Food Production Orchestrator

Edalle.tech

2026

Система на основе AI для управления производства готовой еды. Агентная истема для обработки неструктурированных данных и решения производственных задач.

Head of Product design, Senior UX/UI designer

роль

Аудитория

Менеджеры по работе с клиентами, Технологи, Управляющие менеджеры

Продуктовая рамка

Мультиагентная система управления производством, которая автономно выполняет задачи и помогает пользователям получать данные на естественном языке.

Поскольку система обучается на неструктурированной информации, часть данных может требовать проверки менеджером. Поэтому интерфейс объединяет две парадигмы: свободное взаимодействие с AI-ассистентом и контролируемый процесс, в котором пользователь наблюдает за работой агентов и подтверждает критически важные данные.


5+

кейсов реализовано

−25%

время рещения инцидентов

Импакт

Операционный

Система принимает заявки в свободной форме (текст, фотографии, голосовые сообщения) и извлекает необходимые данные, преобразуя их в структурированный производственный план. Это сокращает ручную обработку и снижает нагрузку на менеджеров.

Продуктовый

Продукт стал единым интеллектуальным слоем между пользователем и производственными системами. Через диалоговый интерфейс сотрудники получают актуальные данные, запускают процессы и контролируют выполнение задач.

Процессный

Паттерны контроля и подтверждения позволяют безопасно использовать автономных агентов в реальных процессах. Пользователь видит ход выполнения, проверяет спорные данные и подключается только там, где требуется решение человека.

Ключевые кейсы

Прием заявок

Ключевая UX задача:
Спроектировать баланс между автономностью AI и контролем человека. Система должна самостоятельно обрабатывать любого типа заявки, объяснять свои действия и привлекать менеджера только тогда, когда данные неоднозначны или решение может повлиять на производственный план.

Исследование:

Я изучила процесс обработки заявок, роли пользователей и основные источники ошибок. Выяснила, какие задачи можно передать агенту, а где неоднозначные данные требуют участия менеджера.

Поиск решения:

Спроектировала два связанных сценария: автономную обработку типовых заявок и проверку исключений. Агент извлекает данные из текста, фотографий и голосовых сообщений, формирует план и показывает пользователю спорные поля, причины ошибок и уровень уверенности.

Тестирование:

На прототипах проверила понятность статусов агента, заметность заявок, требующих внимания, и удобство исправления данных. В результате менеджер подключается только в критических точках и сохраняет контекст исходной заявки.

Результат: Система автоматизирует рутинную обработку, делает действия AI прозрачными и сохраняет баланс между автономностью агентов и контролем человека.

Ключевая UX задача:
Спроектировать баланс между автономностью AI и контролем человека. Система должна самостоятельно обрабатывать любого типа заявки, объяснять свои действия и привлекать менеджера только тогда, когда данные неоднозначны или решение может повлиять на производственный план.

Исследование:

Я изучила процесс обработки заявок, роли пользователей и основные источники ошибок. Выяснила, какие задачи можно передать агенту, а где неоднозначные данные требуют участия менеджера.

Поиск решения:

Спроектировала два связанных сценария: автономную обработку типовых заявок и проверку исключений. Агент извлекает данные из текста, фотографий и голосовых сообщений, формирует план и показывает пользователю спорные поля, причины ошибок и уровень уверенности.

Тестирование:

На прототипах проверила понятность статусов агента, заметность заявок, требующих внимания, и удобство исправления данных. В результате менеджер подключается только в критических точках и сохраняет контекст исходной заявки.

Результат: Система автоматизирует рутинную обработку, делает действия AI прозрачными и сохраняет баланс между автономностью агентов и контролем человека.

Ключевая UX задача:
Спроектировать баланс между автономностью AI и контролем человека. Система должна самостоятельно обрабатывать любого типа заявки, объяснять свои действия и привлекать менеджера только тогда, когда данные неоднозначны или решение может повлиять на производственный план.

Исследование:

Я изучила процесс обработки заявок, роли пользователей и основные источники ошибок. Выяснила, какие задачи можно передать агенту, а где неоднозначные данные требуют участия менеджера.

Поиск решения:

Спроектировала два связанных сценария: автономную обработку типовых заявок и проверку исключений. Агент извлекает данные из текста, фотографий и голосовых сообщений, формирует план и показывает пользователю спорные поля, причины ошибок и уровень уверенности.

Тестирование:

На прототипах проверила понятность статусов агента, заметность заявок, требующих внимания, и удобство исправления данных. В результате менеджер подключается только в критических точках и сохраняет контекст исходной заявки.

Результат: Система автоматизирует рутинную обработку, делает действия AI прозрачными и сохраняет баланс между автономностью агентов и контролем человека.

Архитектура интерфейса

Проблема

Во многих AI-интерфейсах результат остаётся временным ответом внутри диалога. Даже если нейросеть создаёт полезную таблицу, план или отчёт, их сложно редактировать, зафиксировать в системе и передать в дальнейшую работу. Чат показывает данные, но не превращает их в управляемый продуктовый объект.

Решение

Я спроектировала универсальный слой для работы с результатами AI — от коротких списков до сложных многоколоночных таблиц. Интерфейс адаптируется к структуре данных и позволяет превратить временный результат диалога в проверяемый, редактируемый и переиспользуемый артефакт системы.

Так результат свободного взаимодействия с AI становится частью продуктового процесса и может использоваться пользователями и автономными агентами.

‹ Предыдущий

Следующий ›

Create a free website with Framer, the website builder loved by startups, designers and agencies.