TeamLead AI & AI Engineer

Ярослав
Лысов.

Создаю AI-системы, которые работают в бизнесе.

Руковожу командой, проектирую backend и довожу AI-продукты от прототипа до production.

Написать в Telegram Посмотреть опыт
г. Иркутск, Россия GitHub ↗Habr Career ↗
yarolys / profile
Фото: Лысов Ярослав
Сейчас в CamirixОт архитектуры
до работающего продукта.
Backend. AI. Люди.

AI-инфраструктура
в Camirix

5разработчиков в команде
10стадий лидогенерации
7источников данных

01 / Знакомство

Обо мне

Руководитель отдела AI-инфраструктуры в Camirix. Вместе с командой из пяти разработчиков создаю AI-микросервис автономных продаж: от поиска компаний и квалификации до подготовки переписки с лидом.

Разрабатываю backend на Python и TypeScript, AI-агентов и внутренние инструменты для операционных команд. Автоматизирую поддержку, продажи и коммуникации: от Telegram-интеграций до CRM и RAG по регламентам компании.

Отвечаю за полный цикл разработки: архитектуру, реализацию, вывод в production и поддержку. Разделяю решения LLM и выполнение действий в коде; выстраиваю тестирование, мониторинг и разбор инцидентов.

Backend

PythonTypeScriptFastAPINestJSSQLAlchemy 2.0AlembicPydanticAIOHTTP

AI & агенты

OpenAI APIClaude AILangChainLangGraphLangfuseQdrant / RAGsmolagentsfaster-whisper

Данные & очереди

PostgreSQLRedisCeleryCelery BeatAPSchedulerApache KafkaRabbitMQ

Интерфейсы & интеграции

ReactViteTailwind CSSAiogramTelethon / MTProtoWebSocketsBitrix24 RESTAirtable

Production

DockerDocker ComposeNginxGitHub ActionsPytestPrometheusGrafanaMetabaseSentryLoguru

02 / Практика

Опыт работы

01

Camirix

Июнь 2026 — настоящее время

Сейчас здесь

Руководитель отдела AI-инфраструктуры / TeamLead AI & AI Engineer

Руковожу разработкой AI-микросервиса автономных продаж в составе CRM-платформы Camirix. Система ищет компании, квалифицирует их, находит контакты и ведёт переписку с лидом. В команде — 5 разработчиков.

Ключевые результаты
  • Довёл движок лидогенерации от прототипа с заглушками до рабочего продукта: сквозной конвейер из 10 стадий — от поиска компании до отправленного письма.
  • Подключил 7 источников данных: реестр ФНС, тендеры ЕИС, DaData, ГИР БО, Brave, Яндекс и TGStat. Снял зависимость от единственного платного поисковика и добавил поиск по формальным признакам компаний.
  • Сократил расходы на поиск: внедрил кэширующий шлюз с выбором поставщика по цене запроса. Повторные формулировки и перезапуски прогонов перестали оплачиваться заново.
  • Разделил ответственность LLM и кода: модель выбирает инструмент, код выполняет действие после валидации, внешняя отправка требует подтверждения оператора. Убрал класс ошибок, где модель влияла на деньги и статусы сделок.
  • Выстроил инженерный процесс: 5000+ автотестов, три обязательных гейта в CI, атомарные миграции и автоматический деплой из main.
  • Ввёл разбор production-инцидентов с фиксацией причин в репозитории. Сократил время диагностики «тихих» отказов с дней до часов и снизил повторяемость ошибок.
  • Участвую в выработке продуктовой стратегии AI-направления совместно с бизнесом.
TypeScriptNestJSPythonLangChainLangGraphPostgreSQLRedisDockerLangfuse
02

СП Солюшен

Январь 2026 — июль 2026

Backend Python Developer

Разрабатывал и развивал внутреннюю многомодульную платформу для автоматизации операционной деятельности: обработка обращений, коммуникация с внешними партнёрами через Telegram, AI-assisted workflow, мониторинг Telegram-источников и управление внутренними процессами. Создавал сервисы обработки тикетов, userbot- и bot-интеграции, инструменты массовой коммуникации, AI-классификации и административные модули. Фокус — сокращение ручных операций, ускорение обработки кейсов и прозрачность процессов.

Ключевые результаты
  • Автоматизировал сквозной pipeline обработки операционных тикетов: от получения обращения, определения контрагента и отправки запроса до интерпретации ответа, фиксации результата и закрытия кейса. 70% кейсов закрывались без оператора; среднее время обработки сократилось с 2 часов до 15 минут.
  • Снизил нагрузку на ручную поддержку на 60% за счёт Telegram userbot-интеграций, автоматизации коммуникации с внешними сторонами, AI-интерпретации ответов, SLA и механизмов эскалации.
  • Разработал систему массовой коммуникации: multi-account архитектура с 300 Telegram-аккаунтами в пуле и до 10 000 сообщений в сутки, автоматическая ротация аккаунтов, FSM-сценарии диалогов, rate limiting и цепочки follow-up сообщений.
  • Участвовал в создании real-time сервиса мониторинга Telegram-источников: AI-классификация контента, аналитика каналов и веб-интерфейс командной работы. Под мониторингом — более 5000 каналов и 50 000 сообщений в сутки.
  • Реализовал административные панели с ролевой моделью доступа: управление сотрудниками, аккаунтами и конфигурацией интеграций, отчётность по статусам, качеству обработки и системным событиям. Ежедневно ими пользуются 40 сотрудников операционных команд.
  • Повысил наблюдаемость и устойчивость сервисов: очереди задач, планировщики, централизованное логирование, метрики, дашборды и контейнеризированный деплой. Время локализации инцидента сократилось с часов до 10–15 минут.
Подробнее о работе
Зона ответственности
  • Backend-сервисы на Python/FastAPI и внутренние интерфейсы на React/TypeScript.
  • Telegram-интеграции: Bot API, MTProto и userbot-сценарии на Telethon; автоматизация коммуникаций и обработки входящих и исходящих сообщений.
  • Асинхронная обработка: фоновые воркеры, очереди, планировщики и бизнес-процессы с несколькими сценариями обработки.
  • Базы данных: проектирование структуры, миграции, оптимизация SQL-запросов; PostgreSQL, Redis и конфигурация сервисов.
  • AI в прикладных процессах: интерпретация ответов, классификация сообщений, автоматизация принятия решений, генерация текстов и fallback-сценарии.
  • Административные модули: роли доступа, управление пользователями, отчётность, конфигурация провайдеров и внутренних сущностей.
  • Production: поддержка окружения, мониторинг, метрики и observability-стек; участие в развитии архитектуры внутренних сервисов как fullstack-разработчик.
PythonFastAPISQLAlchemy 2.0AlembicAiogramTelethonPostgreSQLRedisCeleryAPSchedulerOpenAI APIClaude AIReactTypeScriptViteTailwind CSSDockerPrometheusGrafanaMetabaseAirtableNginx
03

ЗонируемРФ

Январь 2024 — октябрь 2025

Python Backend Developer & AI Engineer

Спроектировал и внедрил в production AI-модуль обработки входящих обращений из WhatsApp, Avito, чата сайта, Telegram и VK через агрегатор. Система самостоятельно ведёт переписку с клиентом, формирует предварительный расчёт стоимости и автоматически продвигает сделку по этапам воронки Bitrix24.

Ключевые результаты
  • Сократил штат менеджеров с 20 до 5 человек (−75%), снизив расходы на фонд оплаты труда до 5 млн ₽ в год. Система ведёт переписку самостоятельно, менеджер проверяет диалог и принимает оплату.
  • Стабилизировал время первого ответа до 2 минут независимо от времени суток, включая ночное время и выходные. Ранее обращения вне рабочего времени ожидали ответа до утра.
  • Полностью автоматизировал первичную коммуникацию: ответы клиенту, уточнение параметров заказа, предварительный расчёт стоимости, сохранение габаритов и конфигурации в карточку CRM, перевод сделки между этапами. Менеджер подключается на этапе оплаты.
  • Исключил ошибки при расчёте стоимости: итоговую цену рассчитывает отдельный детерминированный модуль по прайс-листу компании; нейросеть только извлекает параметры из переписки.
  • Предотвратил ошибочные действия в CRM: система не может откатить сделку на предыдущую стадию или изменить статус завершённой сделки. Ограничения реализованы в коде.
  • Устранил потерю и дублирование сообщений при высокой нагрузке: каждое обращение гарантированно обрабатывается только один раз независимо от количества одновременно поступающих сообщений.
  • Обеспечил прозрачность работы AI: для каждого диалога видны принятое решение, использованный контекст и выполненное действие в CRM. Спорные случаи можно разбирать без разработчика.
  • Автоматизировал HR-направление: система проводит первичные собеседования кандидатов на позицию менеджера по чек-листу и передаёт руководителю только успешно прошедших отбор.
Подробнее о работе
Архитектурные решения
  • LLM не взаимодействует с клиентом напрямую. Модель возвращает строгий JSON-контракт {reply, action}; action — одна из заранее описанных команд: смена стадии сделки, запуск расчёта, постановка задачи менеджеру, планирование повторного контакта, отправка фотографий или отключение автоответов. Действия выполняет детерминированный код после валидации.
  • Три специализированных AI-агента: основной агент продаж, агент первого контакта и агент HR-подбора. Промпты хранятся в базе данных и редактируются без релиза.
  • Детерминированная маршрутизация между агентами по текущей стадии сделки, без использования LLM в роли роутера.
  • RAG на Qdrant по внутренним регламентам и шаблонам ответов с использованием MMR вместо классического semantic search.
Зона ответственности
  • Полный цикл разработки AI-модуля: проектирование архитектуры, выбор технических решений, вывод в production и дальнейшая поддержка.
  • Эксплуатация production-системы: стабильная работа под нагрузкой, защита от сбоев внешних сервисов и разбор инцидентов.
  • Перевод бизнес-правил в программную логику: совместно с отделом продаж формализовал регламенты общения, сценарии воронки и правила переходов между этапами сделки.
  • Интеграции: Bitrix24 (CRM / Tasks / OpenLines), агрегатор мессенджеров ChatApp, телефония и сервисы распознавания голосовых сообщений.
Python 3.12FastAPISQLAlchemy 2.0AlembicPydanticPostgreSQLRedisQdrantCeleryCelery BeatWebSocketsOpenAI APILangChainsmolagentsfaster-whisperDockerDocker ComposeGrafanaPrometheusLoguruBitrix24 RESTRabbitMQNginxCI/CD
04

SystemCraftAI

Август 2020 — сентябрь 2022

Python Backend Developer

Разрабатывал платформу автоматизации клиентской поддержки на базе Telegram-ботов: приём обращений, классификация, автоответы через LLM и эскалация на живого оператора.

Ключевые результаты
  • Автоматизировал около 65% первичных обращений: типовые вопросы закрывались без оператора, на живую линию доходили только нестандартные случаи.
  • Сократил время первого ответа с 15 минут до 3–5 секунд, включая ночь и выходные.
  • Вывел систему на 40 000 сообщений в сутки при пиках до 50 RPS без роста времени ответа: вынес обработку в очереди и обеспечил горизонтальное масштабирование воркеров.
  • Снизил стоимость обращений к LLM на 30%: кэширование ответов по типовым интентам и предварительная фильтрация до вызова модели.
  • Настроил CI/CD и мониторинг с нуля: GitHub Actions (тесты, линт, сборка, деплой) и Sentry. Релизы перестали быть ручной процедурой, ошибки в production обнаруживались до жалоб пользователей.
Подробнее о работе
Архитектурные решения
  • Синхронный ответ пользователю, асинхронная тяжёлая работа: бот мгновенно подтверждает приём сообщения, классификация и генерация ответа уходят в Celery. Задержки внешнего LLM API не блокируют входящий поток.
  • Деградация вместо отказа: при недоступности LLM-провайдера или превышении таймаута обращение маршрутизируется на оператора по правилам и не теряется.
  • Идемпотентная обработка апдейтов: дедупликация по update_id в Redis. Повторные доставки Telegram не приводят к дублям ответов.
Зона ответственности
  • Полный цикл разработки сервисов — от проектирования до вывода в production и поддержки.
  • Развитие микросервисной архитектуры: выделение сервисов из монолита и проектирование межсервисного взаимодействия.
  • Code review и релизный процесс в команде из трёх backend-разработчиков.
  • Интеграции: Telegram Bot API / MTProto, OpenAI API и внутренние сервисы компании.

Команда: 3 backend-разработчика, frontend-разработчик, DevOps, QA и product manager.

PythonAiogramTelethonAIOHTTPPytestPostgreSQLRedisCeleryApache KafkaDockerGitHub ActionsSentryOpenAI APIFastAPI

03 / Обучение

Образование

ИрГУПС

2025 — 2027

Магистратура

Институт информационных технологий и моделирования

Продолжение обучения в магистратуре по направлению информационных технологий.

ИрГУПС

2021 — 2025

Бакалавр

Институт информационных технологий и моделирования

Изучение алгоритмов, структур данных, баз данных, сетевых технологий. Практический опыт разработки веб-приложений.

04 / Вне работы

Хобби

Программирование

Pet-проекты, open source, изучение новых языков и фреймворков

Спорт

Тренажёрный зал, рукопашный бой

Туризм

Походы, кемпинг, активный отдых на природе

Путешествия

Люблю исследовать новые места, природу и культуры