Jurnal https://gorgona.uz ru Mon, 15 Jun 2026 21:01:03 +0300 Yagona AI-platforma murojaatlarni qayta ishlash uchun: tarqoq arizalardan yagona jarayonga https://gorgona.uz/blog/help-desk https://gorgona.uz/blog/help-desk?amp=true Mon, 04 May 2026 13:49:00 +0300 Loyihalar AI-platforma fuqarolar murojaatlarini yagona tizimda birlashtirib, RAG va avtomatik marshrutlash orqali ularni tez va samarali qayta ishlaydi.

Yagona AI-platforma murojaatlarni qayta ishlash uchun: tarqoq arizalardan yagona jarayonga

Shahar xizmatlari har kuni fuqarolardan keladigan murojaatlar oqimini o‘nlab kanallar orqali qayta ishlaydi — portal va chatbotlardan tortib ijtimoiy tarmoqlar va yozma arizalargacha. Ushbu murojaatlarning katta qismi takroriy yoki standart javob talab qiladi, biroq hanuzgacha qo‘lda qayta ishlanadi.

Biz milliondan ortiq aholiga ega shahar meriyasi uchun AI-platforma yaratdik, u fuqarolar murojaatlarini yagona tizimga birlashtiradi va bilimlar bazasi hamda xabarlar tonalligini tahlil qilish orqali ularni qayta ishlashni tezlashtiradi.

Diskleymer: Biz axborot xavfsizligi standartlariga qat’iy rioya qilamiz va mijozlarimiz maxfiyligini ta’minlaymiz. Ushbu loyiha NDA asosida amalga oshirilgan, shuning uchun kompaniyaning haqiqiy nomi oshkor etilmaydi. Keysdagi barcha interfeys skrinshotlari va ma’lumotlar maxfiy ma’lumotlarni himoya qilish maqsadida obfuskatsiya qilingan (vizual o‘zgartirilgan). Shu bilan birga, yechim arxitekturasi, texnologik stek va yakuniy biznes-metrikalar buzilmagan holda taqdim etilgan.

Muammo nimada edi

Murojaatlarni qayta ishlash jarayonida muntazam ravishda bir xil ssenariylar yuzaga kelar edi, ular tizimning zaif tomonlarini ko‘rsatardi.

Masalan, bir xil hodisa — hovlida qulagan daraxt yoki tozalanmagan qor — bir vaqtning o‘zida shahar portali, chatbot va ijtimoiy tarmoqlardagi xabar orqali kelishi mumkin edi. Natijada u bir necha bor ro‘yxatdan o‘tkazilib, turli bo‘linmalarga yuborilar va u yerda parallel qayta ishlanardi.

Yana bir tipik holat — foydalanuvchi murojaatni “rasmiy kanal” orqali yuboradi, so‘ng boshqa servis orqali uni takrorlaydi, chunki ariza allaqachon ko‘rib chiqilayotganini bilmaydi. Tizim bunday holatlarni bog‘lay olmas edi va ular alohida murojaatlar sifatida mavjud bo‘lib qolardi.

Teskari muammo ham bor edi: operator arizani oladi, lekin to‘liq tarixni ko‘rmaydi. Kontekstni tushunish uchun u turli tizimlarni qo‘lda tekshirishi va boshqa bo‘linmalardan holatni aniqlashi kerak edi.

Alohida muammo sifatida tipik savollar tizimni ortiqcha yuklardi. Masalan: “JKX bo‘yicha qayerga murojaat qilish kerak”, “qanday ariza topshiriladi”, “ko‘rib chiqish muddati qancha”. Bunday murojaatlar operator vaqtini olardi, garchi ular standart javob bilan yopilishi mumkin bo‘lsa ham.

Natijada muammo murojaatlarning o‘zida emas edi, balki tizim ularni birlashtira olmasligi, klassifikatsiya qila olmasligi va oldindan ma’lum bo‘lgan javobni tez taqdim eta olmasligida edi.

Tarqoq arizalardan yagona oqimga

Biz turli kanallardan keladigan murojaatlarni yagona konturga birlashtiradigan va standartlashtiradigan tizim ishlab chiqdik.

Uning asosiy g‘oyasi shundaki, murojaatlar endi turli vositalar va idoraviy tizimlarda alohida yashamaydi. Buning o‘rniga, barcha kiruvchi so‘rovlar qayerdan kelganidan qat’i nazar — shahar portali, chatbot, ijtimoiy tarmoqlar yoki ichki servislar — yagona platformada agregatsiya qilinadi.

Tizim murojaatlarni qayta ishlashning yagona markazi sifatida ishlaydi: u xabarlar oqimini qabul qiladi, normallashtiradi va mas’uliyat logikasiga muvofiq keyingi bosqichlarga yo‘naltiradi.

Tizim qanday ishlaydi

Foydalanuvchi murojaatni istalgan mavjud kanal orqali yuboradi — shahar portali, chatbot, ijtimoiy tarmoqlar yoki ichki servislar. Shundan so‘ng tizim uni qayta ishlashga oladi va platforma ichida yagona strukturali so‘rovga aylantiradi.

Barcha kiruvchi murojaatlar bitta kirish nuqtasiga tushadi, bu yerda ular dastlabki qayta ishlash va klassifikatsiyadan o‘tadi. Ushbu bosqichda tizim murojaat mavzusini aniqlaydi va uni avtomatik ravishda tegishli yo‘nalishga marshrutlaydi: shahar infratuzilmasi (yo‘llar, obodonlashtirish), JKX va kommunal masalalar, favqulodda vaziyatlar yoki boshqa kategoriyalar.

Ta’qsimlangandan so‘ng murojaat mas’ul bo‘linmaga yuboriladi va u yerda qayta ishlash boshlanadi. Butun jarayon skvoz (end-to-end) zanjir sifatida qurilgan: murojaatni qayd etish, ijrochini tayinlash, qayta ishlash va natijani foydalanuvchiga qaytarish.

Har bir bosqichda shaffof status modeli saqlanadi, u murojaat qaysi bosqichda ekanini va ayni paytda nima sodir bo‘layotganini ko‘rsatadi. Bu “yo‘qolgan” arizalarni bartaraf etish va barcha ishtirokchilar uchun noaniqlikni kamaytirishga yordam beradi.

AI qayerda ishlaydi

Murojaatni tonallik orqali tushunish

Birinchi qatlam — murojaat tonalligini tahlil qilish.

Har bir kiruvchi xabar avtomatik ravishda matn tahlilidan o‘tadi va tizim quyidagilarni aniqlaydi:

neytral so‘rov
salbiy yoki konfliktli murojaat
potensial shoshilinch vaziyat

Bu operatorga murojaat xarakterini darhol ko‘rish imkonini beradi, tizimga esa prioritetlashda yordam beradi. Aslida bu so‘rovga qanchalik tez va qaysi rejimda javob berish kerakligini ko‘rsatadigan tezkor signal hisoblanadi.

Tezkor javoblar qatlami sifatida RAG-bilimlar bazasi

Operator yoki tizim tipik savolga duch kelganda, platforma bilimlar bazasiga murojaat qiladi va mos maqolalar, yo‘riqnomalar yoki reglament javoblarni tanlaydi.

Bu quyidagi ssenariylarda qo‘llaniladi:

savol allaqachon standart javobga ega bo‘lsa
profil bo‘linmani jalb qilish talab etilmasa
qo‘shimcha marshrutlashsiz tezkor yopish kerak bo‘lsa

Aslida, RAG qo‘lda ma’lumot qidirish hajmini kamaytiradi va takrorlanuvchi murojaatlarni qayta ishlashni tezlashtiradi.

Nima o‘zgardi

Platforma joriy etilishi murojaatlarni qayta ishlash jarayonini sezilarli darajada o‘zgartirdi — qo‘lda va fragmentlangan yondashuvdan markazlashgan va yanada prognoz qilinadigan modelga o‘tildi.

Asosiy natijalar:

Murojaatlarning 23% RAG-bilimlar bazasi va avtomatik mos javob tanlash hisobiga operator ishtirokisiz yopila boshlandi
Arizani qayta ishlashning o‘rtacha vaqti 4 soatdan 25 daqiqagacha qisqardi, bu avtomatik marshrutlash va qo‘lda operatsiyalar kamayishi bilan bog‘liq
Murojaatlarning 15% dubl sifatida aniqlanib, tizimga takroriy so‘rovlarni birlashtirish va ijrochilarga yuklamani kamaytirish imkonini berdi

Umuman olganda, tizim nafaqat murojaatlarni qayta ishlashni tezlashtirdi, balki operatsion ortiqchalikni ham kamaytirdi — takroriy ishlarni bartaraf etdi va yuklamani avtomatika hamda operatorlar o‘rtasida qayta taqsimladi.

]]> GenAI yordamga kelganda: test-keislar va avtotestlarni generatsiya qilish https://gorgona.uz/blog/aqa-ai-service https://gorgona.uz/blog/aqa-ai-service?amp=true Mon, 04 May 2026 15:00:00 +0300 Loyihalar Generativ AI yordamida test-keislar va avtotestlarni avtomatik yaratish, QA jarayonlarini tezlashtirish va reliz tayyorlashni optimallashtirish bo‘yicha zamonaviy yechim.

GenAI yordamga kelganda: test-keislar va avtotestlarni generatsiya qilish

Oldin: har bir reliz bilan o‘nlab vazifalar, yuzlab ssenariylar va katta hajmdagi test hujjatlari mavjud bo‘lib, jamoa ularni qo‘lda yig‘ar, kelishar va dolzarb holatda saqlardi.

Endi: siz analitika va maketlarni yuklaysiz, AI esa o‘zi test-keislarni shakllantiradi, avtotestlarni taklif qiladi va interfeys detallarini deyarli xatosiz hisobga oladi.

Kontekst

Mahsulot o‘sishi va relizlar sonining ortishi bilan jamoa testlashni masshtablashning tipik muammosiga duch keldi: vazifalar, ssenariylar va test hujjatlari hajmi jamoa imkoniyatlaridan tezroq o‘sdi.

Har bir reliz o‘nlab vazifalar, analitika, maketlar, izohlar, shuningdek test-keislar va avtotestlarni o‘z ichiga olardi, ularni qo‘lda kelishish va dolzarb holda saqlash kerak edi. Bu relizlarni tayyorlash vaqtini uzaytirib, o‘zgarishlarga reaksiyani sekinlashtirdi.

Asosiy yuklama rutinga tushdi — test hujjatlarini tayyorlash va ssenariylarni doimiy sinxronlashtirish. Shu bilan birga regressiya testlari ham ko‘payib, eski va yangi ssenariylarni tekshirish tobora ko‘proq vaqt ola boshladi.

Bir payt kelib, qo‘lda masshtablash qiyinligi aniq bo‘ldi. Yoki jamoani kengaytirish, yoki jarayonni tezlashtirish yo‘lini topish kerak edi. Natijada vazifa test-keislar va avtotestlarni yaratishni avtomatlashtirish hamda qo‘lda bajariladigan ishlarni qisqartirishga olib keldi.

Maqsadlar

Loyiha boshlanishidan oldin buyurtmachi bilan birgalikda quyidagi maqsadlar belgilandi:

Rutinni avtomatlashtirish, test-keislar analitika va hujjatlarga asoslanib deyarli “bir tugma bilan” shakllanishi
Avtotestlarni yanada mavjud qilish, ular test-keislar bilan bir vaqtda paydo bo‘lishi va tezda jarayonlarga ulanishi
“Professional darajadagi” sifatga erishish — avtomatik generatsiya qilingan test-keislar qo‘lda tayyorlanganlardan kam bo‘lmasligi (kamida 80% moslik)
Shaffoflikni ta’minlash, har bir jamoa a’zosi test-keis qanday shakllanganini tushuna olishi va bog‘liq materiallarni tez topishi

Yechim

Biz analitika va loyiha hujjatlariga asoslanib test-keislar va avtotestlarni avtomatik generatsiya qiluvchi servisni ishlab chiqdik. Asosida — kiruvchi materiallarni tahlil qiladigan, foydalanuvchi ssenariylarini ajratadigan va ularni strukturalangan test-keislarga aylantiradigan generativ AI.

Tizim faqat matn bilan emas, balki vizual materiallar bilan ham ishlaydi. Interfeys maketlari va skrinshotlar Vision API orqali hisobga olinadi, shu sabab test-keislar real foydalanuvchi ssenariylarini yaxshiroq aks ettiradi.

Barcha mantiq ssenariylarni asosiy birlik sifatida qurilgan. Har bir ssenariy ichida bog‘liq kontekst saqlanadi: analitika, test-keislar, avtotestlar va o‘zgarishlar tarixi. Ma’lumotlar PostgreSQL’da saqlanadi, bu esa katta hajmdagi ssenariylar bilan ishlashda yaxlitlikni ta’minlaydi.

Natijada tizim test-keislarni AAA (Arrange–Act–Assert) formatida — qadamlar, shartlar va kutilgan natijalar bilan generatsiya qiladi. Shuningdek ustuvorliklar va manba artefaktlar bilan bog‘lanish qo‘llab-quvvatlanadi.

Bundan tashqari, test-keislarga asoslangan avtotestlar generatsiyasi amalga oshirilgan. Tizim ssenariylarni jamoada ishlatiladigan til va frameworklarni hisobga olgan holda kodga aylantiradi, bu esa avtotestlarni mavjud testlash jarayonlariga darhol integratsiya qilish imkonini beradi.

Natijada analitika, test-keislar va avtotestlarni yagona oqimga birlashtiruvchi vosita yaratildi. Bu qo‘lda bajariladigan ishlarni kamaytirib, reliz tayyorlashni tezlashtirdi hamda testlash jarayonini yanada boshqariladigan va shaffof qildi.

Natijalar

Dastlab oddiy gipoteza tekshirildi: AI test-keislarni shunday sifatda generatsiya qila oladimi, ularni deyarli o‘zgartirmasdan ishlatish mumkinmi.

Buning uchun tizimga real analitik hujjatlar yuklanib, natijalar tajribali mutaxassislar tomonidan qo‘lda yaratilgan test-keislar bilan solishtirildi.

Amaliy natijalar:

Generatsiya qilingan test-keislarning katta qismi darhol ishlatildi, test hujjatlarini tayyorlash vaqti sezilarli qisqardi
Faqat test-keislar emas, balki ular asosida avtotestlar ham avtomatik shakllana boshladi
QA jarayonidagi qo‘lda bajariladigan operatsiyalar keskin kamaydi, testlash tezroq va prognoz qilinadigan bo‘ldi

Alohida muhim jihat — tizim turli turdagi kiruvchi ma’lumotlar va hujjatlar hajmi bilan barqaror ishladi. Generatsiya sifati barqaror bo‘lib, feedback asosida tez moslashdi.

Jamoa bilan doimiy ishlash natijasida dublikat ssenariylar olib tashlandi, keislarni ajratish logikasi yaxshilandi va natijaviy artefaktlarning o‘qilishi oshirildi.

Natijada tizim eksperimental vositadan to‘liq ishchi jarayonga o‘tdi. Test-keislar avtomatik yaratiladigan, avtotestlar deyarli darhol paydo bo‘ladigan bo‘ldi, jamoa esa rutinga emas, mahsulot vazifalariga ko‘proq vaqt ajrata boshladi.

]]> Intervyudan hisobotgacha bir necha daqiqada: Nomzodlarni tahlil qilish uchun AI https://gorgona.uz/blog/automate-hr-reports https://gorgona.uz/blog/automate-hr-reports?amp=true Mon, 04 May 2026 15:24:00 +0300 Loyihalar Intervyularni avtomatik qayta ishlovchi AI-platforma: transkribatsiya, kompetensiya tahlili va strukturali hisobotlarni bir necha daqiqada yaratish.

Intervyudan hisobotgacha bir necha daqiqada: Nomzodlarni tahlil qilish uchun AI

Bir soatlik intervyu. Yana bir necha soat hisobot tayyorlash. Oldin bu — formulirovkalar ustida uzoq qo‘lda ishlash, ekspertlar o‘rtasida muhokamalar va yakuniy xulosalarni yig‘ishni anglatardi.

Bugun AI dastlabki qayta ishlash va strukturani o‘z zimmasiga oladi, ekspert esa tahlil va qaror qabul qilishga e’tibor qaratadi.

Ushbu кейсda biz uch hafta ichida qanday qilib intervyularni avtomatik qayta ishlaydigan, javoblarni kompetensiyalar bo‘yicha taqsimlaydigan va ekspert hisobotlarini tezroq tayyorlashga yordam beradigan servis yaratganimiz haqida gapiramiz.

Nima uchun yechim zarur edi

Xodimlarni baholash jarayonlarida intervyu — bu faqat ishning birinchi bosqichi. Keyin asosiy yuk boshlanadi: ekspertlar nomzod javoblarini tahlil qiladi, ularni kompetensiyalar bilan solishtiradi va kadrlar bo‘yicha qarorlar uchun yakuniy hisobotlarni shakllantiradi.

Buyurtmachida bu juda og‘ir qo‘lda bajariladigan jarayonga aylangan edi. Bitta hisobot o‘rtacha 2–3 kun vaqt olardi va ekspertlar o‘rtasidagi muhokamalarni, kuzatuvlarni qayd etishni, shablonlarni to‘ldirishni hamda bir nechta kelishuv bosqichlarini o‘z ichiga olardi.

Yagona struktura mavjud bo‘lsa ham, har bir hujjatni har bir nomzod uchun qaytadan yig‘ishga to‘g‘ri kelardi.

Vaqt o‘tishi bilan asosiy vaqt tahlilning o‘ziga emas, balki uni rasmiylashtirish va takrorlanuvchi operatsiyalarga ketayotgani ayon bo‘ldi. Shu yerda vazifa shakllandi — ekspert baholash sifati saqlangan holda hisobot tayyorlashni tezlashtirish.

Nima muhim edi

Buyurtmachi bilan muhokamalardan so‘ng loyiha faqat hisobotlarni tezlashtirish emasligini tushundik. Ekspertlar o‘z tajribasi va kuzatuvlarini qadrlaydi, shuning uchun AI insonni almashtirmasligi, balki uni to‘ldirishi muhim edi.

hisobot tayyorlashdagi rutinni avtomatlashtirish, ekspertlar tahlilga e’tibor qaratishi uchun
intervyularni strukturallashtirish va muhim detallarni yo‘qotmasdan javoblarni tahlil qilish
o‘tkazib yuborilgan bo‘lishi mumkin bo‘lgan nuqtalarni aniqlash, kompetensiyalarning kuchli va zaif tomonlarini ajratish
ekspert qaror qabul qilishi uchun tavsiyalar va asoslar taqdim etish

Ekspertni almashtirish emas, balki yengillashtirish

Yechimning asosida oddiy logika yotardi: ekspert baholash sifatini yo‘qotmasdan hisobot tayyorlashni tezlashtirish.

Maqsad — barcha ishni AI ga topshirish emas, balki intervyu atrofidagi rutinni olib tashlash va mutaxassisga tahlil uchun tayyor asos berish edi.

Bu jarayonda AI yordamchi sifatida ishlaydi: ma’lumotlarni qayta ishlaydi, strukturani yaratadi va dastlabki interpretatsiyani beradi. Ekspert esa natija bilan ishlaydi — tekshiradi, aniqlashtiradi va yakuniy qarorni qabul qiladi.

Natijada biz platformamizda intervyu yozuvini kompetensiyalar bo‘yicha strukturali xulosaga aylantiradigan servis yaratdik.

Jarayon qanday ishlaydi

Ekspert intervyu audiosini yuklaydi va tahlil uchun kompetensiyalarni tanlaydi
Tizim yozuvni matnga transkribatsiya qiladi va uni mazmuniy bloklarga ajratadi
AI javoblarni kompetensiyalar bilan moslashtiradi va dastlabki xulosani shakllantiradi
Natijada argumentlar va nomzodning kuchli hamda zaif tomonlari ajratilgan strukturali hisobot hosil bo‘ladi

Butun jarayon bitta interfeysda amalga oshadi: transkribatsiyani ko‘rish, tahlilni ishga tushirish, kompetensiyalar o‘rtasida o‘tish va yakuniy matnni tahrirlash mumkin.

Kompetensiyalar to‘liq sozlanadi va tizim logikasini o‘zgartirmasdan turli baholash metodologiyalariga moslashtirilishi mumkin.

Qo‘shimcha ravishda AI bilan chat integratsiya qilingan — u hisobotni takomillashtirish vositasi sifatida ishlaydi: intervyu fragmentlarini aniqlashtirish, xulosalarni qayta formulirovka qilish va muqobil interpretatsiyalar olish mumkin.

Xavfsizlik va ma’lumotlar bilan ishlash

Ma’lumotlarni qayta ishlash alohida xavfsizlik talablarini hisobga olgan holda amalga oshiriladi — intervyular tahlildan oldin anonimlashtiriladi va tashqi servislariga uzatilmaydi.

Natijada ekspert xom material yoki bo‘sh shablon emas, balki allaqachon yig‘ilgan strukturali hisobot asosini oladi va uni tezda yakuniy ko‘rinishga keltiradi.

Natijada nima olindi?

Tizim ikki asosiy effekt berdi: hisobot tayyorlash tezlashdi va ekspertlarga tezroq hamda aniqroq ishlashga yordam beradigan qo‘shimcha tahlil qatlami paydo bo‘ldi.

“Muqobil fikr” bir necha daqiqada — ekspert 5–7 daqiqa ichida AI tomonidan tuzilgan strukturali xulosani oladi va uni nolдан yig‘ish o‘rniga asos sifatida ishlatadi
Rutinni qisqartirish — oldin formulirovka va rasmiylashtirishga ketgan vaqtning katta qismi avtomatlashtirildi
Tizim moslashuvchanligi — kompetensiyalarni tizim logikasini o‘zgartirmasdan qo‘shish va sozlash mumkin
AI chat ishchi vosita sifatida — xulosalarni aniqlashtirish, formulirovkalarni yaxshilash va nomzod rivoji bo‘yicha tavsiyalar olish uchun ishlatiladi, ular darhol yakuniy hisobotga kiritiladi

Natijada ekspertlar baholash mohiyatiga tezroq o‘tadi, hisobot esa alohida murakkab bosqich emas, balki intervyu tahlilining tabiiy davomi sifatida shakllanadi.

]]> AI yordamida HR jarayonlarini avtomatlashtirish: individual rivojlanish rejasini daqiqalarda shakllantirish https://gorgona.uz/blog/ai-performance-review https://gorgona.uz/blog/ai-performance-review?amp=true Mon, 04 May 2026 17:37:00 +0300 Loyihalar AI yordamida HR jarayonlarini optimallashtirish кейси: individual rivojlanish rejalari (ИПР)ni avtomatlashtirish, vaqtni qisqartirish va xodimlar rivojlanishini yaxshilash.

AI yordamida HR jarayonlarini avtomatlashtirish: individual rivojlanish rejasini daqiqalarda shakllantirish

Kirish

IT jamoalarida individual rivojlanish rejalari (ИПР) ko‘pincha oddiy formallikdek tuyuladi, toki ularni real yaratish bosqichiga kelinmaguncha. Qog‘ozda hammasi mantiqli: fikr-mulohazalarni yig‘ish, ko‘nikmalarni baholash, maqsadlarni shakllantirish. Amalda esa bu jarayon tarqoq izohlarni qo‘lda yig‘ib, ularni shablon ko‘rinishidan qochgan holda yaxlit reja holiga keltirishni talab qiladigan murakkab va vaqt talab qiluvchi ishga aylanadi.

Ushbu кейсда biz ИПР yaratish jarayonini qanday avtomatlashtirganimiz va HR ma’lumotlari hamda baholash natijalari asosida shaxsiy rivojlanish rejalarini daqiqalarda shakllantirishni qanday yo‘lga qo‘yganimiz haqida gapiramiz.

Oldin qanday edi

HR bo‘limi muntazam ravishda performance review — xodimlarni kompleks baholash jarayonini o‘tkazadi. Bu jarayon fikr-mulohazalarni yig‘ish, ko‘nikmalarni tahlil qilish va ularning vaqt davomida rivojlanishini qayd etishni o‘z ichiga oladi.

Jarayonda hamkasblar, mijozlar va team leadlardan feedback yig‘iladi, shuningdek hard va soft skills baholanadi. Shu asosda individual rivojlanish rejasi (ИПР) shakllantiriladi, unda o‘sish yo‘nalishlari va kuchaytirish kerak bo‘lgan jihatlar belgilanadi.

Asosiy muammo aynan shu bosqichda boshlanardi.

Oldin team leadlar ИПРni qo‘lda tuzardi. Har bir reja uchun 30–40 daqiqa, katta hajmdagi feedback bo‘lsa undan ham ko‘proq vaqt ketardi. Har safar ma’lumotlarni qayta strukturalash va tarqoq izohlarni yaxlit reja shakliga keltirish kerak bo‘lardi. Bu esa “bo‘sh sahifa” effektini yuzaga keltirardi — nima qilish kerakligi tushunarli, lekin uni tez va aniq hujjatga aylantirish qiyin.

AI qanday yordam berdi

Burilish nuqtasi generativ AI texnologiyalariga jiddiy yondashganimizda yuz berdi. Biz oddiy “middle developer uchun rivojlanish rejasi yoz” kabi yondashuvdan voz kechdik, chunki universal yechim yo‘qligi aniq bo‘ldi.

Buning o‘rniga kompaniya ichida allaqachon mavjud bo‘lgan ma’lumotlarga tayandik: feedback, attestatsiya natijalari, xodimlar rivojlanish tarixi. Aynan shu bizning asosiy ustunligimizga aylandi.

Ichki mexanizm: ИПР qanday yaratiladi

Biz AI vositasini ishlab chiqdik, u attestatsiya natijalari asosida hard va soft skills baholariga tayangan holda avtomatik ravishda individual rivojlanish rejalarini (ИПР) yaratadi. Har bir ИПР shaxsiylashtirilgan bo‘lib, aniq o‘sish nuqtalariga yo‘naltiriladi.

Bu qanday ishlaydi:

Har bir xodim uchun vaqt o‘tishi bilan quyidagi ma’lumotlar to‘planadi:

baholar
hamkasblar fikrlari
leadlar izohlari
oldingi rivojlanish rejalari

Bu ma’lumotlar yagona strukturali kontekstga birlashtiriladi va tizim ichida master-prompt (katta AI so‘rovi)ga aylantiriladi.

Foydalanuvchi uchun jarayon maksimal darajada sodda:

xodim tanlanadi
“ИПР yaratish” tugmasi bosiladi

Keyin tizim quyidagilarni bajaradi:

xodim haqidagi barcha ma’lumotlarni yig‘adi
ularni yagona kontekstga birlashtiradi
kuchli tomonlar va rivojlanish zonalariga urg‘u berilgan master-prompt yaratadi
uni modelga uzatadi
bir nechta ИПР variantlarini generatsiya qiladi
natijani tahrirlanadigan shaklda saqlaydi

Natijada tizim ma’lumotlarni yig‘ish, strukturalash va dastlabki reja tayyorlashni o‘z zimmasiga oladi. Shu bilan birga, boshqaruv saqlanadi: leadlar reja ustida ishlashi, uni moslashtirishi va yakuniy holatga keltirishi mumkin.

Qanday natijaga erishildi

ИПР generatorini joriy etish rivojlanish rejalarini yaratish jarayonini sezilarli darajada o‘zgartirdi — u tezroq, barqarorroq va shaxsiylashtirilgan bo‘ldi.

Natijalar:

ИПР tuzish vaqti 4–6 soatdan 15 daqiqagacha qisqardi
Rejalarni bajarish darajasi 65% dan 90% ga oshdi
Kadrlar almashinuvi 15% ga kamaydi
“Bo‘sh sahifa” effekti yo‘qoldi
Rejalar xodim rivojlanish tarixiga asoslanib yanada individual bo‘ldi
Moslashuvchanlik saqlanib qoldi — ИПРni tahrirlash mumkin

Natijada jarayon qo‘lda hujjat tuzishdan AI yordamida strukturani shakllantirishga o‘tdi. Inson esa asosiy e’tiborni mazmun va yakuniy qarorlarga qaratadi.

]]> O‘zbekistonda sun’iy intellektni kim va qanday yaratmoqda: 2026-yilgi ekotizim xaritasi https://gorgona.uz/blog/ai-uzbekistan-map-2026 https://gorgona.uz/blog/ai-uzbekistan-map-2026?amp=true Mon, 15 Jun 2026 11:00:00 +0300 Maqolalar O‘zbekistonning sun’iy intellekt bozori tuzilishini o‘rganing: Gorgona AI va ALPHA tadqiqotida fintexdan kiberxavfsizlikkacha bo‘lgan 13 ta segment, asosiy tendensiyalar va muammolar

O‘zbekistonda sun’iy intellektni kim va qanday yaratmoqda: 2026-yilgi ekotizim xaritasi

Gorgona AI kompaniyasi ALPHA korporativ ta’lim markazi bilan hamkorlikda O‘zbekistondagi sun’iy intellekt bozori ishtirokchilarining birinchi tizimli xaritasini namoyish qildi. Xaritadan til texnologiyalari va fintexdan tortib davlat infratuzilmasi hamda kiberxavfsizlikkacha bo‘lgan 13 ta yo‘nalishga birlashtirilgan 100 dan ortiq kompaniya, mahsulot va tashabbus o‘rin olgan.

To‘liq xaritani yuklab olish

Bozor shakllanish bosqichida

2025-yilda mamlakat “Hukumatning sun’iy intellektga tayyorligi indeksi”da sakkiz pog‘onaga yuqorilab, dunyoda 62-o‘rinni egalladi va sun’iy intellektni joriy etishga tayyorlik bo‘yicha mintaqaviy yetakchi maqomini tasdiqladi. Boshqa tomondan, mutaxassislar bozor hali ham shakllanish bosqichida ekanligini ta’kidlamoqda.

Ishlayotgan aholi orasida generativ sun’iy intellektdan foydalanish darajasi 2025-yilning ikkinchi yarmidagi 5,7 foizdan 2026-yilning birinchi choragida 7,2 foizgacha o‘sdi. O‘tkazilgan so‘rovnomalarga ko‘ra, mutaxassislarning 64 foizi o‘z ishida sun’iy intellekt vositalaridan hech bo‘lmaganda qisman foydalanmoqda.

Shu bilan birga, O‘zbekiston sun’iy intellekt bozori hajmining yagona bahosi hali mavjud emas va bu bozor hali shakllanayotganining asosiy belgisidir. Gorgona AI va ALPHA xaritasi uning tuzilishini aynan shu bosqichda aks ettiradi.

Davlat sur’atni belgilaydi

Xaritada davlat bir vaqtning o‘zida ikki rolda — tartibga soluvchi va eng yirik buyurtmachi sifatida harakat qiladi. Prezident Administratsiyasi strategik yo‘nalishni belgilaydi, Raqamli texnologiyalar vazirligi raqamli muhitning asosiy regulyatori va davlat sun’iy intellekt tashabbuslarining operatori hisoblanadi, Markaziy bank va ILMA esa sun’iy intellektni joriy etuvchi banklar, to‘lov tizimlari va elektron tijorat kompaniyalari uchun qoidalarni shakllantiradi. Xaritada amalga oshirilgan loyihalar orasida UZINFOCOM kompaniyasining MyID va DMED, davlat xizmatlari uchun biometrik identifikatsiya va sun’iy intellekt moduliga ega raqamli tibbiyot platformasi mavjud.

2025-yil noyabr oyida O‘zbekiston BAA bilan hamkorlikda "Besh million sun’iy intellekt yetakchisi" dasturini ishga tushirdi. 2030-yilgacha maktab o‘quvchilari, talabalar, o‘qituvchilar va davlat xizmatchilarini o‘z ichiga olgan qariyb 5 million kishini sun’iy intellekt va prompt muhandisligi bilan ishlashning asosiy ko‘nikmalariga o‘qitish rejalashtirilgan. Ushbu yo‘nalishlarning barchasi sun’iy intellektni rivojlantirishning 2030-yilgacha bo‘lgan Davlat strategiyasida belgilangan.

Fintex - eng yetuk segment

Bank va to‘lov sohalari birinchi bo‘lib sun’iy intellektni amaliy qo‘llashga o‘tdi va bu ko‘p jihatdan so‘nggi yillardagi faol raqamlashtirish natijasidir. 2025-yilda raqamli banking foydalanuvchilari soni 82,4 millionga yetdi, naqd pulsiz to‘lovlar ulushi barcha tranzaksiyalarning 43 foiziga yetdi. Sun’iy intellekt allaqachon skoring, antifrod, xizmatlarni shaxsiylashtirish va avtomatlashtirish uchun qo‘llanilmoqda. Kartadagi faol o‘yinchilar orasida Uzum, TBC, Click, shuningdek, UzCard va HUMO to‘lov tizimlarini ajratib ko‘rsatish mumkin.

Til texnologiyalari o‘sish nuqtasi sifatida

O‘zbek tili sun’iy intellekt modellari uchun kam resursli bo‘lib qolmoqda. Eng yirik ochiq nutq ma’lumotlar to‘plamlari ingliz tili uchun o‘n minglab soatlarga qarshi yuzlab soat audiolarni o‘z ichiga oladi. Shu fonda davlat tashabbuslari (UzLiB benchmark, Muxlisa ovozli yordamchisi, Milliy LLMni ishlab chiqish) va KOTIB AI, Tahrirchi turkiy tillar bilan ishlash platformasi va RubaiSTT ochiq nutqni aniqlash modeli kabi xususiy loyihalardan iborat klaster shakllanmoqda.

Startaplar yuksalishi

O‘zbekiston startap ekotizimi sezilarli o‘sishni boshdan kechirmoqda. Besh yil ichida u 13 barobar o‘sib, $3,9 mlrddan oshdi va StartupBlink kompaniyasining Global Startup Ecosystem Index 2026 mamlakatni dunyodagi eng tez rivojlanayotgan startap ekotizimi deb atadi. Xaritada LegalTech va HRTech’dan tortib agrotexnologiya va logistikagacha bo‘lgan turli yo‘nalishlardagi loyihalar to‘lqini qayd etilgan bo‘lib, ularning bir qismi allaqachon xalqaro bozorlarda faoliyat yuritmoqda. Masalan, O‘zbekistonning Twolabs AI startapi mamlakatda birinchi bo‘lib Y Combinator akseleratoriga saralashdan o‘tdi.

Kadrlar masalasi

2025-yil oktyabr oyida O‘zbekiston OpenAI bilan hamkorlikni yo‘lga qo‘ydi: ta’lim muassasalarida ChatGPT Edu joriy etilmoqda, talabalar va o‘qituvchilar uchun kurslar ishlab chiqilmoqda. Universitetlar qoshida sun’iy intellekt bo‘yicha tadqiqot laboratoriyalari ochilmoqda, AI Maktab maktab o‘quvchilariga raqamli ko‘nikmalarni o‘rgatmoqda, ALPHA kabi xususiy ta’lim loyihalari paydo bo‘lmoqda. Shu bilan birga, sun’iy intellekt mutaxassislarining yetishmasligi hozircha bozorning muhim tarkibiy cheklovlaridan biri bo‘lib qolmoqda.

Nuqsonlar qayerda qoladi?

Xarita mualliflarining ta’kidlashicha, kiberxavfsizlik ekotizimning eng kam to‘ldirilgan segmentlaridan biridir. Aniqlangan kibertahdidlarning eng ko‘pi AKT sektoriga (51,4%), undan keyin davlat sektori (24,2%) va fintex (13,6%) ga to‘g‘ri keladi. Sun’iy intellektni joriy etish soni ortib borayotgan bir paytda, bu xavflarga yangilari qo‘shilmoqda: har bir so‘rovda bulutli modellarga o‘tayotgan ma’lumotlar, korporativ tizimlarga haddan tashqari kirish huquqiga ega bo‘lgan agentlar va shaffof bo‘lmagan qaror qabul qilish algoritmlari.

Hisoblash infratuzilmasi ham hali raqamlashtirish sur’atlaridan ortda qolmoqda: yangi ma’lumotlar markazi va bulutli platformalar loyihalariga qaramay, Statista ma’lumotlariga ko‘ra, mamlakatda atigi oltitaga yaqin ma’lumotlar markazi mavjud va hisoblash quvvatlariga bo‘lgan talab yangi klasterlar joriy etilishidan tezroq o‘sib bormoqda.

Karta 2026-yil iyun oyi holatiga ko‘ra amal qiladi va har yili yangilanadi. Ijodkorlar joriy nashrga kiritilmagan kompaniyalarni keyingi nashrga kiritish uchun o‘zlari haqida ma’lumot yuborishga taklif qiladi.

Ijodkorlar haqida

Gorgona AI - end-to-end modeli bo‘yicha biznes uchun sun’iy intellekt agentlarini yaratish va joriy etishga ixtisoslashgan kompaniya: uskunadan platformagacha va biznes jarayonlariga tatbiq etishgacha. Platforma ma’lumotlarni tashqi serverlarga uzatmasdan, mijoz infratuzilmasida mahalliy ravishda joylashtiriladi.

ALPHA - korporativ ta’lim markazi bo‘lib, O‘zbekiston, Qozog‘iston, Tojikiston va boshqa mamlakatlarning 200 dan ortiq kompaniyalari, jumladan Kapitalbank, TBC Bank, Click, NBU, Korzinka va UzAuto uchun 500 dan ortiq treninglar o‘tkazdi.

]]>