призер премии «ИИ в НКО» 2026 года
номинация: Эффективное применение ИИ в НКО
номинация: Эффективное применение ИИ в НКО
Цифровой трекер ветеринарных назначений — специализированное приложение для управления лечением животных в приюте
Пензенский региональный благотворительный фонд «Рука помощи бездомным животным», Пенза
На какую проблему, задачу откликается этот кейс
В приюте фонда одновременно живут более 200 животных. У каждого из них может идти несколько курсов лечения с разной периодичностью: антибиотики, процедуры, прививки, наблюдение после операций. Управлять всем этим вручную — значит держать в голове или на маркерной доске сотни назначений каждый день.
До внедрения трекера сотрудники вели учёт назначений в мессенджерах и тетрадях. Не было единого места, где можно увидеть: что сегодня нужно сделать, кто уже сделал и когда. Не было прозрачного контроля выполнения. Это создавало риск ошибок: пропущенный приём антибиотика или неверная дозировка могли привести к осложнениям, повторным курсам лечения и дополнительным расходам.
После внедрения трекера снизилось число медицинских ошибок, у каждого животного появилась медкарта, людям в команде стало проще работать.
После внедрения трекера снизилось число медицинских ошибок, у каждого животного появилась медкарта, людям в команде стало проще работать.
Какое решение было найдено/разработано, какое было участие ИИ
Команда фонда разработала собственный цифровой трекер ветеринарных назначений — многопользовательское веб- и мобильное приложение. Оно управляет всеми назначениями: лекарствами, процедурами и курсами лечения. Система автоматически распределяет задачи сотрудников по времени и типам, фиксирует факт выполнения (кто, когда, что сделал), хранит медицинскую историю каждого животного и формирует аналитику для руководства фонда. На момент подачи кейса это полноценный рабочий продукт, которым команда пользуется ежедневно.
Разработку вела Виктория Щелкова — тим-лид отдела фандрайзинга и маркетинга, без профильного IT-образования. ИИ-ассистент Claude использовался как основной инструмент разработки: он писал и дорабатывал код фронтенда (интерфейса, с которым взаимодействует пользователь) и бэкенда (невидимой пользователю части системы, отвечающей за обработку данных и базу данных), соединял части системы, добавлял многопользовательский вход и помогал развернуть приложение на хостинге.
Почему было уместно и здорово применить ИИ
Задача была нестандартной: создать специализированный инструмент для приюта, которого не существовало на рынке, без бюджета на разработку и программиста в штате. ИИ как инструмент разработки показал максимальную ценность. Альтернативы — заказная разработка или готовые решения — либо были недоступны финансово, либо не решали задачу.
Готовые ветеринарные CRM-системы, например, VetManager, рассчитаны на клиники, а не на приюты. Они предполагают наличие владельца у животного, не поддерживают работу с кураторами и не дают удобного задачника для потоковой работы с большим числом подопечных. Подписка на такую систему для команды из ~15 человек обходилась бы около 200 000 рублей в год.
Заказная разработка у студии — от 400 000 до 800 000 рублей единовременно плюс 15 000−30 000 рублей в месяц на поддержку. Для НКО оба варианта были недоступны.
Заказная разработка у студии — от 400 000 до 800 000 рублей единовременно плюс 15 000−30 000 рублей в месяц на поддержку. Для НКО оба варианта были недоступны.
Этапы создания ИИ-решения
- Август 2025 — формулировка идеи.
- Сентябрь-ноябрь 2025 — первые попытки реализации через no-code-инструменты (подход к разработке без написания кода вручную, с помощью визуальных конструкторов) — Glide, Flutter. Не дали нужного результата.
- Декабрь 2025 — анализ ошибок, поиск нового подхода.
- Январь 2026 — переход к самостоятельной разработке с ИИ. Создание базовой архитектуры: интерфейс, серверная часть, база данных.
- 31 января 2026 — запуск первой версии для тестирования.
- Февраль 2026 — четыре недели тестирования с реальными пользователями, еженедельные обновления.
- 28 февраля 2026 — финализация продукта.
- С 1 марта 2026 — стабильная эксплуатация без изменений.
Как работает ИИ-решение
1
2
Приложение построено на платформе Firebase (облачная платформа Google для хранения данных и работы приложений в реальном времени), хостинг — Timeweb. Разработка велась с использованием ИИ-ассистента Claude.
Трекер — это веб- и мобильное приложение, доступное с любого устройства. Ветеринарный врач создаёт назначение: выбирает животное, указывает препарат или процедуру, задаёт расписание и срок. Система автоматически формирует задачи для исполнителей и распределяет их по времени. Каждый сотрудник видит свой список задач на день. После выполнения процедуры отмечает её в системе — время и факт фиксируются автоматически.
Каждый сотрудник тратил значительную часть рабочего времени на поиск истории болезни животного в чатах, ручную сверку выполненных процедур и согласования с коллегами. Сейчас вся эта информация собрана в карточке животного, а список задач на день каждый видит сразу при входе в систему
Докажите, что с ИИ ситуация стала лучше, чем без него
С 1 марта 2026 года система работает без остановок. В ней 210 животных, 20 пользователей (11 из них работают ежедневно), 54 диагноза в справочнике, 8 типов лечебных курсов, 4 маршрута ухода. За 30 дней (предшествующих дате подачи заявки) назначено 5 254 задачи, выполнено 4 350. Средний процент выполнения — 82,8%. Всего с момента запуска накоплено 8 721 выполненных задач.
Отдельно отслеживается выполнение по критическим группам препаратов. Антибиотики — 80,5% при целевом показателе 95%+. Антибиотикотерапия требует строгого соблюдения интервалов, так как пропуски снижают эффективность лечения, повышают риск осложнений и провоцируют устойчивость бактерий.
80,5% — это хороший результат, потому что система уже фиксирует пропуски, которые раньше были «невидимы». Но до целевого показателя в 95% остаётся 14,5%, и это управляемая зона роста. Команда узнаёт, в какие смены и у каких исполнителей чаще возникают пропуски, и может влиять на это: настройкой дополнительных напоминаний в системе, перераспределением нагрузки между сменами, точечным обучением сотрудников.
До внедрения системы доля пропущенных или просроченных процедур составляла, по оценке руководителя приюта, около 30−35%. Сейчас, по данным самой системы, доля пропусков — 17,2% за 30 дней. Снижение пропусков означает меньше осложнений у животных, расходов на диагностику и препараты, повторных курсов лечения.
Совокупный экономический эффект — около 2 млн рублей в год. Он складывается из нескольких статей.
Время сотрудников ~430 тыс. Каждый из 11 сотрудников тратил около 30 минут в день на поиск истории животного в чатах, ручную сверку процедур и согласования. Плюс эпизодические задачи: передача смены, инструктаж волонтёров. Сейчас это закрыто карточкой животного и экраном задач на день.
Отчётность ~120 тыс. ₽. Ежемесячный отчёт для руководства и грантодателей раньше собирали вручную — около 10 часов; годовой — около 40 часов. Итого ~160 часов в год. Сейчас все отчёты формируются автоматически (PDF, Excel, сводные за период).
Снижение медицинских ошибок ~800 тыс. — 1 млн ₽. На 210 активных животных при средней стоимости коррекции одного осложнения 3 000−5 000 ₽ и снижении доли пропусков с 30−35% до 17,2% годовая экономия ветеринарного бюджета составляет ~700 тыс. — 1 млн ₽. Она подтверждается фактическим снижением закупок ветпрепаратов и расходных материалов по сравнению с аналогичным периодом до внедрения трекера.
Документооборот при передаче животных ~300 тыс. ₽. Раньше при передаче животного в клинику, новому хозяину или партнёрской организации куратор тратил около часа на устную передачу истории и сборку документов. Сейчас PDF-медкарта формируется за секунду. При ~5 передачах в неделю это около 200 часов в год; с учётом снижения ошибок при передаче (когда из-за неполноты информации требовалось повторное обращение в клинику) округлено до 300 тыс. ₽.
Адаптация новых сотрудников ~150 тыс. ₽/год. Срок выхода новичка на полную нагрузку сократился с 4 недель до 1—2. Раньше куратор тратил на обучение одного новичка около 80 часов индивидуальной работы; сейчас — около 30 часов, остальное закрывает сам интерфейс: шаблоны протоколов, справочники диагнозов, аудит-лог собственных действий. При 3 новых сотрудниках в год — экономия около 150 тыс. ₽.
Отдельно отслеживается выполнение по критическим группам препаратов. Антибиотики — 80,5% при целевом показателе 95%+. Антибиотикотерапия требует строгого соблюдения интервалов, так как пропуски снижают эффективность лечения, повышают риск осложнений и провоцируют устойчивость бактерий.
80,5% — это хороший результат, потому что система уже фиксирует пропуски, которые раньше были «невидимы». Но до целевого показателя в 95% остаётся 14,5%, и это управляемая зона роста. Команда узнаёт, в какие смены и у каких исполнителей чаще возникают пропуски, и может влиять на это: настройкой дополнительных напоминаний в системе, перераспределением нагрузки между сменами, точечным обучением сотрудников.
До внедрения системы доля пропущенных или просроченных процедур составляла, по оценке руководителя приюта, около 30−35%. Сейчас, по данным самой системы, доля пропусков — 17,2% за 30 дней. Снижение пропусков означает меньше осложнений у животных, расходов на диагностику и препараты, повторных курсов лечения.
Совокупный экономический эффект — около 2 млн рублей в год. Он складывается из нескольких статей.
Время сотрудников ~430 тыс. Каждый из 11 сотрудников тратил около 30 минут в день на поиск истории животного в чатах, ручную сверку процедур и согласования. Плюс эпизодические задачи: передача смены, инструктаж волонтёров. Сейчас это закрыто карточкой животного и экраном задач на день.
Отчётность ~120 тыс. ₽. Ежемесячный отчёт для руководства и грантодателей раньше собирали вручную — около 10 часов; годовой — около 40 часов. Итого ~160 часов в год. Сейчас все отчёты формируются автоматически (PDF, Excel, сводные за период).
Снижение медицинских ошибок ~800 тыс. — 1 млн ₽. На 210 активных животных при средней стоимости коррекции одного осложнения 3 000−5 000 ₽ и снижении доли пропусков с 30−35% до 17,2% годовая экономия ветеринарного бюджета составляет ~700 тыс. — 1 млн ₽. Она подтверждается фактическим снижением закупок ветпрепаратов и расходных материалов по сравнению с аналогичным периодом до внедрения трекера.
Документооборот при передаче животных ~300 тыс. ₽. Раньше при передаче животного в клинику, новому хозяину или партнёрской организации куратор тратил около часа на устную передачу истории и сборку документов. Сейчас PDF-медкарта формируется за секунду. При ~5 передачах в неделю это около 200 часов в год; с учётом снижения ошибок при передаче (когда из-за неполноты информации требовалось повторное обращение в клинику) округлено до 300 тыс. ₽.
Адаптация новых сотрудников ~150 тыс. ₽/год. Срок выхода новичка на полную нагрузку сократился с 4 недель до 1—2. Раньше куратор тратил на обучение одного новичка около 80 часов индивидуальной работы; сейчас — около 30 часов, остальное закрывает сам интерфейс: шаблоны протоколов, справочники диагнозов, аудит-лог собственных действий. При 3 новых сотрудниках в год — экономия около 150 тыс. ₽.
Система берёт на себя рутину, которую раньше люди выполняли вручную.
Ежемесячные отчёты для руководства и грантодателей раньше собирали вручную, это занимало полный рабочий день. Сейчас они формируются автоматически за секунды в форматах PDF и Excel, за любой выбранный период.
При передаче животного в ветеринарную клинику, новому хозяину или партнёрской организации куратор раньше тратил около часа на устный пересказ истории болезни и сборку документов. Сейчас полная медкарта формируется мгновенно.
Система также берёт на себя контрольную функцию: отправляет уведомления об окончании курсов лечения, выделяет просроченные задачи и особо отмечает критические группы препаратов — прежде всего антибиотики. Для них строгое соблюдение интервалов принципиально: пропуск снижает эффективность лечения и повышает риск устойчивости бактерий. Раньше эта ответственность целиком лежала на памяти и внимании сотрудника.
Наконец, система ускоряет вход новых людей в работу. Встроенные справочники диагнозов и препаратов, шаблоны протоколов и история собственных действий позволяют новому сотруднику разбираться в процессах самостоятельно и без длительного индивидуального обучения.
При этом медицинские решения остаются за ветеринарным врачом. Система — инструмент учёта и контроля, но не замена специалисту.
Ежемесячные отчёты для руководства и грантодателей раньше собирали вручную, это занимало полный рабочий день. Сейчас они формируются автоматически за секунды в форматах PDF и Excel, за любой выбранный период.
При передаче животного в ветеринарную клинику, новому хозяину или партнёрской организации куратор раньше тратил около часа на устный пересказ истории болезни и сборку документов. Сейчас полная медкарта формируется мгновенно.
Система также берёт на себя контрольную функцию: отправляет уведомления об окончании курсов лечения, выделяет просроченные задачи и особо отмечает критические группы препаратов — прежде всего антибиотики. Для них строгое соблюдение интервалов принципиально: пропуск снижает эффективность лечения и повышает риск устойчивости бактерий. Раньше эта ответственность целиком лежала на памяти и внимании сотрудника.
Наконец, система ускоряет вход новых людей в работу. Встроенные справочники диагнозов и препаратов, шаблоны протоколов и история собственных действий позволяют новому сотруднику разбираться в процессах самостоятельно и без длительного индивидуального обучения.
При этом медицинские решения остаются за ветеринарным врачом. Система — инструмент учёта и контроля, но не замена специалисту.
Метрики считает сама система.
Операционные метрики: процент выполнения назначений за период; количество просроченных задач; процент выполнения по критическим группам препаратов; количество активных курсов лечения; распределение нагрузки между сотрудниками.
Метрики использования (приживаемость): количество ежедневно активных пользователей; количество ежедневных операций в системе; доля рутины, переведённой из мессенджеров в систему.
Метрики качества разработки: количество багов (ошибок), обнаруженных в рабочем режиме, и скорость их устранения; количество доработок, выполненных без участия разработчика.
Операционные метрики: процент выполнения назначений за период; количество просроченных задач; процент выполнения по критическим группам препаратов; количество активных курсов лечения; распределение нагрузки между сотрудниками.
Метрики использования (приживаемость): количество ежедневно активных пользователей; количество ежедневных операций в системе; доля рутины, переведённой из мессенджеров в систему.
Метрики качества разработки: количество багов (ошибок), обнаруженных в рабочем режиме, и скорость их устранения; количество доработок, выполненных без участия разработчика.
Опишите экономику процесса: сколько потратили на ИИ решение, на что. Как это окупится?
При затратах около 70 000 рублей в год на ИИ и экономии ~2 млн рублей в год окупаемость составила менее одного месяца работы системы.
Прямые затраты на создание системы составили около 71 000 рублей — это подписка на ИИ-ассистента Claude за год разработки. Хостинг Timeweb — стандартный тариф около 3000 рублей в год, на котором работает и основное приложение для фандрайзинга; отдельных расходов под трекер не возникло
ограничения и этика
-
Что нельзя доверить ИИ?Принципиально нельзя доверить ИИ:- принятие медицинских решений — они остаются за ветеринарным врачом;
- работу с платёжными данными доноров и финансовыми операциями фонда (требует ручного контроля);
- безвозвратное удаление данных — поэтому в системе нет функции «удалить карточку животного», её можно только деактивировать.
-
Какие этические моменты важно было учесть?Этических дилемм при разработке не возникало, потому что система не принимает решений за человека, а используется как инструмент учёта и контроля. Все медицинские решения остаются за ветеринарным врачом.
Продуктовый лидер и разработчик — Виктория Щелкова, тим-лид отдела фандрайзинга и маркетинга. Профильного IT-образования нет. Разработка велась в личное время сверх основной должности (600+ часов в течение года) как волонтёрская инициатива по договорённости с руководством фонда.
Команда из ~11 человек участвовала в тестировании: давала обратную связь по работе системы, сообщала об ошибках и предлагала улучшения. Тестирование с первого дня велось на данных приюта.
Команда из ~11 человек участвовала в тестировании: давала обратную связь по работе системы, сообщала об ошибках и предлагала улучшения. Тестирование с первого дня велось на данных приюта.
Основной заказчик и соисполнитель — главный ветеринарный врач фонда Ольга Горячева. Она формировала требования, описывала сценарии использования и проверяла, соответствует ли решение рабочим процессам приюта.
ИИ-ассистент Claude (Anthropic). Система реализована на платформе Firebase (облачная база данных и серверная инфраструктура Google). Хостинг — Timeweb.
В процессе разработки выяснилось несколько устойчивых ограничений работы с ИИ-ассистентом.
В процессе разработки выяснилось несколько устойчивых ограничений работы с ИИ-ассистентом.
- Потеря контекста между сессиями. ИИ работает в рамках одного диалога. Если в новой сессии не передать ему полное описание проекта, он может предложить решение, которое противоречит уже существующей структуре системы или дублирует уже реализованный функционал. Решение: руководитель проекта ведёт «техническую память» — список ключевых архитектурных решений, который передаётся в начале каждой новой сессии.
- Дублирование функций при крупных правках. Если задача сформулирована широко («добавь работу с курсами»), ИИ может реализовать её в том месте системы, где похожий функционал уже есть. Решение: дробить задачи на мелкие шаги и перед каждой правкой проверять существующий код.
- Особенности работы браузера Safari на iPhone. Браузер сохраняет кеш и после обновления приложения иногда показывает пользователю старую версию, пока тот вручную не очистит данные сайта. ИИ не всегда учитывает эту особенность самостоятельно, после каждого обновления требуется явное тестирование.
В системе хранится медицинская история животных: 210 питомцев, 4 маршрута ухода, 8 типов лечебных курсов, 54 диагноза в справочнике.
За пределами фонда система пока не применялась. При этом решение масштабируется без увеличения расходов — оно не зависит от числа пользователей. Трекер закрывает рыночный разрыв, который существует именно для приютов: готовые ветеринарные системы не подходят для потоковой работы с большим числом животных без владельцев, а специализированных решений для приютов на рынке практически нет.
Успех кейса стал стимулом перехода к более широкому проекту: фонд начал разработку собственной платформы «Конура», единой системы управления всеми процессами приюта.
Успех кейса стал стимулом перехода к более широкому проекту: фонд начал разработку собственной платформы «Конура», единой системы управления всеми процессами приюта.
Луиза Матвиенко. Email pr@pitomec58.com
Чем этот кейс примечателен, чем выделяется среди других, отличается от других?
Этот кейс стал для фонда триггером системных изменений во всей работе приюта. В процессе разработки и внедрения трекера стало понятно, что: команда готова к цифровизации, она способна самостоятельно создавать решения под свои процессы, зависимость от внешних систем можно существенно снизить.
Кейс показывает, что НКО может перейти от использования чужих решений к созданию собственных, ИИ снижает барьер входа в разработку сложных систем, цифровизация может развиваться из реальной операционной боли.
Фактически, фонд перешёл от ответа на узкий вопрос «как не терять назначения?» к разработке системы, которая отвечает на гораздо более широкий вопрос: «как управлять приютом прозрачно и эффективно?»
Кейс показывает, что НКО может перейти от использования чужих решений к созданию собственных, ИИ снижает барьер входа в разработку сложных систем, цифровизация может развиваться из реальной операционной боли.
Фактически, фонд перешёл от ответа на узкий вопрос «как не терять назначения?» к разработке системы, которая отвечает на гораздо более широкий вопрос: «как управлять приютом прозрачно и эффективно?»
Какие фишки, результаты ИИ изумляют в этом кейсе?
По словам Виктории Щёлковой, «ИИ не просто писал код по техзаданию, а в процессе диалога предлагал архитектурные решения, о которых я как не-программист не знала бы — например, серверные сессии вместо хранения данных в браузере, аудит-лог на 16 типов событий, разделение ролей. Получилось решение качественнее того, которое я смогла бы сформулировать заранее».
Другой показательный момент: с момента запуска 1 марта 2026 года система работает без изменений — никаких критических ошибок или экстренных доработок.
Другой показательный момент: с момента запуска 1 марта 2026 года система работает без изменений — никаких критических ошибок или экстренных доработок.
Отзывы от команды
- Если бы нам пришлось принимать это решение повторно, мы бы однозначно снова выбрали внедрение ИИ и сделали бы это раньше. Если формулировать максимально точно: мы бы изначально строили процессы с учётом его возможностей. Этот опыт показал нам, что ИИ — это инфраструктура роста, которая позволяет НКО становиться самостоятельными в разработке и управлении своими процессами.
Ольга Горячева, главный ветеринарный врач фонда
Что бы авторы порекомендовали другим НКО, которые только присматриваются к ИИ или делают первые шаги?
- С удовольствием дадим две основные, на наш взгляд, рекомендации:
1. Начинайте с самой болезненной точки. Не пытайтесь спроектировать «идеальную CRM для приюта» с нуля. Возьмите одну конкретную задачу, которая уже мешает работать каждый день — например, «как видеть, кому из животных сегодня надо дать антибиотик». Решите её с ИИ, даже самую маленькую. Запустите. Дайте команде попользоваться неделю. Соберите обратную связь и нарастите следующий слой.
Наш трекер вырос именно так: от одной таблицы с задачами на день — до системы из 7 разделов. Если бы мы пытались сразу спроектировать всё, мы бы никогда не запустили.
2. Результат определяется качеством формулировки задач, а не качеством ИИ. ИИ хорошо пишет код, но не знает, как устроен ваш приют, фандрайзинг или процессы. Чем точнее вы описываете боль команды, реальные сценарии работы и крайние случаи — тем лучше результат. На практике это означает, что руководитель проекта тратит больше времени на формулировку требований и тестирование, чем на общение с ИИ.
Сами 600 часов работы Виктории Щелковой над проектом были в основном про то, чтобы думать о процессах, тестировать на реальных данных, ловить нестыковки в логике. ИИ — это инструмент, но эксперт предметной области незаменим.
Бонус-совет: не бойтесь, что не справитесь без программистского образования. Если вы умеете чётко формулировать задачу и систематически тестировать результат — этого достаточно. Всему остальному ИИ научит по ходу.