Александр Сопотницкий работает AI-инженером и специалистом по автоматизации, создавая LLM-ассистентов и системы RAG от прототипа до продакшена. В его портфолио числятся внедренные решения: чат-бот первой линии в Bitrix24, автономно закрывающий 41% обращений, и база знаний с валидатором на Git, а также интеграции с Telegram, VK и лендинги на Tilda. Технический стек включает Python, FastAPI, PostgreSQL, Docker и инструменты n8n, при этом подход к работе строится на демонстрации механики через небольшие примеры перед фиксацией сроков. Двухлетний опыт в технической поддержке позволяет ему учитывать боли пользователей, делая акцент на получении работающего результата, который заказчик может поддерживать самостоятельно.
Навыки и технологии: Python (3.9–3.11), asyncio, FastAPI, SQLite, PostgreSQL, Redis, Docker, n8n, Bitrix24 API, YandexGPT, DeepSeek, Telegram Bot API, BingX REST, pytest, ruff/black, nginx, systemd, Git, Markdown, natasha. Кандидат демонстрирует уверенное владение стеком для разработки бэкенд-сервисов, интеграции с внешними API и построения AI-решений на базе LLM.
Проекты и достижения: Кандидат разработал алготрейдинг-платформу с собственным replay-движком для честного бэктестинга стратегий без подглядывания в будущее, реализовав сложный риск-контур и метрики статистической значимости (MFE/MAE, bootstrap CI). Проект включает 9300 строк кода и 290 тестов, работает 24/7 в paper-режиме. Также создан прототип Telegram-бота «Нейроассистент» на YandexGPT с поиском по внутренней базе знаний, обеспечивающий маршрутизацию запросов через лемматизацию и разграничение доступа. Наиболее значимым внедрением стал AI-бот первой линии поддержки в Bitrix24 на базе n8n и DeepSeek. Кандидат настроил контур с базой знаний в Git, инструментами строгого поиска ответов и механизмами передачи сложных кейсов операторам. В продакшене бот закрывает около 41% обращений без участия человека, при этом обеспечена устойчивость к промпт-инъекциям и отсутствие необработанных запросов.
Достижения и признание: Внедрение AI-бота в реальный контакт-центр привело к автоматизации обработки более трети типовых обращений, что существенно снижает нагрузку на операторов. Инженерные решения кандидата характеризуются акцентом на надежность и прозрачность: от защиты от ложных переводов в поддержке до статистически обоснованной оценки эффективности торговых стратегий. Проекты выполнены с использованием современных практик DevOps (Docker, CI/CD элементы) и качественной документацией процессов.
* создается нейросетью на основе портфолио, информации указанной пользователем о себе и отзывам от других пользователей