Задачи компаний, применённые решения, результаты и первоисточники.
Node.js-приложение собирает код и структуру Python-проекта в контекст, передаёт их локальной LLM и через собственный инструмент автоматически создаёт и обновляет файлы проекта на Node.js.
Для нескольких небольших проектов получена основа для дальнейшей доработки; проект примерно на 12 700 токенов был перенесён за две рабочие недели против оценочных трёх недель вручную, либо четырёх с учётом знаний автора.
Рекомендательные системы внедрили во всех российских цехах компании по выпуску аммиака. Они анализируют параметры процесса, выявляют отклонения и предлагают оператору режим с меньшими затратами и большей выработкой.
По данным компании, время реакции на отклонения сократилось до считанных минут. Снижен расход природного газа и увеличен выпуск без дополнительных капитальных вложений.
Smart ID Engine распознаёт документы, проверяет их подлинность и сопоставляет селфи с фотографией. Проверки встроены в приложение и веб-сервис выдачи займов.
По сообщению компаний, проверка занимает секунды, а усиление защиты от подделок сохранило целевую конверсию оформления займа. Значения конверсии и потерь от мошенничества не раскрыты.
Голосовой робот определяет цель звонка и собирает сведения клиента в карточку CRM, а речевая аналитика оценивает все диалоги.
Постобработка сократилась на 7–15 минут, средняя длительность разговора — до восьми минут, доля слов-паразитов уменьшилась в шесть раз, FCR превышает 80%.
Модуль компьютерного зрения анализирует видеопотоки и фиксирует нарушения техники безопасности и сбои операционных процессов.
Количественный результат именно этого модуля не раскрыт.
Ассистент на базе GigaChat и внутренней документации авиакомпании консультирует по бронированию, правилам перевозки и сложным обращениям.
ИИ закрывает 86% обращений и устранил необработанные запросы в ночное время.
Алгоритмы анализируют потоки 45 камер, выявляют отсутствие средств защиты, опасные действия и несанкционированный доступ и уведомляют службу безопасности.
Доля выявленных критических нарушений выросла с 65% до 97,8%, время реагирования сократилось с восьми минут до 15 секунд; заявлена экономия 12,5 млн рублей в год.
В email-платформу встроен low-code редактор, который генерирует темы, прехедеры, варианты для A/B-тестов и графику, а также помогает редактировать текст.
Темы и прехедеры создаются за 5–10 секунд, варианты A/B-тестов — за несколько минут; один специалист собирает письмо на 70–80% быстрее.
Система распознаёт спецификации, восстанавливает структуру изделий, переносит атрибуты из связанных документов и дообучается на валидации специалистов.
За девять месяцев рутинные операции сократились на 50–90%, точность распознавания превысила 90%, цифровизация архивов ускорилась в три раза.
На входящей линии магазина ИИ-ассистент определяет запрос покупателя и направляет звонок в соответствующий отдел.
Поставщик сообщает об оптимизации работы операторов на 15% и сокращении ожидания в очереди.
Собственный RAG-ассистент транскрибирует встречи, готовит выжимки из больших текстов, отчёты, презентации и ответы клиентам в защищённом корпоративном контуре.
Поиск информации сократился в разы, подготовка отчётов, презентаций и развёрнутых ответов — до нескольких минут.
Система автоматических ответов и векторная база по закрытым тикетам отвечают на типовые запросы и подсказывают решения специалистам в сложных случаях.
Время обработки сократилось с двух часов до 30 минут; заявлена экономия 2,7 млн рублей в год, а затраты простоя по заявке уменьшились с 8000 до 2000 рублей.
Голосовой робот обзванивает покупателей с брошенными корзинами. Он использует сегменты базы, историю клиента, актуальные данные корзины и скидки из систем магазина.
По данным поставщика, конверсия обзвона в продажу достигла 10%; ресурс контакт-центра на этот сценарий оптимизирован на 10%.
Облачные геосервисы автоматически обрабатывают космическую съёмку страны, классифицируют изменения на местности и передают результаты в ведомственные системы.
Автоматизация выросла на 70%; платформой пользуются органы власти 89 регионов, точность моделей заявлена на уровне 85–99%, выявлено более 100 сигналов для проверок.
Компания завершила пилотное внедрение системы корпоративного планирования, формирующей пооперационный производственный план с учётом заказов, переналадок и технологических ограничений.
Расчёт оптимального плана занимает 2–3 минуты и обеспечивает прогнозирование сроков выпуска. Источник также сообщает о выявленном потенциале снижения операционных издержек и роста прибыли без фактической оценки эффекта.
Сервис распознавания «Биорг» подключен по API для переноса данных первого разворота паспорта клиента в договор при продаже ювелирных изделий.
Документ клиента можно сфотографировать, после чего его данные переносятся в договор.
С помощью Beorg Smart Vision предприятие оцифровало архив рукописных зарплатных журналов и создало единую базу для подготовки ответов Социальному фонду РФ.
Оцифрованы 300 000 рукописных записей и 1,2 млн параметров. По оценке представителя предприятия, ручной перенос занял бы минимум 3 года и потребовал бы затрат как минимум на 30% выше бюджета автоматизированной оцифровки.
В собственную CRM агентства интегрирован API «Биорг», который распознает документы и автоматически загружает извлеченные данные в систему.
Представитель агентства сообщает о ежедневном использовании сервиса и успешном распознавании сложных документов.
Банк встроил автоматическую оцифровку документов, сверку фотографии клиента и KYC-проверки в процесс дистанционной выдачи дебетовых карт.
Среднее время активации карты сократилось в 3 раза, а трудозатраты банка на обработку операций — в 5 раз.
PsychoPlace интегрировал API «Биорг» для оцифровки накопленного архива паспортов и потокового распознавания документов при регистрации клиентов.
Распознанные паспортные данные используются для обязательной верификации клиента перед повторным бронированием кабинета.
В 2025 году Image Recognition масштабировали на магазины «у дома», супермаркеты и «М.Косметик». По фотографии выкладки приложение показывает недостающие товары и отклонения от планограммы, помогая сотруднику исправить их.
Компания оценивает возможный прирост товарооборота до 0,6% при совместном применении технологии и соблюдении планограмм.
На критических точках ремонта производства изопрена установили видеоконтроль с аналитикой. Камеры считают людей, а штаб ежедневно сравнивает фактическую мобилизацию подрядчиков с планом.
По данным СИБУРа, эффективность работ выросла на 20%, экономия составила около 3 млн рублей; ремонт завершили раньше срока.
При модернизации линии выпуска стирол-бутадиен-стирола система автоматически фиксировала присутствие работников, отклонения от плана и нарушения безопасности. Штаб получал данные на дашборде в реальном времени.
По данным СИБУРа, работы завершили на 16 дней раньше срока и сэкономили около 8 млн рублей. На отдельных участках эффективность выросла на 20%.
Внедрение ИИ в управление коммунальной инфраструктурой и диспетчерские операции
Автоматизировано до 80% диспетчерских операций
Wikibot подключили к поддержке в UseDesk. Агент круглосуточно отвечает по базе знаний, ведёт типовые сценарии и собирает для сотрудника информацию о вопросе клиента.
После запуска поток вырос примерно с 5000 до более 10 000 обращений в месяц, штат поддержки остался прежним. Индекс удовлетворённости CSI сохранился на уровне 93%.
Внедрена система на основе GPT, которая классифицирует отзывы по тональности и темам и формирует рекомендуемые ответы.
Время обработки отзывов сократилось с 5 часов в неделю до 30 минут; после изменения рецептуры рейтинг вырос с 4,2 до 4,6 звезды, конверсия в покупку — на 18%.
Внедрена ML-модель прогнозирования спроса.
Качество прогнозирования выросло на 29% по сравнению со статистическими методами.
Разработана ML-модель на данных продаж и интегрирована с ERP; модель ежедневно рекомендует объем заказа у поставщиков.
Точность прогноза улучшилась на 24%, потери от затоваривания снизились на 30%, доступность товара повысилась на 15%; заявлен совокупный эффект 20 млн рублей в год.
Внедрена AI-система, которая автоматически предлагает маршруты и распределяет товары по машинам с учетом точек, объемов, сроков и трафика.
Средний пробег снизился на 12%, загруженность машин выросла на 18%, время доставки сократилось на 15%; заявлен совокупный эффект 40 млн рублей в год.
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.