ИИ-контроль дефектов стеклянной упаковки
В производстве лекарств внедрён программно-аппаратный комплекс ИИ для обнаружения дефектов прозрачных флаконов.
Количественный эффект не раскрыт.
Задачи компаний, применённые решения, результаты и первоисточники.
В производстве лекарств внедрён программно-аппаратный комплекс ИИ для обнаружения дефектов прозрачных флаконов.
Количественный эффект не раскрыт.
Ассистент на базе GigaChat формирует ответы клиентам по препаратам, приёму и побочным эффектам; оператор проверяет ответ перед отправкой.
Сгенерировано свыше 150 тыс. рекомендаций; время ответа сокращено до 3 секунд, время диалога — до 30 секунд.
Машинное обучение и ИИ применяются в управлении товарным запасом, доходностью контрактов, логистическими мощностями и уровнем сервиса.
Количественный эффект не раскрыт.
Компания связала Slack и внутреннюю Вики с поиском по смыслу и языковой моделью. База регулярно обновляется, ответ формируется на основе найденных документов.
Поиск информации, который раньше занимал от получаса до часа, заменён ответом менее чем за 1,3 секунды. Бота протестировали около 300 сотрудников.
Модель машинного обучения прогнозирует объём потерь по сезонным факторам, мощности присоединения и данным интеллектуальных приборов учёта.
Точность прогноза потерь заявлена до 98%.
Нейросеть анализирует графики потребления и данные интеллектуальных приборов учёта для выявления вмешательств и безучётного потребления.
Точность выявления заявлена до 92%.
ИИ автоматически расшифровывает и семантически анализирует диспетчерские переговоры в реальном времени, выявляя ошибки и подсказывая инструкции.
Анализ речи выполняется за секунды вместо времени, сопоставимого с длительностью разговора.
Мобильный голосовой обходчик ЦРТ переводит речь в текст и помогает оформлять результаты осмотра вагонов. Решение применяется в четырёх регионах присутствия компании.
Время передачи данных о технических осмотрах сократилось более чем в пять раз.
Модель семантически анализирует обращения, определяет их класс и автоматически направляет нужному исполнителю.
Заявлено снижение ручного труда по исправлению класса и маршрута обращения на 80%; ожидание ответа сократилось с дней до минут, а в сложных случаях — до часов.
Сервис транскрибирует диалоги, проверяет до 15 этапов разговора по чек-листу и самостоятельно формирует результаты оценки; сотрудники подключаются в сложных случаях.
Охват оценки звонков вырос с 10% до 100%, преимущественно за счёт ИИ при минимальном вмешательстве сотрудников.
Сервис после поступления договора автоматически находит правки и извлекает необходимые атрибуты документа.
На первом этапе система выделяет до 15% важнейших атрибутов в потоке нескольких тысяч документов в месяц и сокращает ручную обработку.
ML-модель прогнозирует тяжесть состояния подопечного и помогает выбрать программу поддержки.
Модель помогает заранее определять потребности и точнее рассчитывать финансирование лечения и сопровождения.
ИИ-собеседник ведёт диалоги и отвечает на комментарии пользователей в социальных сетях.
Решение снимает с сотрудников часть нагрузки и помогает соблюдать рабочий график.
На основе более 15 000 размеченных изображений обучена нейросеть для анализа новых сканов крыльев медоносных пчёл.
Определение подвида стало значительно быстрее и точнее ручного анализа.
Разработана нейросеть, помогающая врачам выявлять признаки spina bifida при УЗИ.
Система помогает выявлять признаки заболевания на ранних сроках беременности.
На площадке разместили цифрового аватара с визуальной 3D-моделью Максима Горького и системой генерации ответов для общения с посетителями.
Посетители могли общаться с цифровой копией Максима Горького и получать ответы.
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.
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.
Система записывает разговор врача с пациентом, преобразует аудио в текст и переносит сведения в медицинскую карту.
Заполнение медицинских карт ускорилось в среднем на 47%.
Алгоритмы анализируют медицинские изображения и помогают выявлять заболевания на ранних стадиях.
Проанализировано более 13 млн изображений; алгоритмы помогают выявлять 38 заболеваний, на одном снимке возможно обнаружить до 12 патологий.
Боты обрабатывают вопросы о балансе, заявках, подключении к интернету и телевидении. Компания переработала сценарии и классификацию обращений.
Доля автоматизации звонков достигла 69%, чатов — 64%.
В двух супермаркетах камеры анализируют трафик и очереди у касс, наличие товаров и поведение покупателей. Команда использует данные, чтобы проверять гипотезы об обслуживании и организации магазина.
Компьютерное зрение тестируется в действующих супермаркетах на Осеннем бульваре и в «Афимол-Сити». Отдельное изменение времени ожидания и продаж не раскрыто.
Аудиобейджи передают записи общения сотрудников с покупателями на анализ ИИ. Руководители используют результаты для проверки корректности консультаций и улучшения сервиса.
Анализ коммуникаций тестируется в двух действующих супермаркетах. Изменение качества обслуживания в цифрах не раскрыто.
Компания внедрила ИИ-чат-бота, который отвечает на вопросы новых сотрудников, направляет их в нужные разделы внутреннего портала и информирует о задачах и мероприятиях.
В публикации заявлено снижение тревожности новых сотрудников, ускорение адаптации и уменьшение нагрузки на HR-отделы.
ИИ внедрён в документооборот ЦБУиО Департамента здравоохранения Москвы; функциональность распространяется на направления бухгалтерского учёта амбулаторно-поликлинических учреждений.
Обработка данных ускорилась в 107 раз.
В порту Владивостока ИИ отслеживает людей, транспорт и контейнерные операции. Охрана и диспетчеры получают уведомления о нарушениях доступа, превышении времени операций и опасных ситуациях.
Контроль контейнерных операций и инцидентов объединён в действующей системе видеонаблюдения. Изменение времени обработки контейнеров не раскрыто.
AI-персонализация цифрового банковского канала: выбор сценариев, измерение эффекта и дальнейшая оптимизация объединены в управляемый контур.
Персонализация работала как управляемый контур выбора сценариев, измерения эффекта и дальнейшей оптимизации.
Внедрена платформа Beorg Smart Vision для распознавания скан-копий документов, протоколов и бюллетеней голосования собственников жилья, извлечения 23 атрибутов, проверки наличия подписей и занесения данных в «Платформу Цифровое ЖКХ». Полученные данные сверяются с данными Росреестра.
За 6 месяцев 2024 года распознаны 100 протоколов и более 2300 бюллетеней; сэкономлено примерно 900 человеко-часов. Платформа обрабатывает анкеты в 4–5 раз быстрее человека, качество оцифровки превышает 99%.
Академия подготовила базу знаний по OKR и подключила к ней Telegram-бота «Сократ». Он отвечает на вопросы, помогает прорабатывать цели и рекомендует материалы компании.
За неделю после анонса бота в Telegram-канале появились 100 новых пользователей — потенциальных клиентов Академии.
В компании запустили отдельного AI-ассистента для отдела продаж, обученного на базе знаний компании и учитывающего клиентский сервис; ассистент дает советы команде маркетинга и продаж.
Количественный эффект не раскрыт.