Ежегодное отчетное мероприятие второго набора корпоративного акселератора успешно организовал Центр инноваций ЛАНИТ. Жюри были представлены презентации участников, и в результате сложного отбора были объявлены четыре победителя.
Непростой путь, пройденный всеми участниками проекта, начинался с формирования идей собственных продуктов и заканчивался созданием ценностных предложений для потенциальных клиентов. Так, всего за полгода в рамках проекта было проведено более 150 проблемных интервью и свыше 50 личных встреч с кураторами акселератора.
В финал второго потока вышли 11 команд, четырем из которых были присуждены призовые места. Третье место получил продукт LoyRate, способствующий минимизации риска потери компаниями ценных ИТ-специалистов. На втором месте утвердились две команды – с продуктом адаптивного обучения, обеспечивающим рост эффективности учебного процесса и делающим его более удобным, а также с продуктом D-Seis, созданным в качестве инструмента для отслеживания хода площадных геологоразведочных работ. Первое место было отдано продукту Digital Guardian – интеллектуальному AI-сервису, разработанному для контроля состояния пожилых людей с применением компьютерного зрения.
Следующий этап предполагает встречи победителей с инвестиционным комитетом компании ЛАНИТ.
Благодаря ежегодному акселератору Product Manager сотрудники ЛАНИТ имеют возможность увеличить темпы карьерного роста, продемонстрировать профессиональный потенциал и изучить новую востребованную профессию.
Акселератор Product Manager – ведущий проект Центра инноваций ЛАНИТ. Его основной задачей является получение сотрудниками компании предпринимательского опыта и развитие продуктового подхода. Центр управляет процессом разработки ИТ-продуктов, что стимулирует рост прибыли компании от собственных решений.
Приложение Smart Timber, ставшее лидером проекта в прошлом году, опередило 53 проекта и стало первым в номинации “Цифровая трансформация в промышленности” независимой премии RB Digital Awards 2022. Приложение использует алгоритмы компьютерного зрения и машинного обучения для автоматизации процесса подсчета круглого леса на производстве.
