site-portfolio/texts/cases/ai-platform-primo-rpa.md

Разработка интерфейса для Primo RPA AI Server

• Источник: src/pages/cases/ai-platform-primo-rpa.html (сборка → public/cases/ai-platform-primo-rpa.html)
• eyebrow: Product Design · AI
• meta description: Кейс по разработке интерфейса для AI Server в Primo RPA: структура, процесс и ключевые UX/UI-решения.

---

Обзор (#obzor)

• Что это был за продукт и зачем тебя позвали.
  • Внутри компании разработали новый продукт, который позволял сильно улучшить работу с моделями для распознавания текстов на документах. Можно было загрузить датасет из документов компании разметить там поля и обучить модель. После этого обученная модель уже использовалась в других продуктах компании. Качество распознавания при таком подходе был существенно выше и также соответствовал требованиям безопасности по хранению данных только внутри контура компании. Уже при мне в сервисе появился функционал, который позволял обучать любую базовую нейросеть под конкретные задачи компании. Это был файнтюнинг и работа со скилами: суммаризация, извлечение, генарация и прочие.
• Роль, сроки, главный итог в двух абзацах.
  • Меня пригласили в проект как UX/UI дизайнера, потому что проект делали только разработчики своими силами. В резуальтате моей работы у сервиса существенно снизился порог входа и пользоваться продуктом уже могли гараздо больший круг лиц, даже не имея специальных знаний в области ии и OCR.
• Подсказки в HTML: задача бизнеса, главное достижение, что намеренно не освещаешь.
  • не понимаю что в этом блоке , напиши сам, я поправлю

Было и стало (#bylo-stalo)

• Как выглядел сервис «до», типовые проблемы.
  • Сервис был собран на фрэймворке Ant Design под React и использовал визуальную стилизацию от Hope UI (тема для Bootstrap). На тот момент у компании было уже несколько веб-продуктов и была цель унифицировать и освежить интерфейс продуктов. Поэтому в разработке интерфейса применялись компоненты из этих фрэймворков.
  • Основная проблема сервиса, которую надо было решить это то что настройка проекта крайне сложная задача с большим количеством шагов и мелких задач. А ещё на платформе было три типа проектов и каждый тип настраивался по своему. Таким образом от момента создания проекта и его реального использования проходило много времени и требовалась помощь специалистов самой компании, отдела внедрения. Запутанная навигация внутри проекта и дублирование функцинала существенно снижали продуктивность работы отдела внедрения и не позволяли масштабировать продукт. Также невозможно было продвигать продукт на широкую аудиторию.
• Что переделано и как это сняло боли.
  • Я погрузился в продукт. Очень много и подробно обсуждая с командой весь функционал. Мои знания в области ИИ и работы со схожими веб-платформами хорошо мне в этом помогали.
  • Составил юзерфлоу по тому как выполняются сценарии в текущем продукте и они помогли подсветить команде где есть путаница в интерфейсе и пути пользователя. Также благодаря этой скурпулёзной работе удалось переработать и сами процессы настроек проектов. Часть функций была также автоматизирована и спрятана от пользователя, чтобы уменьшить шанс совершения ошибок и не заставлять пользователя выполнять рутинные дейтсвия.
  • Новый подход полностью изменил и восприятие продукта и процесс настройки проектов. Теперь интерфейс плавно вёл пользователя по этапам настройки, но в том же время не ломал старые сценарии. Так как тут не получается сделать типичный визард из последовательных шагов и пользователю всё равно надо возвращаться назад и править что-то для улучшения результата.
• Вопросы команде: текущее состояние, живые паттерны, метрики, backlog, что сделали бы иначе.
  • Сократилось ли кол-во запросов к поддержке
  • Получается ли у пользователей самостоятельно настроить проект от начала и до конца
  • Позволяет ли новый интерфейс создавать новые типы проектов придерживаясь уже заложенных паттернов
• Слот под медиа: скрин/видео «как было».

Паттерны (#patterns)

• Для каждого паттерна: зачем, сценарий, отличие от старого подхода.
• Уже вставлены: маппинг полей (видео), датасет/обучение/качество, inference, полноэкранный режим.
• Слоты «Медиа позже»: LLM список/статусы, мастер обучения, OCR/разметка.

Процесс и передача (#process)

• Синки, макеты, спека, handoff во фронт.
• Поиск и собеседование следующего дизайнера, онбординг.
• Вопросы следующему дизайнеру: первые две недели, полезные артефакты, что пересобрали, UX в трёх предложениях.
• Слот под медиа: Notion/Figma/timeline.

Заключение (#zaklyuchenie)

• Итог для читателя в сжатом виде.

Чеклист (#cheklist)

• Пользователи, ограничения, сценарии LLM/OCR, исследования, метрики.

Ассеты (#media)

• public/assets/ai-platform-primo-rpa/ — обложка cover.webp и прочие файлы; основные кадры встроены в раздел «Паттерны».