Как компании используют искусственный интеллект в планировании и управленческой аналитике: прогнозирование, анализ данных и поддержка решений руководителей. Кейсы внедрения с исходной задачей, способом применения прогноза и результатами.
Кейсов внедрения: 332.
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.
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.
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.
Компания тестирует внедрение ИИ в ценообразование и чат-ботов для выдачи рекомендаций при общении с потенциальными клиентами.
Количественный эффект не раскрыт.
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.
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 уфимском филиале внедрён виртуальный помощник, который автоматически звонит ремонтным бригадам, проводит опрос, заносит сведения в программу, формирует сводку и выявляет отклонения технологического процесса.
В материале со ссылкой на департамент информации и рекламы «Роснефти» заявлено сокращение времени сбора сводки в 6 раз, до 15 минут. Ожидаемая экономия уфимского филиала составляет до 70 млн рублей в год.
Внедрена система Sber Data Science для прогнозирования спроса и управления запасами.
Точность прогноза спроса выросла вдвое, складские излишки сократились.
Компания внедрила систему прогнозирования спроса на весь ассортимент. Модель формирует оперативный и стратегический прогнозы и автоматизирует расчёты специалистов для планирования закупок.
По данным автора кейса, точность прогноза первой недели повысилась на 10%, четвёртой недели — на 8%, первого месяца — на 5–7%; отклонение снизилось до ±10%, а затраты времени специалистов на формирование аналитики — на 15–20%.
ИИ анализирует данные о том, где открывать новые отделения.
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.
ИИ-ассистент ищет информацию в регламентах, инструкциях и исторических данных, отвечает на типовые вопросы, интерпретирует показатели и автоматически готовит справки, пояснения и данные по смене.
Сокращается время поиска информации и подготовки технологических отчетов; ускоряется передача смены.
Совместно с МФТИ разработан и испытан ИИ-модуль для прогнозирования спроса и оптимизации товарной матрицы.
Количественный эффект не раскрыт.
В компании используется нейросимвольная система, которая генерирует варианты расширения газопроводов и оценивает предпроектные решения.
Система выполняет эту работу не хуже эксперта и позволяет многократно быстрее оценивать варианты без потери качества оценок.
На действующей ферме запущены развёртывание и апробация платформы с видеоаналитикой и сценариями раннего выявления проблем со здоровьем стада.
Количественный эффект не раскрыт.
Внедрена система анализа видеоданных с нейросетью для выявления дефектов дорог, формирования дефектных ведомостей, выдачи предписаний подрядчикам и контроля устранения дефектов.
Источник заявляет точность распознавания 95%, обработку более 500 км видео в день и скорость обработки на 80% выше; система успешно прошла тестирование в Орловской области.
Ввела в эксплуатацию интеллектуальную транспортную систему с алгоритмами компьютерного зрения VisionLabs для распознавания транспорта и мониторинга дорожной ситуации.
Заявлены повышение безопасности, снижение аварий и заторов и оптимизация дорожного движения.
Внедрила VK Process Mining для анализа данных системы управления складом на одном из складов.
Количественный эффект не раскрыт.
В 2025 году сеть начала переход на F&R-систему российского поставщика. ML-модели учитывают продажи, внешние факторы и покупательское поведение отдельных магазинов, а система оптимизирует заказы.
Переход на систему начат. Полное масштабирование запланировано на следующий год; отдельный эффект ML-прогнозирования не раскрыт.
На предприятии начато коммерческое внедрение ПАК «ВЕТАИ» с локальным серверным контуром, аналитическими дашбордами и интеграцией с Afimilk и DTM для работы с данными стада, кормления и доения.
Количественный эффект не раскрыт.
Машинное обучение прогнозирует нагрузку на сети и риск аварийных ситуаций по погодным условиям, данным датчиков и историческим сведениям.
Система применяется для предотвращения аварийных ситуаций; количественный эффект не раскрыт.
Внедряет систему Process Mining для внутреннего аудита и выявления аномалий среди абонентов.
Количественный эффект не раскрыт.
В платформу встроили ИИ-аналитика, который формирует аналитический разбор биржевых инструментов на основе данных внешних источников.
После тестирования функция стала доступна всем пользователям платформы.
В деятельность AB Centrum внедрена корпоративная платформа для создания и управления ИИ-агентами.
ИИ-агент «Цифровой прораб» используется в деятельности девелоперской компании.
Система прогнозирует нагрузку и на её основе оптимизирует расписание смен операторов.
Коэффициент использования операторов вырос на 12%, что позволило обслуживать больше звонков без увеличения штата и снижения качества обслуживания.
Банк применяет ИИ для оптимизации нагрузки на сеть банкоматов с учётом множества факторов.
Количественный результат не раскрыт.
Системы ИИ используются для прогнозирования спроса и оптимизации маршрутов доставки.
Количественный эффект не раскрыт.
Платформа формирует аналитические дашборды и популяционные прогнозные модели для оценки распространённости заболеваний, факторов риска и числа пациентов высокого риска, выявления проблемных зон и контроля целевых показателей.
Отдельный количественный эффект этого процесса не раскрыт.
Запущен проект внедрения системы прогнозирования спроса и управления цепочками поставок на базе Novo Forecast Enterprise.
Количественный эффект не раскрыт.