Задачи компаний, применённые решения, результаты и первоисточники.
Предиктивная модель на основе накопленных данных и машинного обучения прогнозирует спрос покупателей и объем продукции для поставок в магазины.
Система помогает планировать объем поставок, логистику и загрузку производства, снижая риск дефицита и избыточных запасов; количественный эффект не раскрыт.
Stellar использует системы на базе ИИ для автоматизации контроля качества кода и обеспечения кибербезопасности.
Результат применения непосредственно у Stellar не раскрыт.
Набор нейросетей и алгоритмов анализирует видеозаписи производственных работ для контроля условий и правил труда, использования средств индивидуальной защиты и времени выполнения операций.
Результат применения не раскрыт.
На улицах Сириуса комплекс компьютерного зрения тестируют для фиксации нарушений и автоматического запуска голосовых предупреждений в реальном времени.
По заявлению директора компании-разработчика, более 90% нарушителей прекращают противоправные действия после первого предупреждения.
Платформа собирает данные с сельхозтехники и устройств зондирования почвы, а модели машинного обучения прогнозируют циклы растениеводства, урожайность и влияние удобрений.
Количественный результат не раскрыт.
В практическом исследовании применены модели машинного обучения для автоматизированного разбора, классификации и приоритизации результатов статического и динамического анализа безопасности ПО.
Для классификатора DAST указаны Precision 0.99, Recall 0.98, F1 score 0.991 и ROC AUC score 0.99; экспертная оценка подтвердила точность определения нестандартных ответов на уровне 96.7%; в некоторых случаях время анализа сократилось на порядок.
Страховщик применяет модели машинного обучения для оценки вероятности страхового случая по данным о клиентах, их поведении, истории страховых случаев и внешних факторах.
Количественный эффект не раскрыт.
Заменили прежнее решение рекомендательной системы на anyRecs; интегрировали платформу, переработали блоки похожих товаров, кросс-сейла и популярных товаров, а также настроили и протестировали новые стратегии рекомендаций.
В заголовке кейса заявлен рост CTR на 15% и доли выручки от рекомендаций на 37%; основной текст подтверждает значительный рост ключевых показателей.
На территории производственной площадки запущены шесть автономных электрогрузовиков Evocargo N1, работающих по трём маршрутам и перевозящих паллеты с минеральной ватой.
Сокращение рутинных операций, уменьшение трафика на производственной площадке и повышение безопасности операционных процессов заявлены качественно; количественные показатели не раскрыты.
Разрабатывает и внедряет инструменты на основе компьютерного зрения для контроля и предотвращения разливов нефти на кустах скважин.
Контроль и предотвращение разливов нефти.
Компания внедрила CVM-платформу для централизованного управления омниканальными маркетинговыми коммуникациями, персонализированными предложениями, товарными рекомендациями и скидками.
Платформа используется для массовых персонализированных кампаний по базе более 10 млн клиентов.
В DLP-системы Сбера встроены алгоритмы ИИ для защиты персональных данных клиентов.
Средняя точность повышена примерно с 70% до 95%; около 40% атрибутов определяются с точностью до 99,9%.
ИИ формирует расписание сотрудников, занимающихся продажами.
Клиенты могут заранее узнать удобное для посещения время.
ИИ анализирует данные о том, где открывать новые отделения.
Количественный эффект не раскрыт.
Система «Алхимик» применяет ИИ для разработки многокомпонентных рецептур моторных масел.
Количественный эффект не раскрыт.
На платформе НЭЙРУ внедрён нейро-риелтор, который квалифицирует клиентов, отвечает на вопросы, формирует подборки и передаёт данные риелтору.
Обработка заявок ускорилась в 3 раза.
Калининская АЭС полностью оцифровала архив технической документации с применением российских технологий искусственного интеллекта.
Полная оцифровка архива технической документации завершена.
СИБУР запустил карьерного и научного консультанта на базе большой языковой модели, работающего на карьерном сайте, отдельном лендинге и во внутренних процессах адаптации.
Удовлетворённость адаптацией выросла с 87% до 93%; поток релевантных кандидатов увеличился на 25% за первые полтора месяца; знание бренда работодателя выросло на 4 п.п.; eNPS — с 24,5 до 37,2%; лендинг посетили более 224 000 человек за первые полтора месяца.
ML-система объединяет геномные данные, рацион и условия содержания и рассчитывает племенную ценность животного для прогноза признаков потомства.
К концу 2024 года система работала с голштинской и айрширской породами; оценку можно проводить уже на этапе генотипирования.
Внедрено решение резидента «Сколково» в рабочие процессы университета в рамках федерального проекта «Искусственный интеллект».
Решение предназначено для повышения качества учебного процесса и безопасности.
Нейросеть «Екатерина» используется для персонализации рекомендаций одежды покупателям независимо от бренда и цены.
Сервис чаще показывает покупателям модную одежду.
В сервисном центре внедрён алгоритм на базе YandexGPT, который определяет тематику обращений и автоматически готовит ответы на запросы.
Автоматизировано 30% из 13 тыс. запросов; 75% этих ответов одобрены без доработки; нагрузка на специалистов снижена на 22%.
В аптечной сети используется внутренняя рекомендательная система, помогающая проверять совместимость лекарственных препаратов в рецепте.
Улучшение качества обслуживания покупателей; количественный эффект не раскрыт.
Сеть внедряет технологии прогнозирования спроса с применением машинного обучения и искусственного интеллекта.
Результат количественно не раскрыт.
Сеть внедряет технологии ценообразования с применением машинного обучения и искусственного интеллекта.
Результат количественно не раскрыт.
На территории Томскнефтехима запущены коммерческие грузоперевозки без водителей; полимеры перевозятся по маршруту на цифровой карте объекта.
Заявлены повышение скорости перевозки и сокращение времени простоя при погрузочно-разгрузочных работах; количественные показатели не раскрыты.
Запущены грузоперевозки на беспилотных электрогрузовиках Evocargo N1 в технопарке в Киржаче.
Грузовики работают непрерывно и выполняют около 40 рейсов в сутки; заявлены снижение человеческого фактора и операционных рисков.
Команда операционных рисков внедряет ИИ-фреймворк и внутренний ИИ, оценивает риски внешних ИИ-решений и сопровождает проекты на новых рынках.
Измеримый результат не раскрыт.
Генеративный ассистент отвечает клиентам и помогает привлекать новых.
Конверсия в клиента — 8%.
11 длительных ручных шагов в работе с данными автоматизированы через AI-агента; используется распознавание intent и агентская архитектура.
11 длительных ручных шагов заменены автоматизацией через AI-агента.