Разработка цифрового сервиса «Пользамер» для оценки проектов социального предпринимательства

Главное о кейсе

«Пользамер» — цифровая платформа комплексной оценки проектов социального предпринимательства. Мы превратили методику из анкет, расчетов и экспертных процедур в единый процесс: диагностика → автоматический расчет → рекомендации → экспертная оценка → консультация.

В основе решения — 5 пользовательских ролей, собственные конструкторы анкеты и расчетной модели, генерация презентаций, аналитика и административная система. После запуска сервис продолжил развиваться: применение ИИ в анализе анкет позволило примерно в 2 раза сократить время работы специалиста, при этом итоговые выводы проверяет эксперт. 94% прошедших консультацию готовы рекомендовать сервис.

Как проект изменил жизнь пользователей

До появления сервиса предпринимателю требовалось самостоятельно разбираться, как описать социальный эффект проекта, какие показатели использовать и как представить результат организациям поддержки, партнерам или инвесторам.

«Пользамер» превратил этот сложный процесс в понятный цифровой маршрут. Предприниматель может пройти диагностику онлайн в удобное время, прервать ее и продолжить позже, получить автоматическую оценку, рекомендации и готовую презентацию, а затем — экспертный разбор и консультацию. Сервис помогает увидеть слабые места проекта, сформулировать социальный эффект, определить измеримые показатели и составить дальнейший план действий. На публичном сайте участники прямо отмечают, что после прохождения диагностики им стало понятнее, на чем сосредоточиться, как измерять прогресс и как объяснять достигаемую пользу проекта. 94% прошедших консультацию довольны результатом и готовы рекомендовать сервис.

Бизнес-задача и ее решение

Фонду по поддержке социальных проектов требовалось масштабировать оценку проектов социального предпринимательства: превратить существующую методику и пилотные наработки в постоянно действующий цифровой сервис, которым одновременно могут пользоваться предприниматели, эксперты и сотрудники Фонда.

Главная сложность заключалась в том, что оценка — это не одна анкета. Процесс включает большой объем исходных данных, взаимосвязанные показатели, расчеты, рекомендации, экспертную проверку, подготовку итоговых материалов и консультационную работу. При этом сама методика должна развиваться без необходимости переписывать систему при каждом изменении вопросов или формул.

Мы построили единую цифровую платформу, которая автоматизирует весь цикл: диагностика проекта → автоматический расчет → рекомендации → презентация результатов → экспертная оценка → консультация → обратная связь и аналитика.

Для сотрудников Фонда создали отдельный административный контур с конструктором анкет, управлением расчетной моделью и переменными, генератором презентаций, CMS, аналитикой, журналом действий и инструментами работы с участниками и экспертами.

Было: методика, анкеты, расчеты и значительный объем ручной экспертной работы существовали как отдельные процессы.

Стало: единая управляемая платформа, где весь путь проекта проходит внутри одного цифрового процесса, а значительная часть изменений методики выполняется через административные инструменты без переработки приложения.

В дальнейшем сервис продолжил развиваться: применение ИИ для предварительного анализа анкет позволило примерно в 2 раза сократить время специалиста на анализ проекта, сохранив финальную проверку результатов человеком.

Крафт (мастерство), реализация, технические детали

Ключевой технический вызов проекта — не разработка большой формы, а превращение изменяемой предметной методики в программную модель.

Мы разделили пользовательский интерфейс и бизнес-логику оценки. Основой системы стало единое пространство переменных, которое связывает все ключевые процессы:

анкета → ответы → переменные → расчетная модель → результаты → рекомендации → визуализация → презентация.

Вопросы анкеты могут зависеть от предыдущих ответов, поэтому для разных проектов формируются разные сценарии прохождения диагностики. Расчеты выполняются уже в процессе заполнения, а полученные показатели используются для промежуточных визуализаций и рекомендаций.

При этом методика не зашита жестко в программный код. Мы разработали собственный конструктор анкет, управляемый модуль расчета оценки, систему внутренних переменных и версионируемый генератор презентаций. Новую версию анкеты, расчета или шаблона результата можно подготовить и проверить отдельно, не нарушая работу опубликованной версии.

После автоматической диагностики тот же проект может перейти на второй уровень — экспертную оценку. Значения эксперта попадают в общую модель данных, после чего система повторно выполняет расчеты и формирует итоговые материалы.

Отдельный интерес представляет развитие сервиса с ИИ. Нейросеть используется там, где машинный анализ дает стабильный результат: для структурирования данных, анализа отдельных смысловых блоков и подготовки предварительной оценки. Финальное решение остается за экспертом — модель помогает специалисту, но не заменяет его. Такой human-in-the-loop подход позволил примерно вдвое сократить время анализа проекта, сохранив контроль качества.

Технически сервис построен как контейнеризированное веб-приложение с PHP + framework, PostgreSQL, Redis, Apache Kafka, ClickHouse, Manticore Search, отдельным сервисом генерации презентаций, Docker, GitLab CI и Ansible.

Для приемки мы формализовали функциональные сценарии для всех ролей системы. ПМИ проекта выросла до 783 страниц и охватила более 60 функциональных направлений — от анкетирования и расчетов до экспертной работы, консультаций, CMS, аналитики и администрирования.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Главный инсайт появился еще на этапе проектирования: цифровизировать нужно не анкету, а саму методику.

Если просто перенести существующие вопросы и формулы в веб-интерфейс, любое изменение методологии снова превращается в задачу для разработчиков. Поэтому мы разложили предметную область на самостоятельные управляемые сущности: анкеты, вопросы, переменные, расчетные модели, рекомендации и шаблоны результатов. Это решение определило архитектуру всего продукта и позволило заказчику развивать значительную часть методики через административный интерфейс.

Второй важный инсайт появился уже при развитии сервиса с ИИ. Первоначальная гипотеза очевидна: если нейросеть способна анализировать тексты и данные проекта, можно ли передать ей значительную часть экспертной оценки?

Эксперименты показали, что ответ зависит от типа задачи. На отдельных смысловых блоках ИИ работает стабильно: структурирует информацию, замечает типовые ошибки и помогает подготовить предварительную оценку. Например, одна из частых проблем социальных проектов — смешение реального социального эффекта с обычными бизнес-показателями.

Но при сложном многокомпонентном анализе проявилось ограничение: одна и та же информация при повторной обработке могла получать отличающиеся оценки. Поэтому мы отказались от сценария «ИИ принимает решение» в пользу human-in-the-loop: модель выполняет предварительный анализ и формирует аргументацию, а эксперт проверяет результат и принимает окончательное решение.

В итоге ограничение технологии превратилось в продуктовый принцип: автоматизировать рутину, но не выводить человека из критической точки принятия решения. Такой подход позволил примерно вдвое сократить время анализа проекта.

Еще один принцип проекта — тестировать не отдельные кнопки и экраны, а законченные пользовательские истории. В «Пользамере» пять ролей и десятки взаимосвязанных состояний: незавершенная анкета, расчет, генерация презентации, ожидание эксперта, экспертная оценка, консультация, обратная связь. Поэтому приемку построили вокруг реальных сценариев с предусловиями, последовательностью действий и ожидаемым результатом.

В результате проект развивался не как «сайт с функционалом», а как самостоятельный цифровой продукт, в котором методика, технологии и реальный пользовательский процесс проектировались одновременно.

Скриншоты