QAITU · карта ответственности

ИИ-агент для анализа организационной структуры и функций
HackAlem AI · спецтрек Казахтелеком · ветка mvp-nurtas

Возможности · Быстрый запуск · Демонстрация · Архитектура · Проверки

При реорганизации важно сохранить обязанности, разделить ответственность и не пропустить пересечения. QAITU сравнивает комплекты документов «до» и «после», показывает изменения в матрице функций и собирает заключение с цитатами, которые можно проверить.

Дополнительный модуль сопоставляет изменения структуры с показателями из периодических отчётов: как изменились сроки, объём проверок, нагрузка и качество.

Рабочий прототип. Выводы показывают возможные риски и требуют проверки сотрудником. Демо, реальные документы и наблюдаемые эффекты явно разделены.

Что умеет QAITU

Форматы: DOCX · PDF с текстовым слоем · XLSX · XLSM. Можно загрузить несколько файлов в каждый комплект: положения, должностные инструкции, приказы и приложения.

Матрица «функция × подразделение»

Строка объединяет сопоставленные назначения одной функции. Колонки показывают подразделения до и после изменений. При выборе строки открываются обе редакции цитат и контекст, по которому определён ответственный.

Матрица показывает по 10 строк на странице. Кнопка «Развернуть» открывает большое окно с теми же фильтрами и отдельными страницами по 10 строк. Масштаб таблицы автоматически подстраивается под ширину и высоту окна, включая изменение его размера, чтобы текущая страница помещалась без прокрутки. После закрытия можно продолжить работу с отчётом.

Точка в ячейке отражает отсутствие найденного закрепления в загруженных документах. Повтор одной обязанности в положении и должностной инструкции сохраняет оба источника, но не создаёт второго исполнителя. Права, обязанности и запреты анализируются раздельно.

Почему такая оценка

У кандидатов на риск показаны балл, уровень уверенности и причины: сходство формулировок, действий и объектов, известность владельца, ограничения извлечения и полнота комплекта. В строках матрицы можно раскрыть оценку сопоставления обеих редакций.

Это эвристические оценки, а не вероятность нарушения или тяжесть последствий. Оценка помогает выбрать порядок экспертной проверки; 100% и автоматического подтверждения нарушения нет. Слабые сигналы можно показать отдельным фильтром; полный экспорт их сохраняет.

Отметка Все необходимые документы «после» загружены — заявление пользователя, учитываемое при следующем анализе. Успешное чтение файлов само по себе не доказывает полноту комплекта. Эти оценки основного сравнения отличаются от уровней уверенности в связях с метриками.

Быстрый запуск

Понадобятся Python 3.10+, Git и доступ к репозиторию. Для локального демо ключ OpenAI не нужен. После обновления существующей установки повторите python -m pip install -r requirements.txt: PDF-экспорт использует добавленный ReportLab и включённые в проект кириллические шрифты.

git clone --branch mvp-nurtas https://github.com/BAITC-Hacks/hack-0dd0a2e7-ai-qaitu.git
cd hack-0dd0a2e7-ai-qaitu

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python -m streamlit run app.py

Откройте localhost:8501 или адрес, который выведет Streamlit. Нажмите «Запустить контрольный пример» в центре стартового экрана — этот пример всегда выполняется локально.

py -3 -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
.\.venv\Scripts\python.exe -m streamlit run app.py

docker build -t qaitu .
docker run --rm -p 8501:8501 \
  -v qaitu-data:/app/data \
  -v qaitu-runs:/app/runs \
  qaitu

От документов к заключению

1. В разделе «Структура и функции» загрузите комплекты «До изменений» и «После изменений». Порядок редакций задаёте вы.
2. Выберите «Локальное сравнение» или «ИИ + локальное сравнение» и нажмите «Сравнить документы».
3. Начните с результата сравнения и вопросов для проверки. Перейдите к структуре, матрице или ИИ-сравнению через навигацию над результатами; раскройте причины оценки выбранного кандидата.
4. Откройте интересующий вывод и проверьте цитаты. Фильтры и страницы матрицы не сокращают полный экспорт.
5. В разделе «Экспорт отчёта» выберите краткий или полный PDF, Excel либо JSON. Markdown доступен в блоке «Дополнительно · технический формат».

Для Word источник указывает абзац или строку таблицы, для PDF — физическую страницу, для Excel — лист и строку. Номер пункта сохраняется в тексте, если присутствует в извлечённом фрагменте.

Отчёт для чтения и анализа

PDF и Excel формируются локально по нажатию кнопки, без нового обращения к API. Экранные фильтры не меняют состав экспорта; краткий PDF имеет собственную явно обозначенную выборку. Полный PDF может быть большим: он предназначен для подробной сверки. Кириллические шрифты DejaVu включены в проект с лицензией.

В Excel одна строка матрицы — назначение одному владельцу в одной редакции; общий ID связывает обе стороны. Уверенность записана числом с процентным форматом, пустая оценка означает отсутствие расчёта. Длинные записи разбиваются на части с сохранением текста; содержимое документов не превращается в формулы.

ИИ-раздел экспорта сохраняет статус, охват, результат смысловой перепроверки и доступные сведения о токенах. Неполные данные о расходе помечаются отдельно. Принятые сопоставления сопровождаются цитатами и адресами источников; краткий PDF показывает до двух цитат на вывод, полный PDF и Excel — все принятые цитаты. Если ИИ не запускался, это указано явно. Самооценка модели ограничена 89% и не становится объективной вероятностью после перепроверки.

ИИ, которому можно задать вопрос «откуда это?»

ИИ-проверка дополняет локальное сопоставление. Каждый публикуемый ИИ-вывод проходит два этапа:

1. Проверка источников: идентификатор существует, цитата буквально присутствует в документе, стороны «до» и «после» указаны корректно.
2. Независимая смысловая проверка: второй запрос оценивает, подтверждают ли источники предложенное утверждение с учётом контекста и ограничений.

Если проверка не завершилась, непроверенные ИИ-выводы исключаются. Локальный результат остаётся доступным. Интерфейс показывает статус, охват источников и доступные сведения о расходе токенов.

Подключить OpenAI

Создайте в корне проекта файл .streamlit/secrets.toml:

OPENAI_API_KEY = "<ваш API-ключ>"
OPENAI_MODEL = "gpt-5.4-mini"

Файл исключён из Git и Docker-контекста. Вместо него можно задать переменные окружения с теми же именами — они имеют приоритет. OPENAI_MODEL необязателен, .env автоматически не читается.

При наличии серверного ключа основной интерфейс выбирает ИИ-режим по умолчанию, но запрос начинается только по кнопке запуска. Центральная кнопка «Запустить контрольный пример» всегда запускает локальное демо; кнопка «Запустить контрольный пример» в боковой панели следует выбранному режиму. У модуля метрик свои отдельные действия ИИ.

ИИ-режим передаёт в OpenAI текстовые фрагменты и их контекст и расходует API-бюджет. Модельная перепроверка помогает отсеивать ошибки, но не гарантирует правильность всех трактовок.

Настройки, CLI, ограничения пакетов и значения статусов →

Эффективность и оптимизация

Второй рабочий раздел отвечает на следующий вопрос: что наблюдается в показателях после изменения структуры? Он запускается отдельно от сравнения положений.

Модуль выбирает простое сравнение, поправку на тренд или разность разностей при подходящей контрольной группе. Объёмные показатели дополнительно нормализуются на FTE, если есть соответствующие данные. Периоды, пересекающие дату изменения, исключаются; проценты не суммируются, разные валюты не сравниваются без приведения.

Каждое число сохраняет источник. Связь функции с метрикой и выбор контрольной группы подтверждает человек. Уверенность рассчитывается правилами, а повторная загрузка одного случая не увеличивает число независимых наблюдений.

Отчёты можно загрузить через интерфейс или разместить в data/reports/. Неизвестные показатели поступают на подтверждение как custom_*. Для извлечения из свободного текста PDF/Word доступен отдельный ИИ-режим.

# Сгенерировать тестовые отчёты отдельно от интерфейса
python scripts/gen_synthetic_reports.py --output data/synthetic_reports

# Запустить только основное сравнение документов
METRICS_MODULE=off python -m streamlit run app.py

Наблюдаемое изменение показателя не устанавливает причину. Статистическая значимость не рассчитывается. Реальные и синтетические данные обрабатываются раздельно.

Этапы M1–M9, правила уверенности и ограничения модуля →

Демонстрация для жюри

Оба встроенных сценария доступны без собственных файлов и оплачиваемых запросов.

Синтетика метрик содержит 9 Excel-файлов, 19 показателей и 2 052 значения за 2021–2023 годы. Эффекты заданы в генераторе. Экраны, графики и выгрузки имеют метку «ТЕСТОВЫЕ ДАННЫЕ»; они не описывают фактические результаты компании.

Для предоставленной организатором пары порядок иной: редакция 8, протокол №13, 2021 год → редакция 9, протокол №7, 2022 год. Эти документы загружаются отдельно. На показе удобно начать с двух новых департаментов, затем открыть перенос функции и источники обеих редакций.

Как устроено решение

flowchart TB
    D["Документы до и после"] --> X["Текст и адресуемые источники"]
    X --> L["Локальное сопоставление структуры и функций"]
    X -. "Опциональный ИИ-режим" .-> A["OpenAI: смысловое сравнение"]
    A --> V["Проверка цитат + независимый смысловой оппонент"]
    L --> R["Матрица, заключение, PDF / Excel / Markdown / JSON"]
    V --> R
    L --> E["События с подтверждённой датой и механизмом"]
    P["Периодические отчёты"] --> M["Извлечение чисел и сравнение периодов"]
    E --> M
    M --> K["Атрибуции, проверка гипотез, база знаний"]
    K --> U["Дашборд и рекомендации для решения человеком"]

Проверки и воспроизводимость

Проверка объединённой версии с main (98201bd) — 23 сентября 2026 года. Внешние ИИ-вызовы в автоматических тестах заменены тестовыми ответами:

Запустить автоматические тесты из корня проекта:

python -m unittest discover -s tests -v

Тесты API используют подменённые ответы и не выполняют оплачиваемые вызовы. Успешные проверки не являются оценкой полной точности на произвольном корпусе документов.

python scripts/check_real_documents.py \
  --before "/path/to/edition-8.docx" \
  --after "/path/to/edition-9.docx"

Границы прототипа

• Сложные исходники. Для PDF-сканов и графических оргсхем нужен предварительный OCR. Нетипичные таблицы, сокращения и сильные перефразировки могут требовать ручной сверки.
• Охват выводов. Агент анализирует предоставленные материалы. Непереданная инструкция или приложение могут изменить результат; совпадение цитаты само по себе не доказывает правильность трактовки.
• Метрики. Реальные периодические отчёты пока не предоставлены. Полный демонстрационный цикл проверен на явно обозначенной синтетике.
• Прогнозы. Сейчас доступны ручные и демонстрационные гипотезы. Автоматического таймлайна, симулятора и редактора правок в ядре нет. Ручные прогнозы исключаются из показателя точности агента.
• Внешняя оценка. Проверка законодательства и сравнение с другими операторами не реализованы; в исходном ТЗ это опциональные возможности.

Где находятся данные

Основное сравнение обрабатывает загруженные файлы в памяти сервера. Модуль метрик сохраняет извлечённые значения, цитаты и результаты, чтобы решения можно было проверить позже.

Эти пути исключены из Git и Docker-контекста. Частный документ, помещённый в произвольную другую папку, автоматически от Git не защищён. При удалённом запуске данные обрабатываются и сохраняются на соответствующем сервере; в ИИ-режиме выбранные фрагменты также передаются в OpenAI. Ключи не включаются в отчёты.

Документация ветки

• Текущий прогресс и сохранённые рабочие материалы
• Настройка ИИ-сравнения, CLI и статусы обработки
• Модуль эффективности: этапы, расчёты и ограничения
• Повторный аудит метрик и план системы оценки распоряжения
• Исходная спецификация оформления

QAITU · от изменения в документе к проверяемому выводу