Примеры применения искусственного интеллекта для контроля качества продукции и услуг: машинное зрение, выявление дефектов и анализ работы сотрудников. Кейсы показывают объект проверки, роль специалистов и результаты внедрения.
Кейсов внедрения: 280.
ML-модели анализируют параметры бронирований и данные объектов размещения, выявляют аномалии и позволяют дополнительно проверить бронь до даты поездки.
За 2,5 года работы технологии количество бронирований с совершенным нарушением сократилось в три раза.
На платформе запущены умные фильтры на основе больших языковых моделей A-Vibe, которые анализируют отзывы и группируют тезисы по характеристикам объекта.
Первые пользователи тестируют функциональность; до конца февраля она должна стать доступна всем.
Камеры и модели распознавания действий сопоставляют работу мастера с чек-листом: приветствие, дезинфекция инструментов, предложение дополнительных услуг. При отклонении система отправляет уведомление.
Руководители получают сигналы за секунды и разбирают нарушения до появления жалоб клиентов.
Модели анализируют данные салонов и находят связи между соблюдением стандартов и показателями бизнеса. Языковая модель превращает выводы в рекомендации для управляющих.
Приветствие клиента связано с ростом среднего чека на 14%, а соблюдение стандарта встречи — со снижением негативных отзывов втрое.
Собственная речевая аналитика используется для контроля качества общения менеджеров с клиентами.
Решение разгрузило руководителей отделов продаж и помогло точнее выявлять зоны роста сотрудников.
Система расшифровывает аудиозаписи разговоров с клиентами для оценки соблюдения стандартов обслуживания.
Количественный эффект не раскрыт.
Т2 внедрила собственный ИИ-модуль в Telegram-чат-боте для проверки корректности и актуальности POSM-материалов по фотографиям из торговых точек.
Бот ежемесячно проверяет свыше 80 тыс. фотографий; за всё время проверено более 400 тыс. фотографий; экономия на автоматической модерации составила более 25 млн рублей в год.
В сети появился формат кофейни самообслуживания: робот готовит напитки, а компьютерное зрение и сенсоры контролируют качество.
Роботизированный формат работает в сети; количественный эффект не раскрыт.
Внедрили полный анализ звонков, автоматическое выявление отклонений от скриптов и рекомендации по улучшению работы менеджеров.
За четыре месяца средний чек вырос на 20%; время контроля качества сократилось.
Внедрена ИИ-система, прогнозирующая возможные дефекты многослойных печатных плат.
Количественный эффект не раскрыт.
На производстве машинное зрение ищет дефекты на конвейерах.
Количественный эффект не раскрыт.
Голосовой робот определяет цель звонка и собирает сведения клиента в карточку CRM, а речевая аналитика оценивает все диалоги.
Постобработка сократилась на 7–15 минут, средняя длительность разговора — до восьми минут, доля слов-паразитов уменьшилась в шесть раз, FCR превышает 80%.
Модуль компьютерного зрения анализирует видеопотоки и фиксирует нарушения техники безопасности и сбои операционных процессов.
Количественный результат именно этого модуля не раскрыт.
Сервисы анализа звонков и ИИ разбирают коммуникации и обращения, оценивают качество диалогов и выявляют моменты, где менеджеру нужна поддержка.
Количественный эффект не раскрыт.
Внедряются инструменты интеллектуального анализа переписок в мессенджерах и чатах для контроля качества общения.
Количественный эффект не раскрыт.
ИИ выполняет речевую аналитику диалогов с клиентами.
Количественный эффект не раскрыт.
ML Sense в реальном времени распознаёт и классифицирует инородные объекты на конвейере и автоматически останавливает линию при опасном объекте.
Простои сокращены на 36%; ежемесячно обнаруживается до 630 опасных объектов; простой сокращён до 10 минут вместо 50 и более.
Внедрена адаптированная система ML Sense с камерами, нейросетевой обработкой изображений, индикацией и автоматической остановкой конвейера.
Автоматизирован контроль качества: система выявляет отсутствие вставки и заусенцы в трубках, сигнализирует оператору и останавливает линию до упаковки изделия. Также заявлены сокращение рекламаций и финансовых потерь без количественных показателей.
Ручное выявление и документирование дефектов металлопроката заменено системой ML Sense на основе машинного зрения и нейросети; система автоматически формирует отчеты и акты через интеграцию с 1С.
По данным Nord Clan, проверка одной бобины сократилась с двух рабочих дней до не более 20 минут от запуска контроля до вывода отчета.
В телефонию Asterisk через API встроили автоматический конвейер WhisperX, Pyannote и Mistral NeMo: он транскрибирует звонки, разделяет спикеров, оценивает разговоры по критериям и возвращает результаты в модуль аналитики.
Система охватывает 99% разговоров; время анализа одного диалога сократилось примерно на 70%, а нагрузка на отдел контроля качества уменьшилась в 10 раз.
ИИ автоматически проверяет объявления.
Автоматически проверяются 99% объявлений.
Компания применила компьютерное зрение для контроля качества продукции.
Количественный эффект не раскрыт.
ИИ создаёт описания и изображения товаров для разных площадок и проверяет тексты на уникальность и уровень спама.
Бюджет на создание контента снизился на 95%.
Система ML Sense интегрирована с конвейером: ИИ распознает и классифицирует дефекты, а автоматическое устройство маркирует бракованные участки полотна.
Точность выявления дефектов достигает 99%; экономический эффект от сокращения потерь из-за рекламаций оценивается в 15 млн рублей в год.
Камера сравнивает контуры каждой банки с эталонной моделью и автоматически отбраковывает деформированные банки.
Предварительный расчет предполагает сокращение брака с 2400 до 200 банок в месяц, или в 12 раз; фактический эффект еще не подтвержден.
Смарт-камера и встроенная нейросеть сравнивают изображение шва с эталоном, сигнализируют о дефекте и останавливают линию.
После установки машинного зрения месячный выпуск на линии составил 15 млн банок против почти 11,6 млн ранее, а число бракованных банок — 320 против 4000; источник характеризует снижение брака как 17-кратное.
В тестовом режиме оптический сортировщик с машинным зрением и ИИ анализирует каждый клубень при закладке в хранилище и автоматически выявляет дефектный картофель и посторонние материалы.
Подтверждён автоматический отбор дефектных клубней и посторонних материалов; количественный производственный эффект не опубликован.
Сервис с ИИ автоматически оценивает работу менеджеров отдела продаж и контролирует качество клиентских звонков.
Экономия составила 200 часов в месяц.
ИИ-агент на базе Qwen обработал более 4500 нарушений, систематизировал знания и помог детализировать чек-листы приёмки.
Выявлены системные проблемы в чек-листах; ИИ предложил план корректирующих мероприятий.
Нейросеть в CRM анализирует звонки и встречи менеджеров с клиентами и выставляет им баллы.
Количественный эффект не раскрыт.