Примеры применения искусственного интеллекта в исследованиях и разработке новых продуктов. Кейсы российских компаний: анализ данных, моделирование, работа специалистов и результаты внедрения решений.
Кейсов внедрения: 131.
VK перевела аналитику данных на единую технологическую платформу; результаты используются для отчетности, экспериментов и ML-моделей.
Результаты аналитики используются в отчетности, экспериментах и ML-моделях; количественный эффект не раскрыт.
Для Агрокалькулятора разработаны новые модели и добавлен генеративный ИИ для ответов агрономам; создан API для внешних интеграций.
Систему готовят к опытно-промышленной эксплуатации.
Компания использует GigaIDE с интегрированным ИИ-ассистентом GigaCode для автоматизации рутинных задач и анализа контекста и качества кода.
Измеримый эффект не раскрыт.
Внедрена ML-модель, обученная на статистике использования браузера, для освобождения оперативной памяти.
Высвобождается до 1 ГБ дополнительной оперативной памяти.
Команда разработки использует ИИ-агентов для подготовки окружения, исправления кода, запуска тестов и передачи изменений на проверку; разработчики регулярно используют ИИ при создании кода.
73% разработчиков Яндекса регулярно используют ИИ; более половины нового кода создаётся с помощью генеративных моделей.
Webiomed анализирует медицинские данные и прогнозирует кардиориски и диабет.
Источник сообщает о применении системы на данных 4,8 млн пациентов.
Речевые технологии SberDevices использованы для усовершенствования голосовой платформы «МегаФона».
Голосовая платформа усовершенствована с использованием речевых технологий; количественный эффект не раскрыт.
Система автоматически анализирует изображения растений с камер, дронов и сенсоров и выявляет признаки роста, болезней и стрессов.
Точность автоматического фенотипирования повышена с 39% до 99%; система позволяет оценивать тысячи растений одновременно.
В пилоте ассистент объединяет код, документацию и задачи продуктовой команды и помогает готовить декомпозицию, тест-кейсы и сводки совещаний.
Количественный эффект не раскрыт.
Построен AI-QA-агент, который запускает приложение на симуляторе, пошагово выполняет тест-кейсы, анализирует экраны с помощью VLM и сравнивает ожидаемый результат с фактическим.
Количественный эффект не раскрыт.
Компания подключила Поинтер для автоматического сбора отзывов из магазинов приложений, автоматизации части ответов и генерации индивидуализированных ответов с помощью ИИ/ChatGPT. Полные отчёты по отзывам передаются разработчикам для выявления востребованных функций.
100% отзывов получают ответ; около 16% обратной связи обрабатывается автоматически; средняя скорость ответа выросла в 1,5 раза — с 20 до 14 часов. По запросам из отзывов добавлена возможность поднять вакансию в топ-поиске.