Создание дашборда по описанию задачи
«Покажи экономию на торгах по месяцам и способам закупки»
Платформа собирает дашборд закупок с суммой контрактов, экономией, динамикой по месяцам и распределением по способам закупки.
Быстрая аналитика на естественном языке: от данных компании до готового дашборда за часы
Данные не покидают контур компании
доступ к источникам данных
Новый дашборд за часы, а не недели
на один кастомный дашборд при готовых данных
Свои дашборды без очереди в разработку
финансы, продажи, персонал, закупки, производство и другие
Показатели считаются одинаково в дашбордах и в чате
расчета показателей на основе базы знаний
Аналитик подключает источники данных с правами только на чтение. Платформа считывает их структуру и помогает собрать базу знаний: описания данных, бизнес-термины, метрики и правила расчета. Эксперт согласует метрики и правила. При изменениях их можно обновить в базе знаний.
Аналитик описывает дашборд на естественном языке: показатели, разрезы и фильтры. Система предлагает структуру, формирует запросы и проверяет их по базе знаний. Аналитик проверяет логику и публикует дашборд. В результате получается полноценная визуальная аналитика, которую можно проверить, изменить, опубликовать и использовать повторно.
Руководитель открывает дашборд на портале и видит только доступные ему данные. Он меняет фильтры, выгружает и детализирует показатели, задает вопросы AI-ассистенту в чате.
Как аналитик настраивает данные и базу знаний, собирает дашборд по описанию задачи и как руководитель работает с готовой аналитикой.
Запросить демо«Покажи экономию на торгах по месяцам и способам закупки»
Платформа собирает дашборд закупок с суммой контрактов, экономией, динамикой по месяцам и распределением по способам закупки.
«Сколько выручки приносит 1 ₽ маркетинга?»
В дашборде «Продажи 360» данные из трех систем сведены в одном запросе: план выполнен на 100,1 %, на 1 ₽ маркетинга приходится 15,6 ₽ выручки.
«Покажи выручку по регионам за период»
Без базы знаний модель не знает, что возвраты и отмены не входят в выручку, и завышает ее на 48%. С базой знаний показатель считается одинаково во всех дашбордах и в чате.
«Покажи воронку найма по этапам и причины отказов»
Разработчик один раз создает виджет-воронку, а аналитики используют его в своих дашбордах без программирования.
«Какая общая сумма контрактов за период?»
Руководитель задает вопрос словами и получает ответ по той же базе знаний, поэтому цифры в чате совпадают с дашбордом.
Вопросы руководителей разных направлений
Каждое подразделение получает свои дашборды, а метрики остаются едиными для всей компании.
| AI-помощник в BI-платформе | Чат-агент поверх данных | AIDA Gen BI | |
|---|---|---|---|
| Подключение источников и настройка модели данных в одной платформе | |||
| Сохранение дашбордов с версиями и правами доступа | |||
| Проверка и редактирование SQL-запросов | |||
| Работа с несколькими источниками в одном запросе | |||
| Развертывание в контуре заказчика и подключение локальной LLM |
есть, частично или не во всех продуктах, как правило, нет. Обзор 18 продуктов по публичным материалам вендоров, июль 2026.
Платформа ставится в Docker на сервер заказчика и работает в закрытом контуре без интернета.
Подходит любая модель с OpenAI-совместимым API: локальная на GPU заказчика, приватное облако или GigaChat и YandexGPT.
В модель передаются описание задачи и метаданные, а не строки данных. Исключение составляет помощник кастомного виджета: ему доступны 3 строки примера, поэтому для ПДн и КИИ рекомендуется локальная модель.
Дашборд публикуется после проверки аналитиком, кастомный виджет после проверки администратором ИБ. Код виджета исполняется изолированно.
LLM работает на GPU-серверах заказчика
Плюсы
Ограничения
Когда выбирать: строгие требования ИБ, ПДн и КИИ, большой поток запросов
Выделенный контур в облаке
Плюсы
Ограничения
Когда выбирать: быстрый старт без закупки оборудования, умеренные требования ИБ
Публичные LLM по API: GigaChat, YandexGPT
Плюсы
Ограничения
Когда выбирать: пилот и демо на данных без требований конфиденциальности
В любом варианте в модель передаются метаданные и текст задачи, строки данных остаются в источнике. Исключение составляет помощник кастомного виджета.
Запросы выполняются в read-only транзакциях: модифицирующие операции отклоняются. Система запрещает опасные функции и минимизирует нагрузку на источник данных.
Движок передает интерпретированный запрос агента в целевые СУБД с учетом их синтаксиса. Агент может оперировать только запросом, итоговые данные в контекст не попадают.
Сформированный виджет не получает доступ к источнику данных и не публикуется до проверки ИБ. Код выполняется в изолированном контексте без доступа к внешней сети и управлению источником данных: виджет принимает только результат запроса.
Роли адаптируются под индивидуальный запрос. Стандартная модель включает роли просмотра артефактов, аналитики данных, управления системой и проверки безопасности.
Интеграция с Keycloak, SMTP‑рассылка и автоматическая блокировка попыток подбора пароля.
Записываются действия пользователей и агентов, изменения настроек и результаты проверок. Журнал доступен для чтения и выгрузки.
Российский разработчик программных платформ для искусственного интеллекта, машинного обучения и высокопроизводительных вычислений в инфраструктуре заказчика.
экспертов в команде
реализованных проектов
партнеров
поддержка 365 дней в году, реакция на критичный инцидент за 10 минут
Команда AIDA TECH разворачивает платформу, вместе с вашими экспертами наполняет базу знаний, собирает пилотные дашборды, обучает аналитиков и сопровождает эксплуатацию.
Источники, пилотные дашборды, требования ИБ, вариант размещения LLM
РезультатВыбраны пилотный сценарий и вариант размещения LLM
Поставка в Docker в контуре заказчика, подключение локальной или внешней LLM
РезультатПлатформа работает в контуре заказчика
Учетные записи только на чтение, роли, администратор ИБ
РезультатИсточники подключены, роли назначены
ИИ готовит черновик описаний и связей, эксперты фиксируют метрики и правила
РезультатМетрики и правила согласованы с экспертами
Первые дашборды, проверка SQL, обучение аналитиков
РезультатПервые дашборды приняты бизнесом
Публикация на портале, тиражирование шаблонов и виджетов
РезультатПользователи работают с дашбордами
Самой платформе GPU не нужны: она работает на обычном Linux-сервере с Docker. Видеокарты понадобятся только в одном случае, если вы решите развернуть языковую модель у себя в контуре. Если модель работает в облаке, никакого специального оборудования не требуется.
Нет, строки данных в модель не передаются. Модель получает только то, что нужно для построения аналитики: названия таблиц и колонок, описания и правила из базы знаний и текст задачи. Единственное исключение: помощник кастомного виджета видит 3 первые строки данных плитки, чтобы правильно нарисовать визуализацию. Поэтому для персональных данных и объектов КИИ мы рекомендуем локальную модель, тогда за периметр не уходит ничего.
Ничего страшного: опубликованные дашборды продолжат работать. Модель участвует только тогда, когда аналитик создает или правит аналитику. Открытие дашборда, фильтры, выгрузка и печать работают без обращения к ней.
Да. Платформа поставляется в Docker-образах, все шрифты и библиотеки уже внутри поставки, ничего не подгружается из интернета. Для запуска нужны Linux-сервер с Docker и PostgreSQL для хранения объектов платформы.
Платформа подключается к PostgreSQL, Greenplum, ClickHouse, MySQL, MS SQL Server и Trino, а также к файлам CSV и Parquet. По запросу заказчика можно подключить и другие источники. Данные можно объединять из нескольких систем в одном запросе, без отдельного хранилища: например, продажи из PostgreSQL, веб-аналитику из ClickHouse и план из CSV.
Мы исходим из того, что результат генерации всегда проверяет человек. Ничего не публикуется автоматически: перед публикацией аналитик видит план дашборда, каждый SQL-запрос и готовые плитки и может их поправить. Точность расчетов зависит от базы знаний, поэтому определения показателей и правила расчета согласуются с вашими экспертами на старте.
Платформа работает с источниками только на чтение: при каждом открытии дашборда выполняются SELECT-запросы. Для тяжелых витрин включаются кэш результатов и предагрегаты, а для крупных сценариев можно подключить кластер Trino, чтобы нагрузка не ложилась на рабочие системы.
Сейчас доступ управляется ролями и политиками самой платформы: наблюдатель, аналитик, администратор и администратор ИБ. В ближайших релизах запланированы единый вход через Keycloak по протоколу OIDC, правила доступа к строкам и объектам (RLS и OLS) и двухфакторная аутентификация.
Запуск занимает от 3–4 месяцев. За это время мы проводим обследование, разворачиваем платформу в вашем контуре, подключаем источники и настраиваем роли, вместе с экспертами наполняем базу знаний, запускаем пилот на реальных задачах и переводим платформу в эксплуатацию.
Платформа для создания, управления и промышленной эксплуатации корпоративных ИИ-агентов.
ПодробнееКорпоративная среда прикладных ИИ-сервисов и API.
ПодробнееПлатформа для разработки, обучения, развертывания и сопровождения ML-моделей.
ПодробнееВместе выберем пилотный сценарий и критерии успеха, покажем платформу на демо-стенде и оценим сроки запуска в вашем контуре.