Filament - B2B AI-платформа для инженеров химического производства. Она объединяет производственный контекст, ход расследования и AI-поддержку, чтобы после обнаружения отклонения инженер мог перейти от сигнала к проверяемому решению.
Реальный заказной проект · NDA · стадия дизайна · B2B Enterprise · AI
Реальный заказной проект · NDA · стадия дизайна · B2B Enterprise · AI
Главный экран: приоритет отклонения, контекст расследования и следующий шаг от AI Copilot.
Коротко о проекте
Февраль 2026 - настоящее время · заказной B2B AI-проект · NDA
Задача
Заказчик обратился ко мне с запросом исследовать работу инженеров химического производства, спроектировать несколько ключевых экранов продукта и подготовить UI-kit. Платформа помогает инженерам расследовать технологические отклонения, восстанавливать контекст событий и проверять возможные причины.
Моя роль и команда
Я - единственный продуктовый дизайнер проекта и работаю напрямую с заказчиком. Отвечаю за UX-исследование, продуктовую логику, информационную архитектуру, пользовательские сценарии, UX/UI ключевых десктопных экранов и UI-kit.
Ограничения
Проект находится под NDA и связан со сложной промышленной предметной областью. Интерфейс должен помогать работать с данными и проверять причины отклонений, не подменяя профессиональное решение инженера. Отдельной продуктовой и дизайн-команды в проекте нет.
Три ключевых решения
Через интервью проверены пользовательский контекст, ключевые проблемы и основной сценарий расследования. Сформирована продуктовая логика, спроектированы информационная архитектура, пользовательские потоки, главный экран и рабочее пространство расследования. UI-kit находится в разработке, проект продолжается.
Задача
Заказчик обратился ко мне с запросом исследовать работу инженеров химического производства, спроектировать несколько ключевых экранов продукта и подготовить UI-kit. Платформа помогает инженерам расследовать технологические отклонения, восстанавливать контекст событий и проверять возможные причины.
Моя роль и команда
Я - единственный продуктовый дизайнер проекта и работаю напрямую с заказчиком. Отвечаю за UX-исследование, продуктовую логику, информационную архитектуру, пользовательские сценарии, UX/UI ключевых десктопных экранов и UI-kit.
Ограничения
Проект находится под NDA и связан со сложной промышленной предметной областью. Интерфейс должен помогать работать с данными и проверять причины отклонений, не подменяя профессиональное решение инженера. Отдельной продуктовой и дизайн-команды в проекте нет.
Три ключевых решения
- После 10 глубинных интервью изменила исходную концепцию: вместо обзорного дашборда предложила рабочее пространство для расследования отклонений.
- Выстроила основной сценарий: обнаружение отклонения → восстановление контекста → сравнение изменений параметров → проверка возможных причин → принятие решения.
- Проработала концепцию AI Copilot и систему интерфейсных состояний, которая помогает анализировать причины, находить похожие случаи и проверять инженерные гипотезы.
Через интервью проверены пользовательский контекст, ключевые проблемы и основной сценарий расследования. Сформирована продуктовая логика, спроектированы информационная архитектура, пользовательские потоки, главный экран и рабочее пространство расследования. UI-kit находится в разработке, проект продолжается.
Исследование аудитории
Провела интервью с 10 специалистами, чтобы понять, как инженеры ищут данные, восстанавливают контекст и принимают решения после обнаружения отклонения.
Анализ конкурентов
Изучила решения Цифра.Лаборатория качества, IdaSoft LIMS и LabKey. Сравнила, как они работают с лабораторными данными, статусами образцов, поиском и анализом результатов. Выяснила, что существующие системы хорошо помогают хранить и контролировать данные, но почти не поддерживают сам процесс инженерного расследования - поиск изменений, причинно-следственных связей и обоснование решения.
Проработка сценариев
Сценарий пользователя сохранился, но архитектура стала проще. Вместо отдельного экрана под каждый этап расследования процесс объединён в три связанных рабочих пространства. Навигация помогает сохранять ориентацию, центральная область поддерживает текущую задачу и AI Copilot сопровождает инженера на всём пути - от оценки риска до выбора следующего действия.
Сценарий «Инженер обнаружил отклонение и хочет понять, что изменилось»
Первая концепция
На первом этапе я спроектировала обзорный дашборд смены, который объединял отклонения, ключевые показатели и состояние линий. Он помогал быстро понять, где возникла проблема и насколько она критична, но не отвечал на главный вопрос инженера - что изменилось и почему.
Это стало отправной точкой для перехода от дашборда мониторинга к рабочему пространству поддержки инженерных решений.
На первом этапе я спроектировала обзорный дашборд смены, который объединял отклонения, ключевые показатели и состояние линий. Он помогал быстро понять, где возникла проблема и насколько она критична, но не отвечал на главный вопрос инженера - что изменилось и почему.
Это стало отправной точкой для перехода от дашборда мониторинга к рабочему пространству поддержки инженерных решений.
Эволюция продукта
Первая концепция помогала контролировать ситуацию, но не сокращала главную часть работы инженера - поиск контекста и формирование причины. Поэтому я пересобрала продукт вокруг процесса принятия решения.
В результате продукт эволюционировал из операционного дашборда в интеллектуальное рабочее пространство, которое сопровождает инженера от обнаружения отклонения до обоснованного решения.
Финальный дизайн
Финальная концепция построена вокруг трёх связанных рабочих пространств. Пользователь сохраняет привычную структуру интерфейса, а центральная область и AI Copilot адаптируются к текущей задаче.
Как развивала бы продукт дальше
- Проверить ключевой сценарий: провести юзабилити-тестирование и выяснить, может ли инженер понять отклонение, проверить гипотезу и принять обоснованное решение с помощью Filament.
- Запустить пилот: внедрить MVP на одном производственном процессе и сравнить время расследования, количество переключений между системами и полноту доказательной базы.
- Масштабировать продукт: подключать новые источники данных и типы отклонений, развивать поиск похожих случаев, память предприятия и объяснимость AI-рекомендаций.
Вы можете скачать резюме и связаться со мной
любым удобным для вас способом ♥
любым удобным для вас способом ♥
