Применение искусственного интеллекта в ИТ: помощь в разработке программного обеспечения, работе технической поддержки и эксплуатации систем. Кейсы российских организаций с задачами специалистов, решениями и результатами.
Кейсов внедрения: 73.
| Компания и кейс | Что изменили | Результат | Источники |
|---|---|---|---|
| Президентская академия (РАНХиГС): «Артур» регистрирует и маршрутизирует заявки техподдержки | Запущенный ИИ-помощник техподдержки «Артур» регистрирует и маршрутизирует заявки. | Заявлен денежный эффект более 6 млн руб. за семь месяцев. Источник не раскрывает методику расчёта и состав денежного эффекта. | |
| Президентская академия (РАНХиГС): Мультиагентная среда разработки экономит время команды | Команда Президентской академии использует мультиагентную среду в процессе разработки. | Заявлена экономия 20–30% времени команды. Не указаны состав команды, базовый период и методика расчёта экономии времени. | |
| SberDevices: Семантический кэш сокращает расход токенов ИИ-справки | SberDevices встроила семантический кэш на Qdrant в контекстную ИИ-справку для телевизоров. | Расход токенов снизился на два порядка. Эффект относится к расходу токенов сервиса. | |
| AGIMA: Детектор блокирует промпт-инъекции | AGIMA дообучила и вывела в промышленную работу детектор промпт-инъекций для проверки входных текстов. | Ложные блокировки сократились со 140 до 1 на выборке из 179 безопасных текстов; из пяти раундов дообучения в продакшен принят один. Результат приведён для выборки из 179 безопасных текстов. |
Внедрён ИИ-консультант, связывающий большую языковую модель с актуальной базой знаний для поиска верифицированных ответов пользователям и операторам технической поддержки.
Время ответа сокращено с 5–7 минут до 30 секунд; при апробации система обработала свыше 2,5 тыс. запросов, в 90% случаев нашла релевантные ответы, а более 78% пользователей оценили ответы как достаточные.
В сопровождение и жизненный цикл ПО внедрена AI-first модель: ИИ-агенты выполняют операции в заданных полномочиях, а люди задают цели, ограничения и контролируют результат.
По оценке Сбербанка, изменения затрагивают область, на которую приходится 30–40% общей стоимости ИТ; отдельный количественный эффект не раскрыт.
GigaCode Desktop объединяет специализированных агентов, которые совместно ищут информацию, анализируют документы, готовят отчеты и презентации и согласуют действия в процессе разработки.
В августе 2026 года потребление токенов для генеративной разработки достигло 9 трлн в месяц и более 22 млн на разработчика; заявлено 100% проникновение среди инженеров и 4 тыс. ежедневных пользователей платформы.
Т-Банк использует в собственном контуре ИИ-конвейер из 11 инструментов на открытых моделях для работы инженеров с программным кодом.
По данным статьи, на конвейере работают 80% инженеров Т-Банка.
Запущенный ИИ-помощник техподдержки «Артур» регистрирует и маршрутизирует заявки.
Заявлен денежный эффект более 6 млн руб. за семь месяцев.
Команда Президентской академии использует мультиагентную среду в процессе разработки.
Заявлена экономия 20–30% времени команды.
X5 внедряет ИИ-инструменты для подготовки требований, разработки и тестирования программного обеспечения.
Количественный эффект не раскрыт.
Корпоративная платформа предоставляет сотрудникам Ростелекома единый доступ к ИИ-моделям.
Платформа обрабатывает 470 тысяч запросов в месяц от 40 тысяч сотрудников; внутренняя оценка экономии — 100 млн рублей в год.
Компания внедряет ИИ-помощника для работы с CRM.
Количественный эффект не раскрыт.
Механизм кэширования кандидатов встроен в рекомендательные системы VK Видео и VK Клипов.
Система стала менее требовательной к вычислительным ресурсам без ухудшения качества выдачи.
SberDevices встроила семантический кэш на Qdrant в контекстную ИИ-справку для телевизоров.
Расход токенов снизился на два порядка.
Авито провёл пилот агентной разработки на платформе со skills-hub, mcp-hub и Spec-Driven Development для 100 инженеров.
Статистически значимого изменения объективных метрик разработки не выявлено; качество не снизилось, удовлетворённость участников была высокой.
AGIMA дообучила и вывела в промышленную работу детектор промпт-инъекций для проверки входных текстов.
Ложные блокировки сократились со 140 до 1 на выборке из 179 безопасных текстов; из пяти раундов дообучения в продакшен принят один.
Яндекс встроил компактную нейросеть распознавания быстрых голосовых команд в умные колонки.
Ложные срабатывания сократились на 60%, потребление памяти — на 50%; размер сети составляет 0,5–1,5 МБ.
Wildberries применяет AIOps-платформу для управления GPU-кластерами.
На одном кластере утилизация GPU выросла на 62%.
Робот собирает схемы, глоссарий и связанные таблицы, после чего LLM готовит описание витрины, а вторая модель проверяет результат.
За полгода описано 15 000 таблиц против 500 за предыдущий год; заявлено 92% семантического совпадения с проверкой человека.
Компания использует бота для ответов на вопросы о работе платформы, интеграции API и мобильном SDK.
Бот самостоятельно закрывает 45% вопросов; целевой показатель — 50%.
AutoFAQ Xplain развёрнут в контуре компании, интегрирован с ITSM и корпоративным SSO; ассистент отвечает по верифицированной базе знаний и маршрутизирует обращения.
Скорость обработки обращений выросла на 45%; маршрутизация стала на 37% быстрее; высвобождено 3,5 штатной единицы; около 7 200 заявок и 2 300 диалогов в месяц получают полностью автоматическое решение.
ИИ ежедневно формирует ответы на консультационные запросы пользователей ЕАИСТ; чат-бот АИСТА консультирует по закупочным процедурам, работе системы, документации и нормативному регулированию.
ИИ обрабатывает до двух третей обращений технической поддержки; для чат-бота АИСТА заявлено ускорение обработки запросов минимум на 20%.
В поддержку внедрены генеративные подсказки, кастомная база знаний и инструмент улучшения ответов; затем запущен AI-агент для простых запросов.
AHT сократилось на 25 минут; подсказки покрыли 62% входящего потока; NPS вырос на 17 пунктов за год; 47% ответов были даны с использованием генеративного AI; агент отвечал на 10% клиентских запросов.
Алгоритм в реальном времени анализирует сигнал, местоположение и возможности устройства и активирует оптимальную комбинацию частотных диапазонов.
Заявлен рост скорости мобильного интернета минимум на 10%; функционал развёрнут на 200 базовых станциях.
Ассистент выполняет автодополнение, ревью и объяснение кода, а также участвует в оценке квалификации разработчиков.
не раскрыто
Бот автоматически отвечает на типовые вопросы по базе знаний и выполняет первую линию технической поддержки с маршрутизацией обращений.
Типовые вопросы переданы боту, а обращения в техподдержку автоматически направляются по маршруту.
1С разработала и использует бот-консультант, который обрабатывает вопросы пользователей, ищет релевантные документы в базе знаний, применяет векторный поиск, LLM-переранжирование и формирует ответы со ссылками на источники.
На тестовом наборе сложных вопросов качество поиска выросло с 20% у полнотекстового поиска до 76% после дообучения, переранжирования, учёта конфигурации и терминов; дообучение также увеличило количество поисков кандидатов на 8%.
ИИ встроен во все этапы жизненного цикла разработки: анализ требований, проектирование, написание и ревью кода, тестирование, деплой и поддержку.
Заявлены ускорение работы, снижение количества ошибок и повышение качества кода; доказанные количественные показатели не раскрыты.
Внедрило Innostage TDIR в контуре SOC в связке с SIEM и SOAR для интеллектуальной проверки инцидентов и поддержки реагирования.
Количественный эффект не раскрыт.
Виртуальный ассистент Макс отвечает на вопросы пользователей, помогает пользоваться сервисами, дает ссылки, подает заявления и записывает к врачу.
Ассистент отвечает на 1,5 млн запросов и берет на себя 80% обращений, на которые способен ответить ИИ.
ИИ автоматизирует самоорганизацию сети, анализирует данные, прогнозирует нагрузку, предотвращает инциденты и автоматически устраняет неисправности; также используется при планировании и строительстве мобильных сетей.
Количественный эффект не раскрыт.
В 2026 году оператор запустил сетевого агента «ИИ-инженер» для разбора технических событий; ИИ также используется для планирования сети, управления радиоресурсами, трафиком и конфигурацией сети.
Заявлено ускорение разбора технических событий, снижение нагрузки на специалистов и повышение устойчивости инфраструктуры; количественные показатели не раскрыты.
«Ланит-проекты» внедрила Landev AI для управления ИИ-сервисами и агентами в собственной службе технической поддержки.
Обработка запросов в техническую поддержку ускорилась на треть.