Как компании внедряют искусственный интеллект в производственные процессы и оказание услуг. Кейсы автоматизации операций и помощи специалистам: что изменилось в работе, какие решения применили и какой результат опубликован.
Кейсов внедрения: 436.
Школа и разработчик системы заимствований запустили совместную автоматическую проверку сочинений по критериям ФИПИ: модель выставляет баллы и предлагает исправления.
Проверка занимает 1–2 минуты вместо 20 минут и обходится в пять раз дешевле экспертной. Сервис обработал более 9000 сочинений.
Модель по коронарограмме рассчитывает индекс SYNTAX Score.
Расчёт выполняется за секунды вместо 20–40 минут; заявленная точность составляет 94,74%.
На молочном комплексе в Воронежской области испытывают компьютерное зрение, которое строит 42-точечную модель скелета коровы, анализирует походку и автоматически выявляет хромоту.
В испытании заявлена точность распознавания животных 99% и локализации ключевых точек 97%.
Столичные ИИ-сервисы обрабатывают медицинские снимки в системе лучевой диагностики.
По данным правительства Москвы, производительность труда выросла в 5–6 раз, а число ошибок уменьшилось вдвое.
После онлайн-опроса пациента помощник сопоставляет жалобы с электронной медкартой и до начала приёма формирует сводку об обращениях, исследованиях, назначениях и вызовах скорой.
За год с момента запуска подготовлено 30 млн сводок; в среднем формируется около 100 тыс. сводок в день.
Система поддержки врачебных решений предлагает терапевту три наиболее вероятных диагноза и перечень дополнительных исследований.
Терапевт получает три вероятных диагноза и варианты дополнительных исследований.
В приложение «Ювенильный артрит» встроили ИИ-ассистента: он напоминает о приёме препаратов, отвечает по клиническим материалам, собирает сведения по обращениям, готовит черновики ответов для врача и направляет ему потенциально критические случаи.
Заявлено, что время подготовки ответа сократилось в несколько раз, а число вопросов, решённых врачом при первом обращении пациента, выросло на 40%. Системой дистанционного мониторинга пользуются около 1500 пациентов, которых сопровождают 32 детских ревматолога.
Специализированный ИИ-помощник создаёт учебные материалы под конкретный класс по федеральной программе.
Количественный эффект не раскрыт.
Алгоритм по детскому рентгеновскому снимку автоматически строит углы тазобедренных суставов и определяет нарушения строения.
Алгоритм стал 70-м ИИ-инструментом московских рентгенологов; городские сервисы применяются по 45 клиническим направлениям.
В приложении телемедицинского сервиса ИИ-помощник собирает анамнез, анализирует симптомы, предлагает три вероятных диагноза и рекомендует специалиста для записи.
С декабря 2024 по октябрь 2025 года проведено более 350 000 консультаций.
Помощник анализирует более 100 параметров плавки.
не раскрыто
ИИ-сервис сопровождает выполнение школьных заданий.
Сервисом воспользовались 1,7 млн человек; решено более 66 млн задач.
Снимки из больниц поступают в центральный архив, где ИИ выделяет подозрительные участки, формирует протоколы описания и расставляет приоритеты просмотра; с января 2025 года решение внедряется по всей области.
За 2024 год в пилотном контуре проанализировано более 1 млн снимков грудной клетки и отмечено почти 44 000 случаев с признаками патологий.
Тепловизоры и нейросеть определяют свободный борт стальковша при выпуске плавки.
Задержка системы не превышает одной секунды; ожидаемый эффект оценивается в 28 млн рублей в год, подручные сталевара находятся вне опасной зоны.
Система в фоновом режиме анализирует медкарты и уведомляет врача о пациентах, которым требуется внимание.
К концу 2024 года проверено более 735 000 пациентов; около 300 000 отнесены к группе очень высокого риска.
Модель в реальном времени прогнозирует осложнения у стационарных пациентов.
В каталоге заявлена точность прогноза осложнений 89%.
Система оцифровала нормирование операций магазинов и планирование перестановки стеллажей.
Затраты на планирование снизились на 13%, трудозатраты — с 1235 до 1072 часов, срок перестановки стеллажей — с 39 до 34 дней.
Встроенная в медицинские информационные системы платформа анализирует электронные карты, выявляет факторы риска и прогнозирует вероятность более 40 хронических заболеваний.
К 2025 году с платформой работают 275 000 врачей в 41 регионе России.
Обезличенные результаты анализов передаются ансамблю ИИ-агентов, который интерпретирует показатели с учётом пола, возраста и референсных значений и формирует расшифровку вместе с результатом.
Сервис запущен в Москве в сентябре 2025 года с последующим распространением на остальные регионы до конца года.
Перед операцией выполняется КТ, программа рассчитывает положение импланта, а эндопротезирование проводится активным хирургическим роботом.
Положение импланта рассчитывается с точностью до десятых долей градуса; клинические исходы не раскрыты.
Умные камеры на Ярославском шинном заводе считают и классифицируют шины.
Заявлена точность более 95%; прогнозируемый прирост выпуска — 15 тыс. шин в год.
Система анализирует жалобы пациента на приёме и предлагает врачу три вероятных диагноза из 265 групп.
К маю 2024 года обработано 14,4 млн случаев в поликлиниках Москвы; к марту 2025 года систему подключили 19 регионов.
Лазерные датчики и ИИ-камеры в реальном времени дозируют средства защиты по объёму листвы каждого дерева.
Система применяется на 751 га; затраты на обработку ниже до 20%.
Установленный в поликлинике ассистент с камерой оценивает по лицу пациента 12 показателей здоровья.
Оценка занимает 10 секунд вместо 15–20 минут первичного осмотра медсестры.
Медицинские устройства автоматически передают показатели на платформу, где ИИ анализирует динамику, выявляет отклонения и уведомляет врача.
К 2025 году в пилоте подключено около 40 000 пациентов; в 2025 году добавлены 6 000 беременных в семи регионах.
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.
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%.
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%.
Нижнекамскнефтехим запустил отечественную систему усовершенствованного управления производственным процессом.
Заявлен эффект 61 млн рублей за первые три месяца промышленной эксплуатации.