Web platform · AI · B2B SaaS
beSirius. An AI platform for due diligence in critical minerals supply chains
The new version of the platform, beSirius 2.0, was designed with an AI-driven workflow: Claude Design for the design and the design system, Figma MCP for handoff and Claude Code for interfaces in code.
beSirius is an AI-based B2B platform for the supply chains of critical minerals, mining and metallurgy. It helps sustainability, procurement and compliance teams automate due diligence, supplier assessment, audits and ESG reporting across complex value chains.
The product dealt with complex enterprise data, long sustainability questionnaires, AI answers backed by sources, several user roles and many edge cases: missing data, partial matches, ambiguous verification results and different process statuses.
AI-driven design workflow. For the new version of the platform (beSirius 2.0) I led almost all of the design in Claude Design, using prompts and analysis of existing patterns and data, and minimising manual drawing of layouts. I created and maintained the design system in Figma, and when AI tools appeared I moved it to Claude Design and kept working with it there. I handed the work to development through Figma MCP and refined interfaces in code with Claude Code.
This allowed faster iteration on concepts and kept the design system consistent as the product scaled.
The challenge. Reports ranged from a few questions to several thousand, and manually reviewing every AI answer at that scale was slow and inefficient. Users needed to quickly see which answers can be trusted, where they come from, and how to review and train the system efficiently.
The solution. I designed sorting of answers by AI confidence: if the system is fully confident in an answer, it is marked as not requiring review, which immediately reduces manual work. Every answer comes with its sources, the document or fragment it was generated from, which gives transparency and a quick way to check the AI logic.
I also designed an admin panel for fine-tuning the model, where AI answers can be rechecked and corrected. Grouping was solved separately: when several questions relate to one topic, they are combined into a table, giving a clear overview instead of a scattered list.
Sustainability Twin. I designed the Sustainability Twin module, a structured workspace for managing sustainability documents, extracted data, assets and products in a company profile.
It helps users navigate a large sustainability knowledge base: explore a company’s coverage on a map, browse uploaded documents and certificates, switch between document and data views, filter information by category and work with sustainability indicators across several years.
Request Pipeline: the client side. I designed the client side of the Request Pipeline for managing sustainability requests, questionnaires and assessments.
Company users could upload new requests, set the scope, track progress and review pre-filled answers before completion. They could check every question, view the answer, see the supporting sources it was generated from and trace an answer to a specific document or fragment of a document.
Requests were organised into a clear workflow from processing to review, completion and archive, with visible statuses, priorities, deadlines, progress indicators and review actions.
Request Pipeline: the review workspace. I designed the admin side of the Request Pipeline for preparing and reviewing answers to sustainability questionnaires.
The workspace combines document preview, question review, answer editing and source validation in one interface. Admin users can review every question, edit AI-prepared answers, view the supporting sources and trace each answer to the exact fragment of a document. I also designed a full-screen review mode and a table format of answers for more complex questions with structured data.
Dashboards. I designed dashboards for tracking sustainability requests, assessments, framework coverage and counterparty performance.
They help users analyse request activity, compare assessment results, monitor ESG topic indicators, check metric coverage and find gaps across frameworks, topics, products, commodities and counterparties.
The main goal was to make complex ESG data clearer and actionable: where data is missing, where there is a partial match or a mismatch, which topics need attention and which counterparties show weaker results.
Assessments. I designed assessment result pages for checking suppliers and counterparties against sustainability criteria and frameworks.
The interface helps users understand the overall result, compare match, partial match and mismatch outcomes, view AI summaries, check flagged problem areas and study the evidence tied to specific criteria. The goal was to make assessment results more transparent and actionable, so users can quickly see risks, gaps and areas for further work.
Company relationship graph. For beSirius 2.0 I designed a graph of relationships between companies that share documents and data across the supply chain, with more than 300 connections for some companies. The network had to be shown so that complexity does not turn into a mess: a graph view for navigating the connections and a table view for structured browsing of specific data.
Result. Sorting by AI confidence and explicit answer sources reduced manual review to a minimum: AI now closes about 95% of answers on its own, and the user focuses only on the remaining ~5% that really need attention. Grouping similar questions into tables made large reports clearer and faster to scan. The admin panel gave the team a way to keep improving the quality of AI answers based on real reviews.
Веб-платформа · AI · B2B SaaS
beSirius. AI-платформа для due diligence в цепочках поставок критических минералов
Новую версию платформы, beSirius 2.0, я проектировал через AI-driven workflow: Claude Design для дизайна и дизайн-системы, Figma MCP для передачи в разработку и Claude Code для интерфейсов в коде.
beSirius — B2B-платформа на базе ИИ для цепочек поставок критически важных минералов, горнодобывающей и металлургической отраслей. Она помогает командам по устойчивому развитию, закупкам и комплаенсу автоматизировать due diligence, оценку поставщиков, аудиты и ESG-отчётность в сложных цепочках создания ценности.
Продукт требовал работы со сложными корпоративными данными, длинными анкетами по устойчивому развитию, ответами ИИ с подтверждением источниками, несколькими ролями пользователей и множеством крайних случаев: отсутствующие данные, частичные совпадения, неоднозначные результаты верификации и разные статусы процессов.
AI-driven design workflow. Для новой версии платформы (beSirius 2.0) я вёл практически весь дизайн через Claude Design: с помощью промптов, анализа существующих паттернов и данных, минимизируя ручную отрисовку макетов. Дизайн-систему я создал и вёл в Figma, а когда появились ИИ-инструменты, перенёс её в Claude Design и продолжил работать с ней там. Работу передавал в разработку через Figma MCP и дорабатывал интерфейсы на уровне кода через Claude Code.
Это позволяло быстрее итерировать по концепциям и держать дизайн-систему консистентной при масштабировании продукта.
Задача. Отчёты варьировались от нескольких вопросов до нескольких тысяч, и вручную просматривать каждый ответ AI в таком масштабе было медленно и неэффективно. Нужно было дать пользователю быстро понять, каким ответам можно доверять, откуда они взялись и как эффективно проверять и обучать саму систему.
Решение. Я спроектировал сортировку ответов по уровню уверенности AI: если система абсолютно уверена в ответе, он помечается как не требующий проверки, что сразу снижает объём ручной работы. Для каждого ответа доступны источники — документ или фрагмент, на основе которого был сформирован ответ, что даёт прозрачность и возможность быстро проверить логику AI.
Также я спроектировал админ-панель для дообучения модели: там можно перепроверять ответы AI и корректировать её работу. Отдельно решил задачу с группировкой: если несколько вопросов относятся к одной теме, они объединяются в таблицу, что даёт наглядный обзор вместо разрозненного списка.
Модуль Sustainability Twin. Я спроектировал модуль Sustainability Twin — структурированное рабочее пространство для управления документами по устойчивому развитию, извлечёнными данными, активами и продуктами в профиле компании.
Этот опыт помог пользователям ориентироваться в большой базе знаний по устойчивому развитию: изучать покрытие компании на карте, просматривать загруженные документы и сертификаты, переключаться между представлениями документов и данных, фильтровать информацию по категориям и работать с индикаторами устойчивого развития за несколько лет.
Request Pipeline — со стороны клиента. Я спроектировал клиентскую часть Request Pipeline для управления запросами по устойчивому развитию, анкетами и оценками.
Этот опыт помог пользователям компании загружать новые запросы, задавать охват, отслеживать прогресс и просматривать заранее заполненные ответы перед завершением. Пользователи могли проверять каждый вопрос, просматривать ответ, видеть подтверждающие источники, на основе которых он был сгенерирован, и прослеживать ответ до конкретного документа или фрагмента документа.
Запросы были организованы в понятный рабочий процесс от обработки до проверки, завершения и архива, с видимыми статусами, приоритетами, сроками, индикаторами прогресса и действиями для ревью.
Request Pipeline — рабочее пространство для ревью. Я спроектировал админскую часть Request Pipeline для подготовки и проверки ответов на анкеты по устойчивому развитию.
Рабочее пространство объединяет предпросмотр документов, проверку вопросов, редактирование ответов и валидацию источников в одном интерфейсе. Админ-пользователи могут проверять каждый вопрос, редактировать ответы, подготовленные с помощью ИИ, просматривать подтверждающие источники и прослеживать каждый ответ до точного фрагмента документа. Также я спроектировал полноэкранный режим ревью и табличный формат ответов для более сложных вопросов со структурированными данными.
Дашборды. Я спроектировал дашборды для отслеживания запросов по устойчивому развитию, оценок, покрытия фреймворков и эффективности контрагентов.
Этот опыт помогает пользователям анализировать активность запросов, сравнивать результаты оценок, мониторить показатели по ESG-темам, проверять покрытие метрик и выявлять пробелы по фреймворкам, темам, продуктам, товарам и контрагентам.
Основная цель — сделать сложные ESG-данные более понятными и пригодными для действий: где не хватает данных, где есть частичное совпадение или несовпадение, какие темы требуют внимания и какие контрагенты показывают более слабые результаты.
Оценки. Я спроектировал страницы результатов оценок для проверки соответствия поставщиков и контрагентов критериям и фреймворкам устойчивого развития.
Интерфейс помогает пользователям понять общий результат, сравнить исходы «совпадение / частичное совпадение / несовпадение», просмотреть AI-сводки, проверить отмеченные проблемные области и изучить доказательства, привязанные к конкретным критериям. Цель — сделать результаты оценок более прозрачными и пригодными для действий, чтобы пользователи могли быстро видеть риски, пробелы и зоны для дальнейшей работы.
Граф связей между компаниями. Для beSirius 2.0 спроектировал граф связей между компаниями, делящимися документами и данными в цепочке поставок, у отдельных компаний более 300 связей. Нужно было показать эту сеть так, чтобы сложность не превращалась в кашу: графическое представление для навигации по связям и табличное для структурированного просмотра конкретных данных.
Результат. Сортировка по уверенности AI и явные источники ответов сократили объём ручной проверки до минимума: сейчас AI самостоятельно закрывает около 95% ответов, и пользователь фокусируется только на оставшихся ~5%, которые реально требуют внимания. Группировка похожих вопросов в таблицы сделала обзор больших отчётов нагляднее и быстрее для восприятия. Админ-панель дала команде возможность постоянно улучшать качество AI-ответов на основе реальных проверок.
