Павел

РЕЗЮМЕ
Павло Станіславович Гуменюк
Дата народження: 1981 рік
Посада: AI/ML Engineer (Розробник штучного інтелекту)
Контакти: [відкрити контакти](див. вище в блоці «контактна інформація») |
Telegram: @Super191423
Шановні рекрутери та потенційні роботодавці!
Я щиро вдячний за увагу до мого резюме. Проте маю переконливе прохання: будь ласка, контактуйте зі мною виключно через електронну пошту або повідомлення у Telegram.
Про себе:
Досвідчений ІТ-фахівець з вищою економічною та середньою технічною освітою. Спеціалізуюся на практичній розробці рішень на базі штучного інтелекту та машинного навчання. Мені цікаві проєкти, де ШІ реально допомагає людям і бізнесу — від оборони та медицини до комерційних задач.Я розробляю прототипи, які можна швидко доробити та розгорнути, і завжди орієнтуюся на локальні рішення з високим рівнем конфіденційності. Готовий надавати приклади коду, демонстрації прототипів та детальні технічні специфікації. Шукаю проєкти з чітким технічним завданням. Якщо ваші задачі перетинаються з моїм досвідом — із задоволенням обговоримо співпрацю.
Свого часу виходив документальний серіал «Слідство вели з Леонідом Каневським», де розповідали про гучні злочини та їхніх жертв. В одній із серій під назвою «Таксі з пекла» йшлося про дівчину-стюардесу — справжню красуню, яка вільно володіла кількома іноземними мовами. На жаль, її життя обірвалося від рук покидька.Тоді я замислився: можливо, у житті варто всього вчитися потроху? Можливо, тієї фатальної миті знання про те, як вибити нападнику око, знадобилися б їй значно більше, ніж знання мов?Саме тому я намагаюся постійно опановувати нові, полярні за змістом сфери. Мій спектр зацікавлень охоплює все:Психологічну та моральну стійкість до екстремальних ситуацій;Кібербезпеку та навички роботи з AI;Розуміння процесів в економіці та медицині;Навіть специфічні знання у сфері вибухових речовин.
Ніколи не знаєш, що саме виявиться вирішальним у наступну мить. Як кажуть, краще бути воїном у саду, ніж садівником на війні.
Ключові проєкти та ідеї:
Назва проєкту:
1. «HR-Асистент 2.0» — автономний ІІ-агент для повного циклу кадрових процесів у 1С:ЗУП / 1С:ERP
Проблема, яку вирішуємо:Більшість компаній досі витрачають величезну кількість часу спеціалістів HR та бухгалтерів на рутинні, але складні та контекстно-залежні задачі:обробка заяв на відпустки / відгули / відрядження з перевіркою залишків, графіків, лімітів, наказів;відповіді співробітникам на типові запитання («скільки у мене залишок відпустки?», «як оформити лікарняний?», «які документи потрібні для відпустки за свій рахунок?»);первинна перевірка та доповнення заяв на прийом/переведення/звільнення;автоматичне інформування керівників та ініціаторів про статуси, терміни, конфлікти;збір пояснень та формування документів за прогули, спізнення, невідповідність графіку.Звичайними Workflow та умовами ці сценарії або неможливо реалізувати повноцінно, або вони стають надто громіздкими та дорогими в підтримці.Що саме я пропоную зробити .Розробити та впровадити автономного ІІ-Агента, який:працює цілодобово в чаті всередині 1С (або в Telegram / Viber / корпоративному порталі через MCP); розуміє природну мову українською (і російською); самостійно приймає рішення за чіткими бізнес-правилами + гнучко інтерпретує неоднозначні ситуації; використовує актуальні дані з 1С (залишки відпусток, графіки, кадрові накази, особові картки); виконує дії від імені користувача або готує чернетки документів з підписом «попередньо перевірено ІІ-агентом»; пам’ятає контекст розмови з конкретним співробітником протягом кількох днів/тижнів; ескалує тільки дійсно складні або критичні випадки живій людині. Які технології та підходи планую використати (з курсу)OneAPA як основний фреймворк — найшвидший і найбезпечніший спосіб запустити агента безпосередньо всередині 1С без зовнішньої інфраструктури;RAG — підключення векторної бази знань (внутрішні положення, інструкції, типові відповіді, витяги з КЗпП); LangGraph — для складних multi-step сценаріїв (наприклад, відпустка → перевірка → узгодження → наказ → повідомлення всім сторонам); n8n — як резервний / паралельний канал для інтеграції з месенджерами та зовнішніми сервісами; локальні моделі через LM Studio — для сценаріїв з високими вимогами до конфіденційності (on-premise); AI Studio або OpenAI Agent Builder — для швидкого прототипування та порівняння якості. Очікувані результати впровадження (KPI) Скорочення часу обробки однієї кадрової заявки з 15–40 хв до 1–4 хв; Зменшення навантаження на HR-фахівців на 50–70% за рутинними запитами; Підвищення задоволеності співробітників (швидкі відповіді 24/7); Зменшення помилок у документах через автоматичну перевірку залишків та правил; Можливість масштабувати агента на інші процеси (логістика, закупівлі, техпідтримка) за тим самим підходом. спочатку зробити MVP за 3–4 тижні (відпустки + типові запитання); провести пілот на 50–150 співробітниках; зібрати зворотний зв’язок і розширити функціонал; передати знання команді для самостійної підтримки та розвитку. Якщо вас цікавить сучасна автоматизація, яка виводить 1С на рівень «Agentic ERP», давайте обговоримо, як цей підхід може закрити саме ваші болі.
2.ФАСАД — система аналізу поведінки та психофізіологічного стану (власна розробка)
Готова до доробки та розгортання система реального часу, яка працює з відеопотоком високої роздільної здатності. Поєднує сучасний ШІ з традиційною методологією аналізу обличчя Мянь Сян. Функціонал: Виявлення мікрорухів м’язів обличчя, неусвідомлених реакцій зіниць, моргання, напруженості щелепиРозпізнавання базових емоцій та стресу/агресії (7+ станів)Аналіз мікровиразів Морфологічний аналіз обличчя за даоськими принципами Інтегрована модель оцінки ймовірності брехні, психологічної стійкості та прихованих мотивацій Технології: TensorFlow/PyTorch, ONNX, GPU-прискорення, face landmark detection (68/106 точок)Переваги: локальне розгортання (без хмари), висока конфіденційність, адаптація під конкретну аудиторію. Система допомагає оператору, а не замінює його — надає об’єктивні дані для обґрунтованих рішень.
3.Комплекс ШІ-рішень для мережі мультибрендових автосалонів (Hyundai, Mazda, Opel, Mitsubishi, Nissan тощо)
Розроблено пакет ідей для зростання продажів та оптимізації процесів:Розумний рекомендаційний двигун з персоналізованими пропозиціями на сайті та в салоні Чатбот-конфігуратор з порівнянням моделей та розрахунком кредиту (очікуване зростання конверсії 20–40%)Автоматична оцінка авто на trade-in за фото/відео (комп’ютерний зір, оцінка за 5–10 хвилин) Багатомовний голосовий ШІ-чатбот 24/7 для консультацій, запису на тест-драйв/сервіс, розрахунку кредиту/лізингу (обробка 70–80% рутинних запитів) Реалізація можлива на готових або кастомних API (ChatGPT, Google Dialogflow). ШІ-модуль для автономного виявлення мін та ВНП дронами (для оборонних компаній, наприклад RAROG Aerospace / UDI)
4.Ідея інтеграції комп’ютерного зору в існуючі дрони для гуманітарного та військового розмінування.
Підхід: fine-tuning моделей YOLOv10, Detectron2, Segment Anything Model 2 на датасетах українських мін (ПМН-2, ТМ-62 тощо).Робота: реальний час на борту (edge AI, NVIDIA Jetson) або в хмарі.Додатково: 3D-картографування, інтеграція з системами наведення.Переваги: точність >90%, створення нового продукту для ЗСУ та експорту, можливість грантів (NATO/EU). Прототип — 6–12 місяців.
5.ШІ для Медичної служби ЗСУ — автоматичний аналіз рентгенів та УЗД у стабпунктах
Пропозиція впровадження комп’ютерного зору для швидкого виявлення критичних бойових травм (пневмоторакс, гемоторакс, переломи, внутрішні кровотечі).Актуальність: у бойових умовах час — ключовий фактор виживання, а ручна інтерпретація знімків під тиском уповільнює діагностику.Стан технологій 2026: моделі на базі YOLOv10, CheXNet, MedSAM, Grounding DINO досягають точності >95%, перевершуючи радіологів за швидкістю в умовах втоми. Реалізація:Збір анонімізованих даних з реальних випадків + відкриті датасети (CheXpert, MIMIC-CXR, VinDr-RibCXR)Fine-tuning відкритих/комерційних моделей (Google MedGemini, Vision Transformer)Edge AI на планшетах/ноутбуках у стабпунктах Автоматична розмітка + рекомендації ("Ймовірність пневмотораксу 98% — негайна декомпресія") Тріаж, інтеграція з телемедициною Переваги: прискорення діагностики в 5–10 разів, зменшення помилок, новий інструмент навчання, гранти (Brave1, NATO, DARPA-подібні програми), експортний потенціал. Предиктивне обслуговування холодильного обладнання (актуально на 2026 рік)Аналіз даних з IoT-датчиків для прогнозування поломок заздалегідь.Користь: Зниження витрат на сервіс на 20–30% Новий дохід через підписку на моніторингПідвищення лояльності клієнтів Оптимізація енергоспоживання (ESG-вимоги) Реалізація: датчики → хмарна платформа ШІ → додаток з дашбордами та алертами → пілот на ключових клієнтах. Підхід уже працює в промисловому охолодженні та може стати конкурентною перевагою в сегменті обладнання для напоїв.
6.Власний міні-проєкт
Автоматизований Instagram-пайплайн для фінансового блогу: Figma → AI-генерація тексту → AI-відео з субтитрами → автопублікація через Meta Business Suite.Використано: Make.com / n8n / Python + OpenAI API, CapCut API / HeyGen. Повністю задокументовано — сильний кейс для портфоліо.
7.Актуальна ідея використання AI для посади «Провідний бухгалтер» у Вінницькому зональному відділі Військової служби правопорядку
Контекст посади та організації
Це державна військова структура Збройних Сил України, де бухгалтерський облік поєднується з особливостями військової служби: розрахунок грошового забезпечення військовослужбовців (з урахуванням надбавок за бойові, вислугу тощо), облік матеріальних цінностей, основних засобів, підготовка бюджетної, податкової та статистичної звітності, сувора відповідність законодавству України та нормативам Міноборони. Робота відбувається в умовах воєнного стану, з високими вимогами до точності, безпеки даних та своєчасності. Пропонована ідея: Впровадження AI-асистента для автоматизації обробки первинних документів та контролю відповідності нормативним актам Опис ідеї Розробити або адаптувати локальний (on-premise) AI-інструмент на базі open-source моделей (наприклад, Llama 3, Mistral або українських аналогів), який виконуватиме такі функції: Автоматична обробка первинних документів (OCR + розумне розпізнавання) AI сканує/фотографує накладні, акти, чеки, відомості на виплату, витяги з банку та автоматично витягує ключові дані (суми, дати, контрагенти, коди бюджетної класифікації, ПН/РК). Класифікує документи за типом (зарплата, матеріальні цінності, основні засоби) і пропонує проводки. Перевіряє на помилки (невідповідність сум, неправильні коди, дублікати). Автоматичний контроль відповідності законодавству Вбудована база актуальних норм (Податковий кодекс, закони про оплату праці військовослужбовців, накази Міноборони). AI перевіряє розрахунки грошового забезпечення на правильність надбавок (бойові, за вислугу, за особливі умови). Сигналізує про можливі порушення та пропонує виправлення ще до формування проводок. Генерація та попередня перевірка звітності Автоматично формує чернетки фінансової, бюджетної, податкової та статистичної звітності. Перевіряє на арифметичні помилки, логічні невідповідності та терміни подання. Переваги для посади та організації Економія часу: Рутинна обробка документів (яка зараз займає значну частину робочого часу бухгалтера) скоротиться на 50–70 %. Провідний бухгалтер зможе зосередитися на аналітичних завданнях, контролі та взаємодії з командуванням.Зменшення помилок: AI виявляє людські помилки на етапі вводу даних, що критично важливо для військової частини, де помилки в розрахунках можуть впливати на виплати військовослужбовцям. Безпека даних: Локальне розгортання (без хмари) забезпечує відповідність вимогам захисту інформації у ЗСУ. Можна використовувати захищені сервери частини або рішення, схвалені Держспецзв’язку. Масштабованість: Інструмент можна поширити на інші зональні відділи ВСП, створивши єдину систему для кількох військових частин. Актуальність у 2026 році: В Україні активно розвиваються державні та приватні ініціативи з впровадження AI в держсекторі (наприклад, через Дія, Мінцифри та проєкти Diia.City). Можна інтегрувати з існуючими системами типу «Єдиний вікно звітності» або військовим ПЗ. Як реалізувати (практичні кроки) Почати з пілотного проєкту: обрати open-source інструмент (наприклад, InvoiceNet, DocTR для OCR + fine-tuned LLM для української мови). Навчити модель на анонімізованих даних частини (історичні документи, проводки). Інтегрувати з існуючим бухгалтерським ПЗ (1С, BAS Бухгалтерія чи військові спеціалізовані системи). Залучити грантову підтримку (програми Мінцифри, NATO Trust Fund, або українські IT-компанії, що працюють з держсектором). Такий AI-асистент значно підвищить ефективність роботи провідного бухгалтера, зменшить навантаження та допоможе уникнути ризиків у умовах воєнного часу.
8. Автоматизація "Криптографічного периметра" навколо AI для посади «Провідний бухгалтер» у Вінницькому зональному відділі Військової служби правопорядку
Замість того, щоб просто обробляти документи, AI має стати частиною захищеного контуру. Автоматичне шифрування оброблених даних: Як тільки AI завершує розпізнавання документа, система автоматично шифрує результат за стандартом ДСТУ 4145-2002 (український стандарт ЕЦП та шифрування) перед збереженням у базу даних. Динамічне керування ключами (KMS): Впровадження системи автоматичної ротації ключів. Якщо AI виявляє спробу несанкціонованого доступу або аномальну активність (наприклад, масове завантаження документів вночі), система автоматично "блокує" ключі доступу до чутливих фінансових секторів. 2. Модуль "AI-Крипто-Валідатор" Це автоматизація перевірки справжності документів, що надходять до бухгалтерії. Автоматична перевірка КЕП (ЕЦП): AI не просто читає текст, він автоматично перевіряє цілісність електронного цифрового підпису на вхідних наказах чи актах. Якщо підпис недійсний або виданий за межами довіреної мережі Міноборони, AI миттєво блокує документ.Стеганографічний аудит: AI може автоматично додавати невидимі "водяні знаки" (стеганографічні мітки) у згенеровані бухгалтерські звіти. Це дозволить відстежити джерело витоку інформації, якщо роздрукований або відсканований документ потрапить до мережі. 3. Впровадження технології Homomorphic Encryption (Гомоморфне шифрування) Це "вищий пілотаж" у захисті даних, який ідеально підходить для 2026 року. Суть: AI проводить розрахунки грошового забезпечення військових безпосередньо над зашифрованими даними. Як це працює: Дані про зарплати та премії потрапляють до AI-моделі в зашифрованому вигляді. AI рахує суми, не "бачачи" реальних цифр і прізвищ у від…