Языковая модель готовит персональные аргументы для звонков
Модель формирует аргументы телемаркетинга на основе транзакций клиента.
Конверсия в согласие и подключение подписки выросла на 16% относительно контрольной группы.
Задачи компаний, применённые решения, результаты и первоисточники.
Модель формирует аргументы телемаркетинга на основе транзакций клиента.
Конверсия в согласие и подключение подписки выросла на 16% относительно контрольной группы.
Данные панорамных камер, LiDAR, тепловизоров и датчиков передаются на сервер, где нейросеть сравнивает их с BIM-моделью и выявляет отклонения по 14 категориям дефектов.
Проверки проводятся в четыре раза чаще без увеличения штата. Сканирование комнаты занимает не более 2–3 минут, трёхкомнатной квартиры — около 10–15 минут, анализ данных — не более суток.
Голосовой робот отвечает клиентам по базе из 5000 вопросов.
Около 50% обращений закрывается без человека.
Голосовой помощник принимает звонки на 16 городских линиях.
Принято более 200 млн звонков; текущая нагрузка — около 3 млн обращений в месяц.
После объединения обращений на одной платформе голосовой робот принимает типовые звонки и заявки на курьера.
не раскрыто
Систему автоматической аттестации с компьютерным зрением и прогнозными моделями масштабируют на производство плоского проката и труб большого диаметра в Колпино и дооснащают измерителями агрегаты ЧерМК.
На момент публикации система охватывала 35 ключевых агрегатов ЧерМК и около 60% товарной продукции.
Сервис «Быстрый найм» автоматизирует оформление кандидатов, а чат-бот отвечает персоналу на типовые вопросы.
Оформление кандидата сократилось с трёх дней до 15 минут.
Голосовые роботы подтверждают и переносят записи, а IVR распознаёт цель звонка.
Доля звонков с ответом за 20 секунд выросла с 70% до 82%; разговор оператора сократился в среднем на 47 секунд; число неявок снизилось без раскрытия точного значения.
Покупатель описывает запрос, а ИИ-ассистент находит безрецептурные препараты и помогает перейти к онлайн-заказу.
На тесте заявлен рост конверсии в заказ на 77% у пользователей ассистента.
Чат-бот с языковой моделью ведёт кандидата по сценарию массового найма.
90% сообщений доставляются, 80% кандидатов продолжают диалог, 50% завершают сценарий, 20% записываются на собеседование.
Ассистент обучен на внутренних данных, ведёт онбординг, добавляет и ищет грузы и транспорт, выставляет счета и оформляет закрывающие документы.
68% ежедневных обращений являются типовыми; заявлены ожидаемые ответ за две-три секунды и снижение нагрузки на поддержку на 40%.
МЕДСИ использует платформу «Третье Мнение» для анализа и разметки медицинских снимков.
Анализ снимка занимает от 10 секунд до 2 минут; время на заключение сократилось на 80%.
Чат-бот транспортного комплекса использует две большие языковые модели для ответов на вопросы пассажиров.
С 2025 года нейросети обработали более 1 млн вопросов; ответ формируется менее чем за две секунды.
ИИ-ассистент определяет объект по входящему звонку, соединяет клиента с агентом и создаёт карточку обращения.
ИИ-ассистент обрабатывает 65% входящих звонков по объявлениям.
Система прогнозирует спрос и оптимизирует запасы сети супермаркетов.
Товарные запасы снижены более чем на 20% без потери продаж.
Виртуальные помощники применяются в офисных процессах, редактировании справочных материалов и сопоставлении внутренней номенклатуры с отраслевыми классификаторами.
За полтора года реализовано несколько ИИ-проектов; эффект отдельных помощников не раскрыт.
После жалобы одного клиента система опрашивает других покупателей того же товара.
Заявлен рост повторных покупок на 9%.
Платформа поддержки врачебных решений на основе ИИ применяется в московском клиническом центре.
В описании проекта заявлен рост выявляемости заболеваний на ранней стадии на 14%.
Система в мобильном приложении анализирует фотографии кожи и направляет пользователей к дерматологу.
За три месяца проанализировано более 15 тыс. изображений; конверсия в приём дерматолога составила 12%.
Система анализирует обращения по клиническим рекомендациям и медико-экономическим стандартам и ищет завышения в счетах клиник.
40% обращений обрабатываются полностью автоматически; ответ клиенту формируется в 15 раз быстрее.
ML прогнозирует спрос и формирует автозаказ для 161 магазина.
95% заказов формируются автоматически, наличие ассортимента составляет 97–98%, списания снизились на 10–15%.
Модуль в системе документооборота распознаёт сканы и PDF и переносит данные в карточки.
Ручной ввод сократился на 80%, согласование ускорилось на 50%.
Ритейлер встроил генерацию изображений в покупку электронной подарочной карты на сайте и в приложении. Клиент описывает желаемый дизайн и использует созданное изображение для оформления.
Конверсия в заказ электронной карты выросла на пять процентных пунктов. Средний чек карт с дизайном от нейросети на 8% выше обычных.
Алгоритмы формируют маршруты, а цифровая модель моделирует автомобильные, железнодорожные и авиационные перевозки.
Более двух третей маршрутов формируется алгоритмами; сроки доставки сократились на 23%.
Продавцы используют встроенные инструменты генерации фото и видео для товарных карточек.
С помощью инструментов улучшено более 3 млн карточек; видеообложка создаётся примерно за минуту.
Голосовой рекрутер выполняет звонки соискателям.
Робот делает до 8000 звонков соискателям.
Компания обновила брендбук, логотип и лендинг с использованием нейросетей.
Заявлен приход нового клиента через обновлённый сайт.
Ассистент слушает разговор врача с пациентом и автоматически заполняет жалобы, анамнез, диагноз и рекомендации в протоколе приёма.
По данным компании, врачи тратили на документы до 40% меньше; протокол готовился не позднее чем за 35 секунд, а точность заполнения превышала 90%.
Модуль ищет информацию в нормативных документах, научных публикациях и сведениях о зарегистрированных лекарствах.
За время пилота модуль получил более 100 тыс. неповторяющихся запросов; сервис тестировали более 10 тыс. московских врачей.
Цифровой помощник проверяет финансовые документы и выявляет расхождения.
Заявленная точность обработки документов превышает 90%.