ИИ-аналитика и визуализация данных для внутренних команд
ИИ-агент используется командами «Яндекса» для поиска инсайтов, создания отчётов и работы с визуализациями данных.
Более 4 тыс. сотрудников протестировали сервис за первые две недели.
Кейсов внедрения: 153. Как компании применяют искусственный интеллект, какие задачи решают и какие результаты публикуют.
ИИ-агент используется командами «Яндекса» для поиска инсайтов, создания отчётов и работы с визуализациями данных.
Более 4 тыс. сотрудников протестировали сервис за первые две недели.
В службе поддержки Just AI был создан RAG-сервис для Q&A-бота, который автоматизирует поиск по различным источникам знаний.
Сервис стал исходным рабочим MVP, из которого развили промышленную облачную платформу.
Агент отвечает клиентам в Telegram и виджете чата по базе знаний. По сложным вопросам собирает сведения, чтобы сотрудник продолжил разбор в рабочее время.
По данным команды сервиса, агент самостоятельно отвечает примерно на 60% вопросов. Поддержку по-прежнему ведёт один сотрудник; планируемый найм второго не потребовался.
В поиск Avito Работа внедрена отдельная ML-модель, учитывающая признаки и историю сделок работодателей и соискателей и оптимизирующая выдачу на вероятность найма.
В категории «Резюме» количество работодателей с наймом выросло на 4,1%, конверсия в найм — на 9,4%; в категории «Вакансии» количество соискателей с наймом и количество наймов выросли на 2,7%.
MTS AI перенесла обучение и инференс ключевых ML-моделей в облако MWS и дообучает собственные языковые модели на суперкомпьютере MTS GROM.
В публикации заявлены экономия более миллиарда рублей инвестиций в собственную инфраструктуру и ускорение дообучения собственных LLM в десятки раз.
Компания автоматизирует подбор персонала с помощью AI-технологий в сервисе AmazingHiring.
Количественный эффект не раскрыт.
Интегрированная в RT.DataGovernance модель анализирует сэмплы данных, проставляет теги персональных данных и показывает результаты в интерфейсе и на дашборде.
Верификация размеченных данных занимает две-три недели вместо примерно года ручной работы двух дата-стюардов.
Ainergy внедрила LLM Claude 3.7 Sonnet в свою экосистему.
Расширены возможности автоматизации бизнес-процессов, аналитики, работы с естественным языком и разработки ПО.
В сервисном центре внедрён алгоритм на базе YandexGPT, который определяет тематику обращений и автоматически готовит ответы на запросы.
Автоматизировано 30% из 13 тыс. запросов; 75% этих ответов одобрены без доработки; нагрузка на специалистов снижена на 22%.
Умные колонки Sber полностью переведены под управление большой языковой модели GigaChat 2.0.
Колонки поддерживают продолжительные разговоры на естественном языке.
В Яндексе Нейроэксперт используют для работы с корпоративной документацией, инструкциями и исследованиями; сервис создаёт базы знаний из документов и других материалов и отвечает на вопросы по ним.
Сервис помогает искать сведения, сопоставлять материалы и готовить тексты; количественный эффект не раскрыт.
Созданный фреймворк и подход с ИИ сначала применялись на одном проекте Usetech, после чего начали распространяться на другие проекты автоматизации тестирования.
Количественный эффект не раскрыт.
ИИ внедрён в сервис электронного документооборота «Сфера Документы».
Количественный эффект не раскрыт.
В процесс тестирования внедрены LLM и ML-инструменты для поиска семантически близких тест-кейсов, генерации UI- и API-автотестов и управления конвейерами генерации.
Процесс генерации API-автотестов автоматизирован; обработка DAG занимает чуть более секунды. Доля неудачных автотестов при текущем наборе ролей и промптов составляет 10–20%, поэтому сохраняется ручная проверка инженерами.
В приложение «Шедеврум» встроена визуальная модель Janus-Pro-7B от DeepSeek.
Пользователи приложения получили доступ к тестированию визуальной модели до конца марта 2025 года.
В текстовый редактор встроен ИИ-помощник для генерации, редактирования и краткого пересказа текстов.
Измеримый эффект не раскрыт.
Stellar использует системы на базе ИИ для автоматизации контроля качества кода и обеспечения кибербезопасности.
Результат применения непосредственно у Stellar не раскрыт.
В сервисе «Авито Работа» запущена функция создания резюме с помощью ИИ.
Количественный эффект не раскрыт.
Навык «Давай придумаем» встроен в умные устройства с Алисой.
не раскрыто
В рекламной системе обновлена модель прогнозирования конверсий и управления ставками рекламодателей; внутри модели работают несколько нейросетей для разных типов прогнозов.
Количественный эффект не раскрыт.
Технические писатели Just AI автоматизировали подготовку release notes и первичную вычитку с помощью собственных ИИ-продуктов.
Два процесса технической документации автоматизированы; количественная экономия не опубликована.
ИИ-бот Carrot quest обслуживает первую линию технической поддержки МТС Линк.
ИИ решает 30% запросов; бот взял на себя объём работы двух операторов первой линии.
ИИ-бот обрабатывает ночные и выходные обращения в Telegram и VK, квалифицирует лидов, создаёт сделки с резюме диалога в AmoCRM и запускает последующие напоминания.
По данным AiSreda, конверсия из заявки в созвон выросла с 31% до 58%, нагрузка на менеджеров снизилась примерно на 60%, а follow-up через три дня дал конверсию 17%; автоматизация AmoCRM устранила 40–50 минут утренней ручной работы.
ИИ-системы применяются для антиспам-фильтрации в Почте Mail.ru.
не раскрыто
Команда Just AI встроила LLM в создание проверок новых таблиц и расследование однотипных инцидентов Data Quality.
Заявлена экономия свыше 80% рабочего времени.
YandexGPT формирует краткие пересказы видео на YouTube и статей в браузере.
не раскрыто
Платформа запустила ИИ-консультанта, который отвечает на вопросы пользователей и помогает писать код для развёртывания и тестирования инфраструктуры.
Ответ формируется за несколько секунд.
В чате Jivo заявки сначала обрабатывает СберБизнесБот: нецелевые обращения отсеиваются, а целевые автоматически передаются оператору.
Нагрузка на техподдержку Jivo снизилась на 50%.
ИИ-анализ кода добавлен в процесс тестирования и дополняет статический анализ по правилам, экспертное ревью и реестр уязвимостей.
Измеримый эффект не раскрыт.
Команда Customer Support NLP заменила ручную оценку ботов поддержки автоматической оценкой с помощью LLM и специально разработанной метрики.
В заголовке источника заявлен переход от 3000 оцениваемых сессий в месяц к производительности 100 сессий в секунду.