Иван Морщагин

Wendy — Team Risk Intelligence

Большинство командных проблем становятся видимыми слишком поздно — когда конфликт уже произошёл, человек решил уйти или команда перестала нормально работать. При этом следы будущей проблемы часто появляются в ежедневной коммуникации гораздо раньше. Мне стало интересно, можно ли превратить эти слабые сигналы в объяснимую систему раннего предупреждения

Сейчас: Wendy развивается от анализа отдельных датасетов к полноценной Team Risk Intelligence Platform: несколько источников коммуникаций, динамика рисков, объяснение сигналов и инструменты для работы с изменениями внутри команды

Space Tender Radar — увидеть будущую закупку до появления тендера

В сложных B2B-продажах проблема часто не в отсутствии информации. Тендеры опубликованы, заказчики известны, документы доступны, сотрудники выступают на конференциях, компании рассказывают о проектах и технологиях. Проблема в другом: всё это существует отдельными кусками. Менеджер узнаёт о возможности, когда закупка уже опубликована и вместе с ним её увидели конкуренты. После этого начинается срочный поиск контекста: что заказчик покупал раньше, какие проекты развивает, какие технологии ему нужны, кто отвечает за направление и с кем вообще нужно разговаривать. Поэтому первая идея была довольно простой — собрать тендерный радар, который сам находит потенциально интересные закупки и отделяет их от огромного количества информационного шума. Но по мере работы стало понятно: сам тендер — это не начало сделки. Это один из последних публичных сигналов того, что решение уже созрело. Значит, искать нужно не только тендеры. Нужно восстанавливать контекст, из которого будущая закупка появляется.

Сейчас: Space Tender Radar уже вырос далеко за пределы тендерного поиска. Система собирает закупки из разных источников, очищает и дедуплицирует их, оценивает релевантность, показывает HOT / WARM / COLD возможности, тренды и Lost Revenue — ситуации, где потенциальная выручка уже прошла мимо. Но главный фокус сейчас смещён на Organization & Decision Intelligence. Для конкретного заказчика система объединяет закупки и публичный контекст вокруг организации, очищает и связывает данные и сохраняет проверяемые источники. Основной фокус сейчас — Organization & Decision Intelligence: восстановление контекста вокруг заказчика, его проектов, технологий и изменений. Это позволяет искать коммерческие сигналы, которые невозможно увидеть в обычном списке тендеров.

AI Candidate Assessment — как понять, кто действительно умеет работать с AI

AI изменил правила найма быстрее, чем компании успели изменить оценку кандидатов. Сегодня практически любой кандидат может выполнить домашнее задание с помощью ChatGPT, Claude или других инструментов. Запретить AI сложно, а главное — такой запрет создаёт искусственную среду, не похожую на реальную работу. При этом два кандидата могут принести одинаково хороший результат, но за ним могут стоять совершенно разные компетенции. Один разобрался в задаче, правильно использовал AI, проверил ответы, исправил ошибки и способен защитить решение. Другой получил убедительный результат от модели и не способен определить, насколько он вообще правильный. Поэтому мы решили не бороться с использованием AI, а сделать качество работы с ним частью оценки. Нас интересует не количество промптов и не сам факт использования AI. Мы смотрим, как кандидат понимает и декомпозирует задачу, какой контекст передаёт модели, проверяет ли результат, замечает ли ошибки и галлюцинации, способен ли спорить с AI, менять подход и принимать финальное решение самостоятельно. Для HR это возможность увидеть подтверждённые компетенции и риски вместо строчки «уверенный пользователь ChatGPT». Для руководителя — ответ на более практичный вопрос: можно ли этому человеку дать реальную задачу и доверять результату его работы в среде, где AI уже стал обычным инструментом.

Сейчас: Первоначально результатом оценки был структурированный отчёт. Но довольно быстро стало понятно, что ещё один итоговый score мало что даёт, если невозможно восстановить, почему система пришла к конкретному выводу. Поэтому продукт развивается в сторону Talent Profile — живого профиля специалиста, где соединяются профессиональные компетенции, навыки работы с AI, evidence из процесса выполнения задания, выявленные риски, история оценки, итоговое заключение и потенциал развития. Каждый существенный вывод должен быть объясним. Если система считает, что кандидат умеет проверять результаты AI, должно быть видно, на каком эпизоде работы основана эта оценка. Если обнаружено слепое доверие модели — можно увидеть, где именно оно проявилось. В результате мы оцениваем уже не просто «что кандидат сделал», а как он пришёл к результату, какую роль отдал AI и где сохранил собственное профессиональное суждение.