Кейсов внедрения: 53. Как компании применяют искусственный интеллект, какие задачи решают и какие результаты публикуют.
NanoHire обрабатывает отклики на HeadHunter, автоматически ищет релевантных кандидатов, начинает диалог, отправляет напоминания и передаёт отобранных кандидатов команде.
ИИ обрабатывает 100% кандидатов; около 98% диалогов завершаются по скрипту; 33% подходящих кандидатов передаются команде; обработка одного отклика сокращена с минимум 3 минут до автоматической обработки.
Централизованная ИИ-система управляет карточками и создаёт локальный контент для каждой точки с учётом города и района, а аналитику сводит в единый дашборд.
Видимость в локальном поиске выросла на 42% по сети без роста маркетинговых расходов.
После оптимизации карточки кофейни запустили автоматические ответы на отзывы.
Через 45 дней рейтинг вырос с 4,1 до 4,5, переходы из 2ГИС — на 35%, поток — ещё на 22 клиента в день.
Нейросети анализируют видео приготовления блюд в производственном контуре ресторана.
Количественный эффект не раскрыт.
Нейросети анализируют расходы заведения по 15 ключевым показателям.
Аналитический контур охватывает 15 показателей расходов.
ИИ-официанты помогают выбирать блюда, сообщают состав и пищевую ценность и учитывают аллергии гостя.
Количественный эффект не раскрыт.
Нейросети используются при проектировании меню заведения.
Количественный эффект не раскрыт.
Нейросеть автоматически распознаёт смены персонала ресторана.
Количественный эффект не раскрыт.
Модуль суммаризирует сообщения групповых чатов и формирует ежедневные структурированные отчёты для сотрудников.
Сообщения из 6–7 чатов сведены в ежедневные отчёты вместо ручного чтения.
Модуль еженедельно отслеживает изменения законодательства и автоматически формирует дайджест.
Мониторинг законодательства и подготовка регулярной сводки выполняются автоматически.
Бот автоматически отвечает на типовые вопросы по базе знаний и выполняет первую линию технической поддержки с маршрутизацией обращений.
Типовые вопросы переданы боту, а обращения в техподдержку автоматически направляются по маршруту.
Модуль с OCR распознаёт и классифицирует входящие документы, извлекает реквизиты и отправляет материалы в архив.
Обработка 100–200 документов в день сократилась с 6–7 часов до 30 минут.
Telegram-бот собирает анкеты кандидатов, а рекрутинговый модуль обрабатывает отклики с hh.ru и Avito.
Подбор кандидата занимает несколько минут вместо нескольких часов разбора более 100 откликов.
Один из работающих модулей сверяет выручку между Контур ОФД и данными Сбербанка, ВТБ, Т-Банка и Альфа-Банка.
Сверка выручки выполняется в составе одновременно работающих ИИ-модулей.
Бот автоматически отвечает на однотипные вопросы сотрудников и направляет их к нужным документам в базе знаний.
Заявлено снижение нагрузки на руководителей.
TL: Chat консультирует гостей по размещению, тарифам и услугам, снимает сомнения и переводит гостя в модуль бронирования.
ИИ-чат обработал 90% обращений: из 227 вопросов закрыл 207; команда сэкономила от 5 до 10 часов в неделю.
TL: Chat обрабатывает обращения гостей, отвечает на вопросы о размещении и помогает сопровождать путь к бронированию.
ИИ-чат обработал 90% обращений: из 227 вопросов закрыл 207; команда сэкономила от 5 до 10 часов в неделю.
ИИ-агент получает данные из операционных систем ресторанов, анализирует расходы и другие финансовые и операционные показатели, формирует отчёты для собственника и выявляет признаки хищений.
По оценке разработчика, сервис может увеличить операционную прибыль на 5–7% и сократить убытки; фактический результат внедрения не опубликован.
Внедрено прогнозирование спроса на Python с использованием временных рядов.
Через три месяца доля списаний продуктов снизилась с 8% до 4,5%.
Бариста получают рекомендации о предложении клиенту с учётом времени суток и погоды.
Через три месяца средний чек вырос с 450 до 570 рублей, или на 26%.
Бот принимает бронирования через Telegram и сайт.
Через три месяца доля потерянных броней снизилась с 12% до 0%.
Внедрена автоматизированная email-цепочка pre-arrival, welcome и post-stay; GigaChat MAX генерирует персонализированные версии писем из шаблона через webhook-интеграцию.
Количественный эффект не раскрыт.
Внедрён Telegram-бот для обработки запросов из Островка и Booking на основе YandexGPT 5; администратор проверяет и отправляет ответ.
Среднее время ответа сократилось с 47 до 6 минут; загрузка выросла с 64% до 86%.
Внедрён WhatsApp FAQ-бот: он ищет ответы в базе знаний отеля через RAG и переключает диалог на администратора, если ответа нет.
Количественный эффект не раскрыт.
Мобильный помощник отвечает сотрудникам по карте блюд, винам, аллергенам и стоп-листам на основе внутренней базы знаний.
Адаптация новых официантов сократилась с двух недель до трёх дней; среднее время ответа гостю — с 30 до 5 секунд.
Сеть внедрила AI-бронирование, генерацию меню и аналитику отзывов.
Заявлены снижение числа звонков на 40%, рост среднего чека на 18% и увеличение рейтинга на 0,3 пункта.
Франчайзи создал голосового помощника для исходящих звонков клиентам.
В статье заявлено возвращение 5 000 клиентов.
В ресторанных сетях внедрён анализ звонков и разговоров с гостями; владельцу ежедневно направляется сводка с оценкой качества разговоров и проблемными звонками.
Владелец заявляет, что процесс позволил жёстко контролировать и кратно улучшить качество обслуживания; влияние на выручку напрямую не измерено.
ИИ анализирует тональность отзывов, расставляет приоритеты, генерирует ответы и создаёт тикеты для проблемных обращений.
Время подготовки ответов сократилось с 7000 минут до 1–2 минут.
Автоматизировано прогнозирование потребности в сырье для ресторанной сети.
Время заказа сырья сократилось с нескольких часов примерно до 2 минут; точность прогноза выросла примерно на 18%; заявлена экономия более 50 млн рублей в год на масштабе около 50 ресторанов.