На общей платформе работают CRM-помощник приемной комиссии, распознавание документов при регистрации на программы дополнительного образования, учебные помощники по подбору литературы и планированию работ, тренажёр «Трудный клиент», оценивание открытых ответов и подготовка черновиков технических заданий по закупкам.
Результат
не раскрыто
Для перечисленных сервисов отдельные результаты не раскрыты.
Юристы используют корпоративного AI-ассистента для первичного разбора больших документов и выявления рискованных условий, нестандартных формулировок и противоречий.
Результат
Ассистент сокращает время первичного разбора и помогает сосредоточиться на проблемных местах; конкретный количественный эффект для этого процесса не раскрыт.
Юридическое суждение и проверка результатов остаются за специалистом.
Система отслеживает изменения на сайте, обновляет базу знаний и автоматически размечает документы для поиска ответов. Ранее правки в сценарии вносили вручную.
Результат
Время на поддержание базы знаний сократилось более чем на 80%.
На базе SOGAZ AI создаются агенты для обобщения документов, извлечения сведений, контекстуального поиска, сравнения экспертных заключений, обработки показаний и построения хронологии дела.
Результат
Контур разрабатывается для работы с более чем 20 000 судебных дел в год.
20 000 дел в год — объём судебной работы, а не измеренный эффект автоматизации.
В 1С интегрированы ИИ-агенты для OCR, извлечения, нормализации и валидации данных государственных контрактов, сравнения версий и проверки первичных документов по принципу «четырёх глаз».
Результат
Количество ошибок в документации снижено с 10% до 0,1%; трудозатраты по основным оперативным процессам регламентированного учёта сократились более чем в 4 раза.
Указанные результаты опубликованы для проекта в целом и не полностью изолированы от других контуров автоматизации.
Виртуальные помощники применяются в офисных процессах, редактировании справочных материалов и сопоставлении внутренней номенклатуры с отраслевыми классификаторами.
Результат
За полтора года реализовано несколько ИИ-проектов; эффект отдельных помощников не раскрыт.
Источник объединяет несколько офисных процессов и не разделяет их результаты.
ПАО «Софтлайн» применяет внутренние ИИ-решения и ИИ-агентов для анализа договоров, работы с CRM, HR-процессов и внутренней аналитики.
Результат
Компания заявляет сокращение ручных операций, повышение производительности сотрудников и оптимизацию операционных расходов без отдельной количественной оценки этих процессов.
Заявленные эффекты относятся к совокупному внутреннему использованию ИИ, а не к каждому перечисленному процессу отдельно.
ИИ-ассистент в приложении и мессенджерах понимает вопросы жителей в свободной форме, принимает фотографии показаний счётчиков и проверяет их на ошибки.
Результат
Ассистент доступен жителям 20 000 квартир в двух регионах России.
Источник сообщает масштаб доступности, но не приводит показатели экономии или качества обслуживания.
Платформа «Ясень» анализирует изображения и PDF-файлы, извлекает и структурирует текст, суммирует технические документы и содержит ассистентов по настройке программного обеспечения.
Результат
Источник сообщает, что сервис ускоряет повседневные офисные задачи; измеримые показатели не приведены.
Опубликована только качественная оценка ускорения офисной работы.
Внедрён внутренний корпоративный веб-сервис на базе LLM для семантической обработки специализированных документов, анализа ценовых соглашений поставщиков, подготовки типовых документов и визуального сравнения документов.
Результат
Заявлено сокращение времени работы с документами до 50% при полном активном использовании; фактический эффект будет уточняться по мере накопления эксплуатационной статистики.
Сервис используется как инструмент поддержки и не принимает решения самостоятельно. Показатель до 50% является заявленной оценкой, а не подтверждённым фактическим результатом.
Локальный ИИ-ассистент распознаёт поступившие документы, извлекает и проверяет реквизиты, затем автоматически создаёт документы в 1С; система интегрирована с СЭД.
Результат
В кейсе заявлены точность распознавания 98%, экономия на аутсорсе 900 000 рублей в год, сокращение штата на обработке первичных документов на 75% и ускорение закрытия месяца на три дня.
Название организации и период измерения показателей не раскрыты.
Юристы внедрили специализированного ИИ-помощника для консультаций, исследований, анализа договоров и сравнения версий документов.
Результат
Около 75% сотрудников юридического департамента используют помощника постоянно; работа с договорами ускорилась в 1,5 раза, поиск и анализ информации — в 3 раза; за время тестирования помощник выдал более 10 000 ответов, 86% из которых получили хорошую оценку юристов.
Помощник учитывает законодательство, судебную практику и иерархию источников права; предусмотрены агенты для анализа договоров и сравнения версий документов.
Агент распознаёт параметры заказа в фотографиях, рукописных бланках, PDF и Excel, рассчитывает стоимость и передаёт готовое коммерческое предложение в систему на базе 1С.
Результат
Коммерческое предложение формируется за 3 минуты. Число менеджеров на участке сократилось с 8 до 4, экономия фонда оплаты труда — 4,8 млн рублей в год.
Внедрён голосовой ИИ-сервис, который круглосуточно принимает показания, идентифицирует клиентов, вносит данные в систему и распределяет ресурсы между восемью филиалами.
Результат
В 2024 году роботы приняли 350 тыс. звонков по показаниям; до 98% звонков обрабатывались без операторов; стоимость обработки показания снизилась более чем в четыре раза; индекс удовлетворённости составил 4,4 из 5 и вырос на 27,6%.
Источник отдельно сообщает о 440 тыс. обращений клиентов за 2024 год и снижении доли пропущенных звонков на 8%.
Внутренняя команда разработала и запустила платформу «Камертон» с ИИ-агентами, которые читают документы и сканы, распознают данные, выполняют расчёты и возвращают результаты сотрудникам в рабочем мессенджере.
Результат
За первый четырёхмесячный этап сформировано 84 ИИ-агента и обработано 14,61 тыс. рабочих задач; доля успешных решений составила 97,7%, половина задач закрывалась быстрее 90 секунд. Наиболее востребованный сметный модуль выполнил 2,61 тыс. запросов с успешностью 99,4%.
Около половины нагрузки приходится на сметные модули; обработка сканов строительной документации выполняется на собственных серверах без передачи во внешние сервисы. Описаны стартовые запуски и дальнейшее масштабирование.
Юридический отдел внедрил ИИ-анализатор для первичной проверки договоров с перевозчиками и контрагентами по критериям риска.
Результат
Время анализа договора сокращено до 20 минут вместо 3–4 часов; заявлены ноль пропущенных рисков за год, выявление скрытых условий в 12% договоров и ROI 180% за первый год.
Кейс описывает логистическую компанию без названия; часть дальнейших показателей статьи относится к оценкам и обобщениям, а не обязательно к этому внедрению.
PDF и фотографии накладных, счетов, актов и УПД проходят через n8n и GigaChat Vision; система ищет контрагента по ИНН, создаёт черновик документа поступления через API 1С и уведомляет бухгалтера для проверки и утверждения.
Результат
По данным публикации, время обработки документа сократилось с 4 минут до 30 секунд, доля ошибок ввода — примерно с 2,5% до 0,3%, а задержка проводки — с 5–10 дней до 1 дня. Ручной правки требуют 12% документов; заявленная окупаемость — 5 месяцев.
Результаты относятся к одному анонимному производству и приведены автором без независимой проверки; бухгалтер продолжает проверять и утверждать черновики.
При проверке около 4 000 договоров и соглашений Kira Systems извлекала существенные условия, отмечала нестандартные положения и формировала сводные таблицы рисков.
Результат
Заявлено сокращение срока работы с восьми недель до девяти дней, времени — на 73%, себестоимости проекта — на 40%; двух специалистов перевели на другие проекты.
Показатели приведены автором материала без раскрытия методики расчёта; высокорисковые положения юристы перепроверяли вручную.
Юридический департамент преобразовал таблицу типовых рисков и политику рисков в двухрежимный LLM-пайплайн, который анализирует договор и формирует структурированный черновик рисков.
Результат
Время проверки одного договора сократилось примерно с двух часов до 20–30 минут; при потоке в тысячи договоров заявлена экономия сотен часов.
Модель готовит черновик; юрист проверяет, корректирует и принимает финальное решение.
OCR и NLP извлекают и проверяют данные документов и автоматически заполняют формы; предиктивная аналитика оценивает вероятность успешного банкротства, после чего система формирует заявление в арбитражный суд.
Результат
Подготовка полного пакета документов сократилась примерно с трёх месяцев до 30 дней в стандартном случае и до одного дня в простых ситуациях.
Срок в один день относится только к простым ситуациям; финальная проверка процессуальных документов остаётся за специалистом.
Фирма загрузила 312 договоров целевой компании в Luminance и настроила поиск рисков, включая нестандартные условия расторжения, скрытые штрафы и автопролонгации.
Результат
Сводный отчёт с флагами по 47 договорам подготовлен за 4 часа; два юриста проверили критичные документы за два дня вместо восьми человек за неделю; заявленная экономия составила около 800 000 рублей.
Название клиента не раскрыто; эффект и экономия приведены в статье без независимой методики проверки.
Система АМБОТ расшифровывает и анализирует звонки диспетчерской, выделяет маршрут, груз, сумму и контрагента. Диспетчер проверяет черновик рейса; ИИ также классифицирует обращения из Avito и предлагает ответы.
Результат
В рабочем срезе подготовлено 2459 ИИ-разборов звонков. Фактическая экономия времени не раскрыта.
Интеллектуальные системы помогают работникам суда изучать документы, готовить краткие изложения, сравнивать материалы и создавать проекты судебных решений.
Результат
Результат не раскрыт.
Название системы и показатели результата не раскрыты.
Фирма внедрила отечественную платформу анализа документов и дообученную языковую модель для сортировки документов, поиска рисковых условий и сверки с реестрами.
Результат
При анализе пакета из 200–300 документов время первичного анализа сократилось с 10–12 до 3–4 дней, число пропущенных рисковых оговорок — на 40% по оценке партнёров, а стоимость due diligence — на 25%.
Название фирмы и компонентов решения не раскрыто; оценка снижения числа пропущенных оговорок дана партнёрами фирмы, а итоговые документы проверяли юристы.
Юридическая фирма внедрила ИИ-инструмент, который анализирует договоры, выявляет нестандартные условия и отсутствующие положения и сопоставляет документы с типовыми формами.
Результат
Время первичного анализа договора сократилось с 2,5 часов до 35 минут.
Название фирмы и инструмента, а также методика оценки качества не раскрыты.
ИИ-инструмент на базе GPT-4 с кастомной системной инструкцией формирует по загруженному договору структурированный отчёт с ключевыми условиями, красными флагами и отсутствующими пунктами; юрист проверяет отчёт и принимает решение.
Результат
Заявлено сокращение среднего времени первичного анализа с 2,5 часов до 35 минут, увеличение числа обрабатываемых договоров в четыре раза без расширения штата и снижение числа пропущенных рисковых условий на 60%.
Название заказчика и методика расчёта показателей не раскрыты; результаты приведены автором материала.
Юридическая команда использует ИИ на корпоративных документах и внутренних шаблонах для подготовки первичных проектов договоров, проверки договоров контрагентов, выделения спорных условий и подготовки протокола разногласий или комментариев.
Результат
Рутинный первичный анализ, ранее занимавший часы, теперь занимает минуты.
Юридическая команда формулирует запрос, после чего ИИ находит судебную практику, структурирует её, выделяет позиции судов и формирует аналитическую сводку. После подготовки документа ИИ автоматически запускает маршрут согласования.
Результат
Первичный сбор материалов занимает существенно меньше времени.
Финальная проверка судебной практики остаётся за человеком.
Внедрена ИИ-платформа для анализа договоров, настроенная по более чем 40 внутренним критериям риска.
Результат
Общее время договорной работы сократилось с 750 до 160 часов в месяц; команда взяла в работу дополнительно 120 договоров в месяц без найма новых сотрудников; заявленная экономия составила 400 000 рублей в месяц.
Название клиента не раскрыто; экономия рассчитана через эквивалент высвобождённого времени.
Система забирает транспортные заявки из почты, форм и мессенджеров, извлекает адреса, сведения о грузе и сроки, рассчитывает маршрут и стоимость и создаёт заказ в TMS или 1С.
Результат
Типовые перевозки больше не зависят от ручного разбора; документы и статусы отправляются клиенту автоматически. Указаны три канала заявок, отсутствие диспетчера на типовых операциях и закрытие 80% рутины.
Показатели опубликованы поставщиком для анонимного кейса.
Модель сопоставляет описания услуг разных клиник с эталонным прейскурантом, определяет наличие риска в покрытии и формирует первичное заключение об оплате услуги.
Результат
Количественный эффект не раскрыт.
Первичное заключение проверяет специалист; модель дообучается из-за ограниченного объёма статистики.
Нейросеть транскрибирует аудиозапись заседания, сравнивает её с письменным протоколом и выявляет процессуально значимые расхождения для подготовки апелляции.
Результат
Анализ, занимавший три дня, выполнен за 40 секунд; обнаружены три критических расхождения, ставшие основанием для отмены решения. Источник также приводит 12–15 минут на черновик вместо 1–5 рабочих дней, менее 0,5% формальных ошибок против до 12% и стоимость от 1 500 рублей против 15 000–50 000 рублей.
Заказчик и исходное дело не раскрыты; сравнительные показатели приведены как данные описанного кейса без раскрытой методики.
Нейросеть создаёт описания отелей и апартаментов с учётом технической информации объекта, достопримечательностей рядом и отзывов гостей; сервис также распределяет фотографии по типам комнат.
Результат
Снижаются издержки на подготовку контента; возможное повышение конверсии в бронирование заявлено без количественной оценки.
Количественный эффект и методика его измерения не раскрыты.
Пекарня перенесла сбор заказов в мессенджер и подключила нейросеть, которая распознаёт сообщения клиентов и фотографии заполненных бланков заказов, фиксирует заказы, отвечает клиентам и ставит задачи менеджерам. Нейросеть формирует Excel-файлы, после чего менеджер загружает данные в 1С.
Результат
Обработка заказов сократилась примерно с двух часов до 30 минут и ускорилась в 4 раза; заявлена точность данных 100%. Комплект документов формируется автоматически. Эффект относится к совокупной связке CRM, нейросети и 1С.
Нейросетевой процесс подтверждён. Автонумерация накладных, сопоставление наименований поставщиков и другие функции документооборота описаны как настройки 1С и не приписываются отдельно ИИ.
ИИ применяется для генерации изображений, расшифровки аудио, автотегирования, дайджестирования, анализа видео, помощи редактору и полуавтоматического создания новостей.
Результат
не раскрыто
Источник перечисляет рабочие практики без названий систем и показателей эффекта.
Страховщик связал языковые модели с 1С:Документооборот. Модели извлекают сведения из сканов писем и сверяют результаты между собой; несовпадения направляются сотруднику.
Результат
Обработка одного документа занимает 20–30 секунд вместо 5–6 минут. Общее время работы с документами сократилось на 60–70%.
Корректное распознавание достигается в 74% случаев; ошибки исправляет сотрудник.
Система распознаёт спецификации, восстанавливает структуру изделий, переносит атрибуты из связанных документов и дообучается на валидации специалистов.
Результат
За девять месяцев рутинные операции сократились на 50–90%, точность распознавания превысила 90%, цифровизация архивов ускорилась в три раза.
Заказчик не назван; результаты опубликованы исполнителем без описания методики.
Работник надиктовывает заметки о поведении и состоянии животных, а ИИ распознаёт речь, выделяет важную информацию и сохраняет её в структурированном виде в информационной системе зоопарка.
Результат
Заявлено значительное сокращение времени на оформление необходимой документации.
Источник сообщает о внедрении решения и заявляет значительное сокращение времени на оформление документации.
Решение на основе GPT-4 обрабатывает договоры с поставщиками и извлекает стороны, предмет, сроки, суммы, расчеты, ответственность, расторжение и подсудность.
Результат
Время первичного анализа одного договора сократилось с 25 до 2 минут; юридический департамент из четырех человек справился с объемом, ранее требовавшим семь сотрудников.
Заказчик анонимен; кейс описан со ссылкой на блог платформы Caselook.
Специализированный онлайн-сервис анализирует лицензионный договор по условиям объекта и прав, финансового контроля, расторжения и претензий, отдельно учитывая сторону лицензиара или лицензиата.
Результат
не раскрыто
Оценка риска от 0 до 100 является выводом нейросетевого сервиса, а не измеренным бизнес-эффектом внедрения.
Юридический департамент внедрил систему для ежедневного сканирования новых нормативных актов ЦБ РФ, сопоставления их с внутренними политиками и формирования списка расхождений.
Результат
Работу двух штатных юристов заменил автоматизированный мониторинг; юристов перевели на более сложные задачи.
АПРИ и Napoleon IT внедрили систему семантического сопоставления строительных документов для проверки актов КС-2 и формирования сводных ведомостей по подрядчикам.
Результат
Время обработки одного акта КС-2 сократилось с 40–60 до 5–10 минут, а формирование сводной ведомости — с рабочего дня до нескольких минут.
Показатели относятся к опытной эксплуатации системы обработки строительных документов.
Компания создала внутреннюю базу эталонных договоров и типовых протоколов, затем подключила специализированную платформу с API для автоматической загрузки договоров из CRM; ИИ использовался при первичном анализе и согласовании.
Результат
Среднее время согласования типового договора сократилось с 8 дней до 1,5 дня; доля времени юриста на первичный анализ — с 60% до 20%; за шесть месяцев выявлены 23 договора с прямым финансовым риском; экономия на внешних юристах составила около 340 000 рублей.
Заказчик анонимен; результаты приведены без независимого подтверждения.
Внедрила собственную ИИ-систему на базе нескольких нейросетей для анализа тендеров, структурирования документации, поиска противоречий и формирования подборок конкурсов.
Результат
За последний месяц для собственных нужд проанализировано более 2,5 тыс. тендеров; специалист получает первичное понимание пригодности конкурса примерно за 40 секунд. Компания также сообщила о стократном ускорении собственной работы и о помощи начинающему поставщику в выигрыше первых двух конкурсов.
Количественные показатели приведены со слов коммерческого директора; методика расчёта ускорения и сведения о начинающем поставщике не раскрыты.
На платформе фонда автоматизированы структурирование полей, проверка документов и анализ заявок: DeepSeek выполняет первичный анализ и поиск информации, а ChatGPT сравнивает заявки и формирует баллы для экспертов.
Результат
Источник сообщает об упрощении работы с конкурсными заявками. После запуска платформы к проекту присоединились 63 НКО.
Показатель 63 НКО относится к запуску платформы в целом, а не отдельно к нейросетевому модулю.