Граф знаний IKEA: как превратить экспертизу компании в цифровой актив Оказывается, компания IKEA уже давно использует онтологию и граф знаний. Компания записала в граф знаний экспертизу дизайнеров интерьера и визуальных мерчендайзеров: какие товары дополняют друг друга, какие сочетания делают дом удобнее, какие материалы и правила ухода важны клиенту. Эта же база знаний работает и в рекомендациях на ikea.com, и во внутренних процессах распознавания изображений. Главная идея графа знаний в том, что если знание эксперта живёт только в его голове, презентации или коде одного приложения, компания не может масштабировать его. Если же знание формализовано в графе знаний - его используют люди, приложения, алгоритмы и AI-агенты. Как устроен граф знаний в IKEA Граф знаний - это связанная модель фактов о предметной области: товары, категории, материалы, дизайнеры, правила сочетания, инструкции по уходу и предупреждения по безопасности. Онтология задаёт «скелет» модели: какие бывают сущности, какие у них свойства и как они связаны. В IKEA это реализовано как три слоя: 1. Онтология Классы, свойства и правила связей: «товар», «материал», «дополняет», «подходит для». Масштаб - сотни определений. Отвечает за онтологию центральная команда онтологов. 2. Контролируемый словарь Материалы, цвета, стили, типы продуктов. Масштаб: тысячи терминов. Отвечают за словарь доменные эксперты. 3. Конкретные данные Товары, изображения, контент, метаданные. Масштаб: десятки и сотни тысяч объектов. Такое разделение позволяет графу оставаться управляемым даже при большом объёме данных. Как это выглядит для клиента Клиент выбирает диван, а система показывает ему рядом с диваном декоративные подушки, плед, подставку для ноутбука и ролик для чистки. Это не просто «такие товары часто покупают вместе». В графе зафиксировано знание: подушки и пледы делают диван комфортнее, а ролик помогает ухаживать за текстилем. Упрощённо связи выглядят так: Диван → дополняется → Подушка Диван → дополняется → Плед Плед → совместим с → Ролик для чистки Диван → имеет инструкцию → «Проверьте крепление» В реальном графе правила задаются на уровне категорий: например, «домашний диван» может дополняться «домашней декоративной подушкой». Затем система автоматически строит связи между тысячами конкретных товаров. Что IKEA получает от использования графа знаний 1. Рекомендации без зависимости от персональных данных Граф позволяет рекомендовать полезные товары на основе знаний о продуктах, а не только истории покупок пользователя. IKEA может давать осмысленные рекомендации даже клиентам, которые не согласились делиться персональными данными. 2. Одна база знаний и много приложений Граф создавали для рекомендаций в e-commerce. Затем команда компьютерного зрения начала использовать его для распознавания мебели на фото: если распознан диван, вероятность найти рядом подушки и пледы выше, а пространство поиска для модели сужается. Одно знание работает в двух разных задачах: клиентских рекомендациях и внутреннем распознавании изображений. 3. Формализация экспертного опыта Экспертиза дизайнеров и мерчендайзеров, накопленная за десятилетия, переводится в машиночитаемую форму. Эксперт может добавлять связи через визуальный редактор — без программирования. Он не пишет ТЗ разработчику и не ждёт, пока логика попадёт в код. Он фиксирует знание в общем репозитории, откуда его используют разные приложения. 4. Единый язык для бизнеса, данных и разработки Онтология заставляет договориться о терминах: что такое «диван-кровать», что считать «деревом», как классифицировать цвет, что понимать под «скандинавским стилем». 5. Более надёжный AI Граф становится источником обоснованного контекста для AI-приложений, включая LLM и компьютерное зрение. Для RAG-систем и агентов это особенно важно: вместо надежды, что модель «угадает» связь между товарами или процессами, компания даёт ей проверенный контекст из графа. Как вам пример IKEA? А вы уже обсуждали использование графа знаний для вашего продукта?

Сегодня 100 лет со дня рождения Генриха Альтшуллера, а вы знаете кто это? Альтшуллер - основатель ТРИЗ, родился 15 октября 1926 года и предложил подход, который до сих пор используется в инновациях. Суть подхода в том, что сильные решения не рождаются из случайного брейншторма, их можно искать системно, через противоречия, ресурсы и законы развития систем. Что ТРИЗ дала продуктовым командам ТРИЗ помогает не просто генерировать идеи, а находить решения там, где привычные подходы упираются в противоречия. Например, продукт должен стать одновременно легче и прочнее, дешевле и функциональнее, проще для пользователя и технологически совершеннее. Обычный подход часто заставляет выбирать компромисс, ТРИЗ предлагает искать решение, которое позволит преодолеть само противоречие. Именно поэтому ТРИЗ хорошо дополняет продуктовый discovery: интервью и JTBD помогают найти неудовлетворенные потребности, а ТРИЗ — структурированно искать неочевидные решения. Нужны кейсы? пожалуйста. Компания Samsung - один из самых известных примеров корпоративного внедрения ТРИЗ. Компания применяла метод в разработке электроники, дисплеев, полупроводников и бытовой техники; в одном из описаний программы упоминаются более 120 проектов — от микроэлектроники до медицины. В материалах о Samsung также приводится оценка эффекта от ТРИЗ-проектов более чем в $65 млн в год за счёт экономии и новых патентов.[ссылка] Сетевое оборудование: семь патентов в процессе разработки В исследовании 2016 года описано создание сетевого устройства VDSL2 для многоквартирных зданий. Авторы объединили ТРИЗ с подходом Design for Six Sigma и процессом DMADV: определить, измерить, проанализировать, спроектировать и проверить. По результатам исследования, в ходе разработки было создано семь запатентованных решений, а прогнозируемая прибыль за четыре года составила около $6,56 млн. Ссылка Инженерные продукты. В исследовании об интеграции ТРИЗ и CFD ТРИЗ применялась для разрешения проектных противоречий при разработке оборудования для работы с потоками, а численное моделирование помогало проверять варианты решений. Услуги. ТРИЗ применяют не только к «железу»: есть подходы к проектированию product-service systems, где противоречия разрешаются между продуктовыми и сервисными компонентами, например, между персонализацией и стоимостью обслуживания. Почему это актуально сегодня ТРИЗ не заменяет исследование потребностей пользователей, JTBD или продуктовые эксперименты. Она решает другую задачу - помогает находить новые способы удовлетворения потребностей, когда существующие решения ограничены противоречиями. Поэтому можно использовать связку: JTBD, чтобы определить, какие результаты важны пользователю и где остаются неудовлетворенные потребности. ТРИЗ - найти нестандартные решения выявленных проблем и противоречий. Прототипирование и эксперименты — проверить техническую реализуемость и реальную ценность решения. Инновация - это не обязательно поиск идеи продукта, которой ещё ни у кого не было. Это в том числе навык увидеть противоречие, и найти идеальное решение для него. Спасибо, Генрих Саулович.

Вышла статья Как выбрать систему управления работой, в которой пользователи продукта Kaiten рассказали о полезных функциях этого продукта. Вставил свои пять копеек и я, рассказал о полезной фиче. Ссылка А какими системами для управления работой пользуетесь Вы? Может быть кто-то уже навайбкодил самостоятельно такую систему и внедрил в своей команде?