The company

WID is a digital wardrobe and AI stylist, and a winner of GSEA Russia. When I joined, a team of 25 was taking the product from demo to a wide public release for a mass audience, and the company wanted to start working with brands to see how partnerships work in practice.

My role

I was a product manager intern on the brands and partner direction. The questions: do brands need this, what exactly do they need, and what could a partnership look like for users and for WID?

What I did

• Interviewed 5+ local brands to find out whether they need the product and what exactly they need
• Built a competitor map and researched the partner direction: segments, channels, business models
• Turned ideas into testable hypotheses and proposed 3-5 experiments, ranked by impact, speed and testability
• Compared monetization models: commissions, partner links, promo codes, pay-per-action
• Prototyped the brand flow, one of three: the main screen and how collaboration works. Wrote requirements and set tasks for the team in GitHub

What came out of it

The main takeaway from the interviews: WID shouldn't become yet another marketplace with an endless feed. It should be a highly personal assistant that knows everything about your wardrobe, suggests only what matters, and can even tell you "you don't need this". The team started building around that idea.

Stage: research and hypotheses. No finished experiments yet, so no revenue or conversion numbers.

The company

EMITECH is a St. Petersburg IT company (100+ people) that builds software and hardware solutions for business, including projects with computer vision and neural networks. This project was a computer vision model in the medical field. To train it, the team needed a dataset of 24,000 images, labeled accurately and fast.

My role

Labeling that many photos by hand was the bottleneck. I came up with the logic of a pre-labeling tool and directed its AI-written code, then used it to label images myself.

Estimated time for the full dataset: 213 → 127 hours.

How it worked

The tool found a foot, toe, heel and an A4 sheet, drew boxes, flagged doubtful cases and exported to COCO for a manual check in Roboflow. It started with classic image processing in OpenCV and later got local YOLO models trained on verified labels.

Quality

Each run, the tool reported how many answers were right and how many wrong. The errors dropped with every iteration down to a minimum, and the final check was done by hand in Roboflow.

About the project

A CRM-style system for rental properties that I built for myself and use to keep track of my properties, payments and income on time.

My role

I designed the logic and structure and built it with AI tools, from the first idea to individual features.

What it does

• Tracks properties, payments and income
• Analyses financial metrics
• Automates routine tasks

О компании

WID — цифровой гардероб и AI-стилист, победитель GSEA Russia. Когда я пришёл, команда из 25 человек выводила продукт из демо к широкому запуску для массовой аудитории, а компания хотела начать работать с брендами, чтобы на практике увидеть, как работает партнёрство.

Моя роль

Я был стажёром-продактом в направлении брендов и партнёров. Вопросы: нужен ли это брендам, что именно им нужно и как может выглядеть партнёрство для пользователей и для WID.

Что я делал

• Провёл интервью с 5+ локальными брендами: нужен ли им продукт и что именно им нужно
• Составил карту конкурентов и исследовал партнёрское направление: сегменты, каналы, бизнес-модели
• Превратил идеи в проверяемые гипотезы и предложил 3-5 экспериментов по влиянию, скорости и проверяемости
• Сравнил модели монетизации: комиссии, партнёрские ссылки, промокоды, оплата за действие
• Прототипировал поток брендов, один из трёх: главный экран и то, как устроено сотрудничество. Писал требования и ставил задачи команде в GitHub

К чему это привело

Главный вывод из интервью: WID не должен становиться очередным маркетплейсом с бесконечной лентой. Это должен быть очень персональный помощник, который знает всё о твоём гардеробе, предлагает только важное и может даже сказать «тебе это не нужно». Команда начала строить продукт под эту идею.

Этап: исследование и гипотезы. Экспериментов пока завершено не было, поэтому цифр по выручке и конверсии нет.

О компании

Эмитех — IT-компания из Санкт-Петербурга (100+ человек), которая делает программные и аппаратные решения для бизнеса, в том числе проекты с компьютерным зрением и нейросетями. Этот проект — модель компьютерного зрения в медицинской сфере. Для её обучения нужен был датасет из 24 000 изображений, размеченных точно и быстро.

Моя роль

Размечать столько фотографий вручную было узким местом. Я придумал логику инструмента предразметки и направлял написанный с помощью AI код, а затем сам размечал им изображения.

Расчётное время на весь датасет: 213 → 127 часов.

Как работал

Инструмент находил стопу, носок, пятку и лист А4, рисовал рамки, отмечал сомнительные случаи и экспортировал в COCO для ручной проверки в Roboflow. Сначала использовалась классическая обработка в OpenCV, позже появились локальные модели YOLO, обученные на проверенной разметке.

Качество

После каждого прогона инструмент показывал, сколько ответов верных и сколько ошибочных. С каждой итерацией ошибок становилось меньше, пока их число не стало минимальным, а финальную проверку я делал вручную в Roboflow.

О проекте

CRM-подобная система для арендных объектов, которую я сделал для себя и сам использую, чтобы вовремя отслеживать объекты, платежи и доходы.

Моя роль

Я проработал логику и структуру и собрал систему с помощью AI-инструментов: от первой идеи до отдельных функций.

Что делает система

• Отслеживает объекты, платежи и доходы
• Анализирует финансовые показатели
• Автоматизирует рутинные операции