Задачи компаний, применённые решения, результаты и первоисточники.
В корпоративную ИТ-разработку внедрён специализированный ИИ-помощник Magnit Copilot для автоматизации рутинных задач.
ИИ-помощник используется ежедневно примерно 400 программистами; компания сообщает о повышении производительности разработки.
Система автоматически анализирует отзывы и выявляет проблемы на уровне отдельных магазинов.
Обрабатывается до 150 тыс. отзывов в день.
Компания встроила ИИ-ассистента для подбора товаров, рецептов и готовых сценариев покупок.
Покупателям доступен разговорный способ подбора покупок. Число пользователей и влияние на продажи отдельно не раскрыты.
Компания использует компьютерное зрение для автоматического контроля наличия товаров и соблюдения стандартов выкладки.
Контроль полок включён в операционные процессы. Охват магазинов и отдельный экономический эффект не раскрыты.
Агент клиентского сервиса распознает запросы и автоматически обрабатывает обращения в чате.
По данным Just AI, автоматизировано 55% обработки обращений в чате, а точность распознавания клиентских запросов составляет 93%.
ИИ-агент проводит HR-скрининг кандидатов в телеком-компании.
По данным Just AI, решение проводит 50 000 сессий в месяц, сэкономило рекрутерам более 2 000 часов, а 91% отобранных кандидатов соответствовали критериям.
Текстовый агент подключён к двум аккаунтам Авито, сайту, Telegram и Max, а голосовой агент принимает звонки; оба ведут клиента до записи и автоматически создают или обновляют карточки в CRM.
Конверсия из обращения в запись выросла с 10% до 25%, стоимость записи снизилась примерно с 5 000 до 1 000 рублей, а участие инженера в продажах было устранено.
Ассистент на платформе «Савви» отвечает на вопросы об услугах, отрабатывает возражения и повторно связывается с клиентом. Номер телефона и запрос передаются менеджеру через CRM.
Число записей выросло с 2–3 до 15 в неделю. Ассистент собрал 171 диалог с номером телефона; ответ занимает 2–3 секунды.
Система отслеживает изменения на сайте, обновляет базу знаний и автоматически размечает документы для поиска ответов. Ранее правки в сценарии вносили вручную.
Время на поддержание базы знаний сократилось более чем на 80%.
Агент распознаёт параметры заказа в фотографиях, рукописных бланках, PDF и Excel, рассчитывает стоимость и передаёт готовое коммерческое предложение в систему на базе 1С.
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.
Ассистент на платформе «Савви» обрабатывает сообщения четырёх аккаунтов Авито, рассчитывает параметры по прайсу, выделяет заказы от 150 м² и автоматически создаёт карточки квалифицированных лидов в Bitrix24.
Заявлено, что без участия человека обработано 95% сообщений: ассистент обработал более 6500 сообщений и провёл 1263 целевых диалога при стоимости 15 ₽ за квалифицированный диалог.
В действующего помощника Kai встроили ветку с RAG-поиском по технической документации и FAQ; она формирует ответы клиентам и передаёт неизвестные вопросы оператору.
На подготовленном тестовом наборе точность ответов составила 89%. По оценке руководителя проекта КНАУФ, решение экономит до 50% времени сотрудников.
Ассистент синхронизирован с YCLIENTS, видит актуальные окна и цены, записывает клиентов, проверяет абонементы и сертификаты и отправляет ссылки на оплату.
Система обработала 9 234 сообщения, закрыла без администратора 597 диалогов и охватила 100% обращений; средняя стоимость диалога составила около 13 ₽.
AutoFAQ Xplain развёрнут в контуре компании, интегрирован с ITSM и корпоративным SSO; ассистент отвечает по верифицированной базе знаний и маршрутизирует обращения.
Скорость обработки обращений выросла на 45%; маршрутизация стала на 37% быстрее; высвобождено 3,5 штатной единицы; около 7 200 заявок и 2 300 диалогов в месяц получают полностью автоматическое решение.
Система автоматически напоминает родителям об окончании абонемента.
По данным кейса, доля продлений выросла на 14%.
Конвейер автоматически собирает сведения из ЕГРЮЛ, Федресурса, арбитражной и налоговой систем и формирует отчёт с флагами по шаблону компании.
Через 30 дней проверка контрагента занимала четыре-шесть часов вместо двух-трёх дней; поток удвоился, заявленная экономия на аутсорсинге составила около 180 тысяч рублей в месяц.
Юристы используют шаблонизированную генерацию НДА, договоров поставки и агентских договоров.
Количественный эффект не раскрыт.
Бот предлагает время, оформляет запись на пробное занятие и передаёт готовую запись администратору.
По данным кейса, конверсия заявки в запись выросла с 60% до 89%.
Telegram-бот на базе ChatGPT отвечает по расписанию, ценам и правилам центра.
По данным кейса, нагрузка на переписку у каждого администратора сократилась с трёх до 0,7 часа в день.
Внедрён инструмент анализа договоров с базой знаний о типовых рисках, красных флагах и фирменных оговорках.
Через 45 дней первичный анализ договора занимал 35–40 минут вместо 3,5 часа; восемь юристов высвободили 72 часа в неделю.
AI-чат-бот принимает первичные обращения и квалифицирует запросы до разговора с юристом.
За три месяца бот стал квалифицировать 60% входящих запросов, а нагрузка на партнёров снизилась на 34%.
LLM-агент «Билайн Бизнес» классифицирует обращения по 18 категориям, маршрутизирует их и обрабатывает часть типовых запросов без оператора.
Через два месяца автоматизация достигла 52%; среднее время обработки — 100 секунд; доля отказов снизилась с 60% до 30%; точность классификации составила 98%.
РСХБ использует автоматизированную систему генерации информационного контента и персональных предложений. Специализированные AI-агенты создают варианты визуального оформления статей, а ML-модель рекомендаций подбирает сторис индивидуально для клиентов.
Конверсия выросла более чем на 50%; экономия ресурсов фонда оплаты труда составила 2,5 млн рублей в годовом выражении; каждая сгенерированная сторис охватывает аудиторию более 1 млн пользователей.
Голосовой помощник обзванивает отели, уточняет актуальность данных, фиксирует ответы и назначает повторный звонок с учётом часового пояса.
Автоматизировано 85% обзвонов, время на обзвоны сократилось в 4 раза. В 60% звонков бот получает нужную информацию или договорённость об обновлении данных.
Производственная виртуальная команда проектирует архитектуру ИИ-агента по требованиям пользователя и формирует готовую конфигурацию; решение встроено в MWS AI Agents Platform.
Система стала основным инструментом платформы для создания ИИ-агентов по описанию на естественном языке.
LLM-агент обзванивает действующих клиентов, ведёт диалог о продлении, обрабатывает возражения, предлагает другой клуб и автоматически отправляет напоминание об оплате.
Заявлены производительность на 25% выше средней производительности сотрудника, конверсия в продление 47% и контактность 71%; операторов перевели на сложные обращения и дополнительные продажи.
Система разбирает входящие документы и распределяет обращения по департаментам и отделам ведомства.
Точность определения департамента — 0,89, отдела — 0,84. Для контроля распределения достаточно 1–2 сотрудников.
Компания создала синтезированный голос бренда для озвучки на русском, английском и китайском языках.
Заявлена экономия около 155 тыс. рублей и нескольких рабочих дней без потери качества.
Создан чат-бот, интегрированный с Telegram, 1С и складом, который рассчитывает запасные части по запросам клиентов.
Заявлено сокращение обработки заявки с 20–30 минут до 2–3 минут; экономия 2,3 ставки в месяц или 4 млн рублей в год; ботом пользуются 70% клиентов.
Команда использует нейросети для дорисовки недостающих кадров, цветокоррекции и устранения дефектов видеоконтента.
Количественный эффект не раскрыт.