Задачи компаний, применённые решения, результаты и первоисточники.
Построена и обучена модель ARIMA для прогнозирования продаж с учётом сезонности, поискового спроса, рыночных трендов, цен и маркетинговых факторов.
Прогноз продаж на 2024 год отклонялся примерно на ±100 единиц товара.
В лаборатории применяется компьютерное зрение, которое анализирует снимки с цифрового микроскопа по восьми параметрам микроструктуры. Для каждого параметра обучена отдельная нейросетевая модель.
По данным компании, отчёт готовится за 15 минут вместо полутора–четырёх часов ручного анализа.
Оператор выявляет нелегальные SIM-карты по отличиям их цифрового следа; также заявлено использование биометрических технологий, включая распознавание голоса.
Заявлена возможность идентифицировать SIM-карты, используемые в атакующих БПЛА и нелегальных колл-центрах; количественные показатели не раскрыты.
AI-администратор принимает обращения в четырёх каналах, записывает, отменяет и переносит визиты в Yclients, отправляет напоминания и предлагает дополнительные услуги.
Количество записей выросло на 30%, нагрузка администраторов снизилась на 50%.
Тексты загружаются в CAT-систему, ИИ выполняет первичный перевод на английский и арабский, а переводчик делает финальную вычитку и корректировку.
Перевод ускоряет вывод товаров на витрину; первичный перевод занимает несколько секунд.
ML-модель обучена на отзывах, внедрена в рабочий процесс и дообучается по результатам проверки модераторов.
Автоматически модерируется 60% отзывов; отзыв после ИИ-модерации появляется примерно за 20 минут вместо нескольких дней ручной проверки.
Создан собственный сервис пакетной обработки фотографий: контент-менеджер загружает пул фото, после чего ИИ применяет заданные настройки к серии изображений.
Среднее время обработки сократилось с 4 дней до 1,5–2 часов; стоимость обработки одного фото снизилась в среднем на 85%.
Команда Barnes International Moscow использовала модели машинного обучения для прогнозирования темпов роста цен на недвижимость в районах.
Темпы роста цен на недвижимость в районах прогнозировались; количественный эффект не раскрыт.
Внедрена система контроля качества на конвейерном производстве с машинным зрением ML Sense для контроля дефектов нитей и волокон углеродного волокна.
Количественный эффект не раскрыт.
Внедрена система контроля качества на конвейерном производстве с машинным зрением ML Sense для определения размеров фракций осадочной породы в реальном времени.
Количественный эффект не раскрыт.
Внедрена интеллектуальная система KitBot: автоматизированы обработка откликов, поиск резюме, приглашения кандидатов, предварительные интервью и скоринг.
Эффективность рекрутинга выросла на 40%; число закрытых вакансий увеличилось на 40% за месяц; высвобождено 2 часа в день; доля успешных кандидатов выросла с 15% до 35%.
Для российской компании ТНГ-групп применён аналитический комплекс с ИИ для контроля расходов ГСМ и безопасности геологоразведочных работ.
По некоторым видам техники заявлена экономия 20–30% ГСМ.
Компьютерное зрение ищет повреждения конвейерной ленты; система фильтрует ложные сигналы.
Ложных срабатываний стало меньше. Доля найденных повреждений не снизилась.
В сервис Russpass внедрили ИИ-помощника, который автоматически формирует персональные подборки отелей, ресторанов, экскурсий, маршрутов и достопримечательностей на основе аналитических данных, предпочтений и ответов пользователей в анкетах.
Пользователи получают автоматически сформированные персональные рекомендации в личном кабинете и разделах сервиса.
В трассировку документов внедрён AI-ассистент.
Время на трассировку документов сокращено в шесть раз.
Компьютерное зрение оценивает размер и качество сырых окатышей. Управляющая модель подбирает дозировки, влажность и обороты окомкователя и передаёт настройки в агрегат.
На пилотной линии производительность выросла примерно на 11%.
Лаборатория разрабатывает алгоритмы анализа томографических изображений животных и применяет ИИ при обработке томограмм в экспериментах с препаратами.
Получены результаты сегментации — выделения контуров органов на снимках.
Классическое машинное обучение применяется для прогнозирования убытков, вероятности страхового случая и мошеннических операций; feature store используется для обучения моделей оценки убыточности клиентов.
Результаты используются для аналитики политики перестрахования с целью уменьшения убыточности.
Проект IngoRead распознаёт паспорта и водительские удостоверения, определяет вероятность ошибки или несоответствия документа и сокращает число документов, требующих ручной проверки.
Сокращена потребность в ручной проверке документов; количественный масштаб не раскрыт.
Нейросети оценивают ущерб по фотографиям с места ДТП на этапе урегулирования.
Применение помогает обновлять данные, улучшать качество финальных моделей и ускорять оценку и принятие решений.
Машинное обучение применяется для оценки лояльности клиентов, выбора следующего предложения и прогнозирования действий клиента при покупке страховых продуктов; отдельные модели работают для SMS, холодных звонков и email.
Персонализируются предложения и каналы коммуникации; собственная AutoML-система сокращает время разработки и переобучения моделей, без количественной оценки.
Компания подключила Smart-Reply.AI к Ozon и Wildberries. Модели классифицируют обращения и формируют ответы с учётом товара и правил бренда: положительные отзывы обрабатываются автоматически, сложные и негативные — сотрудниками.
Автоматизировано 60% отзывов, нагрузка на клиентскую поддержку сократилась вдвое. Ответ формируется примерно за десять секунд.
NtechCity анализирует городские камеры: выявляет переполненные контейнеры, незаконный сброс крупного мусора и автомобили, мешающие мусоровозам. Руководители получают отчёты и оповещения.
Для пилотного запуска в Дзержинске подключили 40 камер. Изменение расходов и соблюдения графика вывоза на этой площадке не раскрыто.
Автор протестировала несколько систем поиска тендеров для прогнозирования количества и названий участников и величины снижения цены; лучший результат дала выгрузка из Bitrix24 с базой данных по конкурентам.
Автор отмечает высокую точность прогноза, но количественный показатель не приведён.
Внедрена платформа AutoFAQ на основе комплексного ИИ и LLM для обработки обращений, интеграции с CRM, классификации запросов и помощи операторам.
Роботизировано до 85% обращений в чатах и до 15% запросов по электронной почте; удовлетворённость пользователей составила 4,9 из 5, производительность операторов выросла на 20%, заявлена четырёхкратная окупаемость инвестиций за 10 месяцев эксплуатации в 2024 году.
Нейросети и математическое моделирование анализируют данные о спросе, предпочтениях клиентов и рыночных тенденциях.
Автоматизированная система помогает оперативно устанавливать и корректировать цены для равномерного выбытия лотов и максимизации прибыли.
В нейросеть загрузили архив сделок Жилфонда и подключили открытые API сайтов недвижимости; система анализирует параметры объекта и сопоставимые данные.
Нейросеть выдает рекомендованную цену и помогает создать описание объекта; анализ занимает не более пяти минут вместо 1–2 рабочих дней.
Интегрировали CNN и RNN, стационарные камеры и наземные дроны для непрерывного мониторинга строительных площадок.
Система выявляет технологические нарушения и нарушения мер безопасности и позволяет оперативно реагировать на отклонения от норм.
На сайте FlyFlat работают интегрированные в личный кабинет нейросети для генерации интерьеров, распознавания и подбора мебели, а также редактирования изображений.
На платформе зарегистрировано более 6000 пользователей.
Для угольных шахт разработана конфигурация машинного зрения, распознающая объекты и контролирующая добычу при слабом освещении и высокой запылённости.
Источник сообщает о точном распознавании объектов и контроле добычи в сложных условиях; количественные показатели не приведены.