RUMI AI

Проблема, которую не видно, пока не станет поздно

Мелкое хозяйство не может держать ветеринара при стаде круглосуточно. Корова слабеет постепенно — сначала едва заметно, потом резко, — и к тому моменту, когда хозяин замечает неладное, помогать часто уже поздно.

Команда столкнулась с этим лично: одна из семейных коров начала сдавать в предновогодней суете, когда все были заняты подготовкой к празднику, и никто не следил достаточно пристально. К моменту, когда заметили, спасти животное не удалось.

Что придумали

RUMI — мультисенсорный ошейник на Edge AI плюс онлайн-платформа. Он отслеживает жвачку и двигательную активность коровы и передаёт данные на сервер по GSM.

Ключевое отличие — не набор датчиков, а то, с чем они сравнивают. Обычные системы мониторинга скота сверяют показатели животного с общепринятым стандартом породы. RUMI работает по технологии Individual Baseline: первые одну-две недели устройство просто наблюдает за конкретной коровой, строя её собственную норму, а дальше сравнивает её саму с собой вчерашней. Это снижает число ложных срабатываний и повышает точность там, где общий стандарт слишком грубый.

По юридическим соображениям система не ставит диагноз «мастит» или «кетоз» — она уведомляет об «изменении ключевых маркеров активности», оставляя постановку диагноза ветеринару.

Как это началось

«История проекта RUMI началась накануне Нового, 2026 года, когда я провёл несколько дней в ауле у родственников… В разгар этой суматохи мы не заметили, что одна из коров начала сдавать — сначала мелкие признаки, затем состояние ухудшилось. Когда до нас дошло, что что-то не так, было уже поздно: животное погибло».

Стало ясно, что дело не в одной семье: физически нереально круглосуточно следить за каждым животным в периоды пиковых нагрузок. Так родилась идея системы, которая заметит первые признаки болезни раньше человека.

Главный провал: ставка не на ту аудиторию

«Наш главный провал на старте заключался в неправильном выборе аудитории: мы массово связывались с ветеринарами, но большинство из них специализировалось на мелких домашних животных, а не на КРС, из-за чего наши запросы игнорировались, а единственным экспертом долгое время оставался наш дедушка-животновод с 40-летним стажем».

Тупик пробили не количеством попыток, а сменой канала: через ментора вышли на профильного эксперта по КРС , задействовали LinkedIn для выхода на крупных фермеров Алматы и поехали на офлайн-встречи в село.

«Переломным моментом стало то, что во время поездки на наших глазах из-за запоздалого диагноза погибла корова — это до слёз наглядно доказало суровую реальность проблемы».

Урок команда формулирует так: пробивать информационный тупик через правильный нетворк, а не через объём рассылки.

Разбор изобретателя

Метод-этап	Смена канала выхода на экспертов после провального CustDev
Что сработало	Точечный контакт через ментора вместо массовой рассылки «в никуда»; выход на фермеров через LinkedIn, а не только через профильные ассоциации
Что не сработало	Расчёт на ветеринарное сообщество «вообще» — без разделения на специализацию по видам животных
→ Инструмент Части 2	Как проверить канал выхода на эксперта до того, как потратить на него недели: специализация важнее охвата

Где проект сейчас

Аудио-интервью уточняет техническую суть того, что уже доказано: рабочей оказалась связка акселерометра с гироскопом — система видит паттерны движения коровы и различает хромоту и вялость по походке, передавая данные по беспроводной связи. Первая версия прототипа собрана и испытана; сейчас, с учётом её недостатков, делается вторая.

Команда формулирует это как главный результат — не устройство, а подтверждённая концепция: по движению животного действительно можно заметить болезнь раньше человека.

Серия кастдевов с фермерами и ветеринарами проведена, ошейники протестированы в реальных полевых условиях. По итогам анализа типологии КРС фокус сужен на молочном животноводстве — как на наиболее маржинальном сегменте, где технология окупается быстрее.

Инженерно система тоже сузилась: в первой версии стояли три датчика (температура, акселерометр с гироскопом, микрофон), но полевые тесты в степной зоне показали, что температурный датчик и микрофон создают только шум и мешают шерсть — оба убрали, оставив акселерометр с гироскопом как основу.

Дальше — адаптация линейки под мясные и гибридные породы, затем под лошадей (поголовье в Казахстане растёт, а размеченных данных по ним пока нет). Команда прошла в финал KAIS Shark Tank и участвовала в Pizza Pitch в Алматы и Таразе; готовятся заявки в британские и французские фонды поддержки (British Council, Alliance Française) для международного трека.

Потенциал развития

Взгляд со стороны: чем этот проект может стать, если довести его до продукта. Это аналитическая гипотеза редакции, а не заявление команды.

Ценность RUMI не в самом ошейнике — корпус и датчики повторимы. Ценность в двух вещах: алгоритме Individual Baseline, который умеет строить индивидуальную норму животного, и в «Data Factory» — размеченном датасете биомаркеров крупного рогатого скота, который команда планирует собирать через пилотную ферму с ветеринарной разметкой событий. Такой датасет сегодня в дефиците, и он работает не только на RUMI.

Модель, которая не конфликтует с миссией: начинать не с 85–90% мелких хозяйств без ветеринаров (они и есть носители проблемы, но platить за оборудование им сложнее всего), а с крупных молочных хозяйств и агрохолдингов как якорных клиентов, окупающих разработку, — и уже оттуда спускаться вниз по рынку.

Направления, куда это масштабируется

Направление	Что переиспользуется	Пример применения
Мясной и гибридный скот, затем лошади	Та же архитектура датчиков и алгоритм Individual Baseline, другая порода/вид	Уже в roadmap команды — растущее поголовье лошадей в РК, где размеченных данных почти нет
«Data Factory» как датасет-актив	Размеченные ветеринаром данные нормы и отклонения	Обучающая выборка для любых будущих моделей мониторинга скота, не только для RUMI
Устойчивая связь для агро-IoT	GSM + кэширование на SD-карту при потере сигнала	Модуль связи, решающий проблему покрытия не только для ошейников, но и для другой сельской автоматики на пастбищах
Модуль первой помощи	Слой рекомендаций поверх детекции аномалии	Пошаговая инструкция для хозяина при обнаружении отклонения — задел на телеветеринарию для регионов без доступа к врачу

Что нужно доказать. Первое — точность алгоритма на независимой выборке, а не только на собственных полевых тестах. Второе — экономику Data Factory: сколько стоит разметка одной коровы и кто за неё платит на старте. Третье — готовность крупных хозяйств платить за подписку сверх стоимости устройства.

Что советуют тем, кто начинает

«Никогда не бойся менять решение под жёсткую обратную связь, ведь ошибки — это не провал, а инструмент роста».

«Изобретать — это…»

«Не бояться сложных вызовов и превращать смелые идеи в работающую технологию».

---