---
title: "FlowTwin: мы выиграли трек Google DeepMind"
description: "На RAISE Summit 2026 наша команда Low Cortisol заняла первое место в треке Google DeepMind. Я участвовал в выборе направления, делал дизайн с агентами и управлял демо."
date: 2026-10-19
lang: ru
translationKey: "flowtwin"
translationStatus: original
kind: project
name: "FlowTwin"
period: "RAISE Summit 2026"
role: "Участник Low Cortisol; поиск направления, дизайн с агентами и демонстрация"
status: "Командный хакатонный прототип"
tags: ["AI", "хакатон", "командный проект"]
related: []
sourceUrls: []
canonical: "https://shipulin.md/projects/flowtwin/"
---

На RAISE Summit 2026 наша команда Low Cortisol выиграла трек Google DeepMind с FlowTwin — демонстрационной моделью движения пациентов в больнице. Начиналось всё с команды из пяти человек и идеи конструктора мебели. После разговора с менторами от неё отказались. К концу дня обсуждали уже совсем другое: как сделать видимым движение пациентов и задержки внутри больницы.

Меня позвал Слава. Гэбриель предложил новое направление после того, как наш мебельный замысел не вызвал у менторов особого восторга. Отказаться от своей идеи было обидно. Но «AI для больницы» тоже пока звучало как набор больших слов. Не хватало поворота: что мы вообще можем показать за хакатон?

## Найти настоящую опору

Мы стали искать больницу, о которой можно узнать что-то в реальном времени. В Гонконге нашлись открытые агрегированные данные: время ожидания в 18 больницах, обновляемое раз в 15 минут.

У проекта появилась связь с реальностью. Теперь можно было строить показ вокруг настоящих ожиданий, а не придумывать всю больницу вместе с её проблемами.

Всю ночь мои агенты рисовали интерфейс. Утром выяснилось, что данные они подключить забыли. Слава подтянул их на ходу. Интерфейс к утру был. Подключение данных пришлось догонять.

## У очереди есть история

В FlowTwin мы собрали демонстрацию операционного цифрового двойника. В ней можно увидеть, как меняется состояние модели больницы во времени: кто ждёт, где возникла задержка, как она сказывается на следующих шагах. В демонстрации можно пройти по сценарию одного пациента, добавить задержку и посмотреть, как меняется модель.

На первой защите нас довольно жёстко спросили, зачем здесь вообще AI. Мне этот вопрос показался полезным. Пришлось точнее объяснить: агенту нужна история событий, а не только последний снимок очереди. Где человек уже был, чего ждёт сейчас, какое ограничение возникло раньше.

После первого раунда команда приуныла: было жарко, презентацию перебивали, всё ощущалось не очень удачным. Но в следующий раунд мы прошли. Перед финалом сократили рассказ и пересобрали показ. Я управлял демонстрацией и отвечал на вопрос.

Low Cortisol заняла первое место в треке Google DeepMind на RAISE Summit 2026. В команде были Слава, Гэбриель, Лэйба, Манель и я.

## Где заканчивается демо

В основе показанного давления на больницы — настоящие агрегированные ожидания. Но отдельные пациенты, их имена и пути синтетические. Изменение времени после действия в интерфейсе — поведение демонстрационной модели, а не сокращение ожидания в настоящей больнице.

В репозитории эти слои разделены: реальные данные, синтетические персонажи, расчётные допущения и вызовы моделей. Прототип посвящён времени, очередям и передаче между этапами; он не ставит диагнозы и не выбирает лечение.

Перед финалом нам пришлось сократить объяснение до того, что можно показать. Вопрос «зачем здесь AI?» оказался хорошей репетицией.

## Источники

- [Мой рассказ о хакатоне, смене идеи и защите](https://t.me/humanagentinteraction/213)
- [Проект и команда](https://www.linkedin.com/posts/alexeishipulin_we-came-to-the-largest-ai-hackathon-in-ugcPost-7480105651952758785-lHRn/)
- [Репозиторий FlowTwin и происхождение данных](https://github.com/shipaleks/raise-hackathon-flowtwin)
- [Демо FlowTwin](https://divine-roch-grounded-bf796e9a.koyeb.app/)