой неделе, например, были на заводах в Подмосковье с полноценными экскурсиями и разбором процессов на месте.

Мы правда считаем, что такие выезды — отдельная и очень важная часть нашей работы. Смотреть на производство изнутри всегда информативнее, чем обсуждать его только по описаниям. Камеры, линии, люди, ограничения пространства, реальные условия — все это сильно влияет на то, каким должно быть технологическое решение.

Особенно в проектах с компьютерным зрением и нестандартными кейсами. Во многих случаях прежде чем предлагать конкретное решение, мы стараемся выехать на площадку и внимательно посмотреть, как именно у заказчика устроены процессы: где возникают сложности, какие этапы критичны, что уже работает хорошо, а где требуется усиление. Это позволяет проектировать решения не «в целом», а под конкретный запрос и конкретные условия.

😐 Интересно, что болевые точки, с которыми к нам приходят сейчас, во многом перекликаются с теми, что мы видели еще в прошлом году. Поэтому можем говорить только об усилении тенденции на внедрении ИИ и КЗ на производствах. Контроль упаковки и этикетки, выявление брака, снижение потерь, повышение прозрачности процессов — все это по-прежнему актуально, и мы видим здесь большой потенциал для аккуратной и вдумчивой автоматизации.

Отдельно радует еще один момент. Все чаще на встречах звучит запрос не только на решения, но и на понимание самой технологии. Как работают системы компьютерного зрения, где они действительно эффективны, какие требования важно учитывать заранее. Такой интерес к теме говорит о зрелом подходе, и нам очень близок этот формат диалога.

Продолжаем ездить, смотреть, задавать вопросы и разбираться в процессах вместе с заказчиками.
Дальше будет еще много интересного, обязательно поделимся.

🟦 Подпишись на BPA и следи за новостями студии инновационных решений

Раз уж заговорили о заводах, давайте чуть подробнее про AI на производстве

Когда речь заходит об ИИ на производстве (особенно про визуальный контроль, инспекцию и контроль брака) — ключевой вопрос обычно не «можно ли внедрить», а какой эффект это даст и как понять, что проект успешен.

На практике почти всегда формируют два блока:

1. ожидаемые эффекты от внедрения;

2. критерии, по которым этот эффект измеряется.

Какие эффекты обычно ожидают от внедрения ИИ?

Первое и самое очевидное — переход от выборочного контроля к фактически 100% проверке изделий на линии. Это резко снижает риск того, что дефект дойдет до клиента, особенно при высокой скорости производства.

Второй эффект — рост стабильности и точности обнаружения брака. В реальных промышленных кейсах достижимы показатели точности на уровне 95–98% и выше по приоритетным дефектам. При этом ИИ находит отклонения раньше и более предсказуемо, чем человек, особенно в условиях усталости, сменности и однотипных операций.

Дальше — снижение уровня брака и переделок. Во многих проектах фиксируется обнаружение дефектов и уменьшение ошибок, связанных с человеческим фактором.

Отдельный блок — скорость и экономика. Визуальная проверка ускоряется в среднем на 50–60%, а часть сотрудников контроля качества можно перераспределить на другие задачи. За счет этого типичный горизонт окупаемости таких решений — 12–24 месяца, а в ряде кейсов он укладывается даже меньше, чем в год. ROI при этом формируется за счет снижения брака, рекламаций и затрат на ручной контроль.

Какие бизнес-критерии важно определить до старта проекта

До внедрения решения предполагается подойти к ответу на несколько вопросов. Например:

― Какая доля продукции сейчас проверяется вручную.
― Какова реальная стоимость одного дефекта.
― Каков текущий уровень брака и доработок.
― С какой скоростью работает линия и сколько времени допустимо тратить на проверку одного изделия.
― Сколько людей занято в контроле качества, какова их стоимость и есть ли дефицит кадров.
― Каковы прямые годовые потери от брака, которые потенциально можно сократить.

Технические критерии качества ИИ-системы

При выборе или оценке решения обычно задают целевые метрики.

Это точность детекции дефектов (как правило, не ниже 95–98% по критичным типам брака), скорость обработки, уровень ложных срабатываний, чтобы система не приводила к росту скрапа или лишним остановкам линии, устойчивость к изменениям условий, интеграция с существующими системами (MES, SCADA, ERP, возможность формировать отчеты и статистику дефектов автоматически).

Для российских производств дополнительно важно учитывать требования по безопасности и регуляторике, особенно если объект относится к критической инфраструктуре. Здесь имеет значение класс критичности ИИ-системы, наличие процессов мониторинга качества, регламентов реагирования на инциденты, а также соответствие действующим стандартам и методикам оценки ИИ-решений.

Как это обычно фиксируют в ТЗ и KPI

На практике критерии часто формулируются достаточно конкретно, например:
— обеспечить не менее 97% точности обнаружения целевых дефектов при скорости линии до N изделий в минуту;
— сократить затраты на ручной контроль качества на 20%, срок окупаемости не более 24 месяцев.

Такая формализация сильно упрощает и пилот, и последующее масштабирование.

🟦 Подпишись на BPA и следи за новостями студии инновационных решений

Как нам живется в кластере?

В кластере мы живем уже больше года. Это было время активной работы, экспериментов, запусков и постоянного движения. Сейчас мы переезжаем в новый офис (все там же, в «Ломоносове»), но уже в больший по площади. Команда выросла, проектов стало больше, и старого пространства нам просто стало не хватать.

Переодически нам прилетают вопросы о том, стоит ли вообще идти в резидентство и присоединяться к Кластеру. Мы бы ответили, что да (конечно, с оговоркой, что попасть сюда не так уж легко. Для этого надо пройти серьезный экспертный отбор и иметь инновационный продукт, с которым вы будете заходить).

За это время резидентство дало нам гораздо больше, чем просто рабочее место. Мы успели поработать и запустить проекты вместе с другими резидентами кластера, познакомились с сильными командами, предпринимателями и экспертами.

Здесь постепенно сформировалось живое профессиональное сообщество, где можно обсудить идеи, задать вопросы, получить поддержку и найти точки роста. Ну, то есть буквально — иногда можно зайти в соседнюю дверь и получить недостающую компетенцию, ресурс или оборудование.

В целом иммено здесь мы системно развиваем R&D, тестируем гипотезы и создаем новые технологические решения. И существующая инфраструктура действительно во многих аспектах сильно ускоряет работу.

Недавно кластер снял про нас видео (про команду, проекты и то, как мы здесь живем и работаем). Делимся роликом в посте ☝️

🟦 Подпишись на BPA и следи за новостями студии инновационных решений