Кейсов внедрения: 202. Как компании применяют искусственный интеллект, какие задачи решают и какие результаты публикуют.
ML Sense в реальном времени распознаёт и классифицирует инородные объекты на конвейере и автоматически останавливает линию при опасном объекте.
Простои сокращены на 36%; ежемесячно обнаруживается до 630 опасных объектов; простой сокращён до 10 минут вместо 50 и более.
Внедрена адаптированная система ML Sense с камерами, нейросетевой обработкой изображений, индикацией и автоматической остановкой конвейера.
Автоматизирован контроль качества: система выявляет отсутствие вставки и заусенцы в трубках, сигнализирует оператору и останавливает линию до упаковки изделия. Также заявлены сокращение рекламаций и финансовых потерь без количественных показателей.
Ручное выявление и документирование дефектов металлопроката заменено системой ML Sense на основе машинного зрения и нейросети; система автоматически формирует отчеты и акты через интеграцию с 1С.
По данным Nord Clan, проверка одной бобины сократилась с двух рабочих дней до не более 20 минут от запуска контроля до вывода отчета.
Внедрённая система прогнозирует спрос, размещает товары на складе и оптимизирует перемещение продукции.
Время обработки складских операций сокращено на 30%, избыточные запасы снижены на 20%.
Система ML Sense интегрирована с конвейером: ИИ распознает и классифицирует дефекты, а автоматическое устройство маркирует бракованные участки полотна.
Точность выявления дефектов достигает 99%; экономический эффект от сокращения потерь из-за рекламаций оценивается в 15 млн рублей в год.
Внедрена нейросеть для анализа технической и проектной документации.
Время обработки файлов сокращено с 5 часов до 15 минут; экономия трудозатрат — 200 000 рублей на 100 документов.
Внедрена BI-платформа, прогнозирующая спрос на комплектующие.
Экономия составила 3 млн рублей.
Нейросеть классифицирует отзывы, выявляет недостатки товара и предпочтения покупателей, генерирует ответы и предлагает дополнительный ассортимент.
Операционные расходы на обработку отзывов снижены на 55%.
Внутри защищённого контура предприятия запустили ИИ-поиск по нормативным актам, должностным инструкциям и технической документации. Сотрудники получают ответы на вопросы вместо списка файлов.
Средняя нагрузка — 5 запросов в минуту. Оценка качества ответов — около 80%.
Генеративный ИИ встраивается в процессы как советчик и используется для поиска аналогов.
Поиск аналогов стал проще.
На новом производственном участке внедрена система ML Sense: машинное зрение определяет тип детали и состояние поверхности, выбирает программу покраски и передаёт управляющие команды роботу-манипулятору; отдельная модель обнаруживает присутствие человека и блокирует процесс.
Система введена в эксплуатацию в августе 2025 года. Точность определения типа и состояния детали составила 99%; программа покраски выбирается автоматически, ошибки при покраске и случаи брака и переделок, по заявлению поставщика, сведены к нулю; контроль присутствия человека обеспечивает безопасность процесса.
На Нижнетагильском металлургическом комбинате завершён пилот VizorLabs Health&Safety: систему дополнительно обучили распознавать применяемые на предприятии виды СИЗ и контролировать нахождение работников в опасных зонах.
По результатам проекта заявлено содействие формированию культуры безопасности, снижению риска травматизма и поддержанию трудовой дисциплины.
Система видео-контроля не позволяет начать огневые работы, пока на фото места работ не обнаружен огнетушитель.
По сообщению источника, система предотвращает начало работ без обнаруженного огнетушителя; количественный эффект не раскрыт.
ПАО «ФосАгро» реализует пилотные проекты по применению ИИ для задач экономической и информационной безопасности и защиты индустриальных сетей.
Заявлена цель повысить эффективность работы дирекции по экономической безопасности и уровень защищённости компании; фактический эффект не раскрыт.
В рамках пилотных проектов ПАО «ФосАгро» применяет ИИ для мониторинга производственных процессов.
Фактический эффект не раскрыт.
Разработали и внедрили подсистему «ЛНА» в 1С:ERP с базой нормативных документов, автоматическим созданием тестов через GigaChat, графиками тестирования и ознакомлением сотрудников.
Система охватывает 100% онбординга и тестирования; составление графиков ускорено с нескольких недель до нескольких дней; тесты формируются за секунды вместо нескольких часов.
В производственном контуре развернуты ML-оптимизатор технологического режима и виртуальные анализаторы качества продукции.
После внедрения выработка выросла на 1–4% в зависимости от марки; экономический эффект за первый год составил около 266 млн рублей в год. Проект окупился на этапе опытно-промышленной эксплуатации.
Камера и алгоритм определяют дефекты поверхности слитков.
Заявлено снижение доли брака без численного значения.
Система в реальном времени обрабатывает параметры технологической цепочки, фиксирует отклонения и автоматически корректирует режимы.
Заявлены более гибкое управление процессом и предотвращение аварийных остановок без численной оценки.
Модели анализируют материальные балансы, состав флюсующих материалов и спектры расплава и подсказывают оператору дозировки и время продувки.
Система помогает удерживать качество продукции; численный эффект не раскрыт.
ИИ анализирует данные с датчиков автомобилей для прогнозирования оптимального времени технического обслуживания.
Снижение времени простоев на 15%.
На реальном производстве полипропилена испытан виртуальный анализатор на основе нейронной сети, который в реальном времени анализирует технологические параметры и прогнозирует показатель текучести расплава.
Позволяет корректировать параметры установки для поддержания требуемого результата; количественный эффект не раскрыт.
В кадровых службах развернут ИИ-агент, который анализирует массив резюме, оценивает и ранжирует соискателей, помогает готовить вопросы к собеседованиям и интегрирован с корпоративной базой знаний и рекрутинговой платформой.
В тестах заявлена экономия более 93% времени на поиск кандидатов, ускорение подготовки и размещения вакансий на 90% и сокращение времени оценки соискателей более чем на 70%; потенциальное ускорение процесса от вакансии до трудоустройства оценивается более чем в 40%.
В платформе Поинтер подключена функция AI-ответов для первичной обработки отзывов; отзывы собираются, модерируются и анализируются в едином интерфейсе.
При совокупном использовании платформы 100% отзывов получают ответ, а скорость ответов выросла в 80 раз. Отдельный вклад функции AI-ответов не раскрыт.
Нейросеть разбирает входящие обращения и распределяет их по отделам.
Система обрабатывает 27 тысяч писем в месяц.
Внутренняя платформа ищет корпоративные файлы и анализирует данные в закрытом контуре.
Количественный эффект не раскрыт.
Программисты используют ИИ-помощника при написании кода.
По сообщению источника, написание кода ускорилось на треть.
На карьерном сайте используется виртуальный консультант на базе ИИ, предоставляющий посетителям информацию о компании и вакансиях.
Количественный эффект не раскрыт.
На базе готовой структуры и внутренних материалов нейросеть формирует теорию и задания, генерирует изображения и графику, озвучивает лекции и обрабатывает обратную связь обучающихся.
Количественный эффект не раскрыт.
На производственных линиях нескольких отечественных предприятий проходят опытную эксплуатацию роботы-инспекторы, которые с помощью нейросетей и машинного зрения автоматически проверяют изделия микроэлектроники и сортируют их по категориям дефектов.
Комплексы протоколируют проверки, формируют сводную информацию о дефектах и рассчитывают выход годных изделий; фактический производственный эффект опытной эксплуатации не раскрыт.