КейсЭлектронная коммерция и маркетплейсыПростой1 мин
Генерация карточек товаров для сайта: стоимость написания карточки снизилась на 95%, скорость публикации выросла в десятки раз.
Сеть строительных гипермаркетов автоматизировала написание карточек товаров для сайта с помощью сервиса генерации текстов. Стоимость одной карточки упала на 95%, скорость публикации товаров выросла в десятки раз.
Тексты для каталога и площадок по шаблону и данным из 1С: задача для ИИ-агента контента.
КейсЭлектронная коммерция и маркетплейсыПростой1 мин
Нейросеть рисует уникальные изображения для электронных подарочных карт: конверсия в заказ выше на 5 п.п., средний чек карт с нейросетью выше на 8%.
Сеть косметики встроила в сайт и приложение сервис, который генерирует уникальное изображение для электронной подарочной карты. Конверсия в заказы электронных карт выросла на 5 процентных пунктов, средний чек таких карт выше на 8% по сравнению с обычными.
Персональный визуал в момент покупки: ИИ-агент для сайта собирает его за секунды.
КейсЭлектронная коммерция и маркетплейсыПростой1 мин
Онлайн-дискаунтер, где ИИ управляет ценами, ассортиментом и списаниями: управляющая команда 25 человек вместо не менее 150 по оценке основателя, цены на 20–30% ниже рынка.
В Татарстане запущен продуктовый онлайн-дискаунтер, построенный на ИИ: алгоритмы отвечают за ценообразование, формирование ассортимента и борьбу со списаниями. Управляющая команда 25 человек; по словам основателя, без ИИ понадобилось бы не менее 150 сотрудников. Цены на 20–30% ниже средних по рынку, стартовые инвестиции около 100 млн ₽, доставка за 1–3 часа.
Бизнес, спроектированный вокруг ИИ-агентов, а не вокруг штата: это и есть ИИ-отдел.
КейсЛогистика и складПростой1 мин
Удаленная приемка овощей и фруктов на распределительном центре с машинным зрением: оценки ИИ совпадают с мнением инспекторов более чем в 90% случаев.
Сеть построила сервис удаленной приемки свежих овощей и фруктов: сотрудник с камерой на распределительном центре выполняет действия с партией, удаленный инспектор дает команды и оценивает качество, а алгоритм случайно выбирает позиции для проверки и пару «инспектор, сотрудник». Затем к процессу начали подключать машинное зрение: его оценки совпадают с мнением инспекторов более чем в 90% случаев.
Контроль качества по фото и видео по регламенту: сценарий ИИ-агента для склада, стройки и производства.
КейсHR и рекрутингПростой1 мин
Сервис «Быстрый найм» и чат-бот для сотрудников в сети «Супер Лента»: оформление кандидата сократилось с 3 дней до 15 минут, чат-бот отвечает на типовые вопросы персонала.
Сервис «Быстрый найм» и чат-бот для сотрудников в сети «Супер Лента»: оформление кандидата сократилось с 3 дней до 15 минут, чат-бот отвечает на типовые вопросы персонала; видеоаналитика следит за наличием товара на полках.
Оформление за 15 минут вместо трех дней: ИИ-агент найма ведет кандидата от отклика до документов.
КейсРозничная торговляПростой1 мин
Нормирование операций магазинов оцифровано: затраты на планирование ротации ниже на 13%, трудозатраты с 1235 до 1072 часов, перестановка стеллажей с 39 до 34 дней.
Сеть гипермаркетов оцифровала три сложных процесса, приемку, выкладку и маркировку, в модуле нормирования операций. Затраты на планирование ротации товара и оборудования снизились на 13%, трудозатраты с 1235 до 1072 часов, сроки перестановки стеллажей с 39 до 34 дней; замер одного процесса занимает 4,5 часа вместо 6.
Нормы и план работ из данных, а не из ощущений: ИИ-агент считает их для сети точек по чек-листам сотрудников.
КейсСельское хозяйствоПростой1 мин
ML-прогноз спроса и автозаказ для 161 магазина: 95% заказов формируются автоматически к 7:20 утра, наличие ассортимента 97–98%, списания ниже на 10–15%.
Розничная сеть заменила ручное прогнозирование в 1С на ML-сервис, который учитывает больше 10 факторов: историю продаж, промо, погоду, сроки годности и праздники. Автоматизировано 95% заказов, процесс ускорен в 5 раз, наличие ключевого ассортимента держится на 97–98%, списания скоропортящихся товаров снизились на 10–15%. От пилота до промышленного запуска прошло 3 месяца.
Три месяца от пилота до промышленного запуска: ровно так выглядит путь от пилотного агента к ИИ-отделу.
КейсHR и рекрутингПростой1 мин
Автоматизация массового найма: 25 000 кандидатов в месяц превращаются в 1000 новых сотрудников, приглашений на интервью в 2,5 раза больше, пропущенных звонков в 6 раз меньше, стоимость найма, по данным источника, ниже на 38%.
Сеть объединила платформу подбора с телефонией: за месяц 25 000 кандидатов, 13 000 приглашений, 4900 интервью, 2200 успешных и 1000 новых сотрудников. Приглашения на собеседования выросли с 15 до 40 в день на специалиста, исходящие звонки с 72 до 245, пропущенные вызовы упали с 47 до 8 в будни; стоимость найма, по данным источника, ниже на 38%.
Воронка найма с цифрами на каждом шаге: ИИ-рекрутер отвечает на отклики и назначает интервью в день отклика.
КейсHR и рекрутингПростой1 мин
Роботы-рекрутеры на речевых технологиях обзванивают кандидатов: 1,5 млн резюме обработано за три месяца, 2500 человек в месяц записаны на собеседование.
Сеть автоматизировала поиск кандидатов и отбор резюме с помощью виртуальных рекрутеров на речевых технологиях. За три месяца обработано больше 1,5 млн резюме, ежемесячно роботы записывают на собеседование 2500 человек.
Первый звонок кандидату в день отклика: голосовой ИИ-агент делает его для сети точек и производства.
КейсХимия и нефтехимияПростой1 мин
Роботизация и распознавание документов на двух площадках: время реакции на входящую информацию ниже на 95%, обработка документов в 5 раз быстрее, у сотрудников, занятых документами, освободилось около 20% времени.
Группа внедрила программных роботов и распознавание текста одновременно на двух производственных площадках: документооборот, складской учет, электронный архив технической документации. Время реакции на входящую информацию снизилось на 95%, скорость обработки документов выросла в 5 раз, у сотрудников, занятых документами, освободилось около 20% времени.
Входящие счета, накладные и письма разбирает ИИ-агент и раскладывает в 1С: типовая задача для нейросотрудника.
КейсХимия и нефтехимияПростой1 мин
ML-помощник Service Desk классифицирует и маршрутизирует заявки сотрудников: при потоке больше 330 000 обращений в год 85% обрабатываются автоматически, время обработки с 23 до 4,9 минуты.
ИТ-департамент разработал помощника оператора службы поддержки: система принимает обращения сотрудников, определяет тему и направляет исполнителю. При потоке больше 330 000 обращений в год 85% обрабатываются автоматически; среднее время обработки сократилось с 23 минут до 4,9, система развернута сразу в двух холдингах.
Первая линия для сотрудников и клиентов на ИИ: 85% типовых обращений без человека, это норма, а не рекорд.
КейсМеталлургияПростой1 мин
Тепловизоры и нейросеть определяют свободный борт стальковша при выпуске плавки: задержка не больше секунды, ожидаемый эффект 28 млн ₽ в год, подручные сталевара вне зоны риска.
В конвертерном цехе видеоаналитика по данным тепловизоров определяет величину свободного борта в ковше во время выпуска плавки. Обработка изображения занимает не больше секунды, потери металла и расход огнеупоров снижаются, ожидаемый эффект 28 млн ₽ в год; сотрудники наблюдают процесс на мониторе, а не у ковша.
Опасный замер убрали от человека: ИИ-агент с камерой делает контроль, который раньше требовал присутствия.
КейсМеталлургияПростой1 мин
ИИ-помощник сталевара анализирует больше 100 параметров плавки; ситуационный центр следит больше чем за 100 единицами оборудования 24/7; эффект цифровой программы больше 23 млрд ₽ в EBITDA за 5 лет.
В конвертерном цехе ИИ-помощник сталевара анализирует больше 100 параметров плавки и выдает рекомендации по ведению процесса. На НТМК ситуационно-аналитический центр круглосуточно контролирует больше 100 единиц ключевого оборудования и находит отказы на ранней стадии, в колесобандажном цехе стоит больше 200 датчиков удаленной диагностики. Эффект цифровой программы группы больше 23 млрд ₽ в EBITDA за 5 лет.
Помощник, который подсказывает в момент решения, а не отчитывает после: так работает ИИ-агент для менеджера.
КейсМеталлургияПростой1 мин
Шесть генеративных помощников в закупках для сотрудников, поставщиков и подрядчиков: получение данных и подготовка документов в 10 раз быстрее, 500 пользователей 24/7.
Компания сама разработала шесть цифровых помощников технической поддержки закупочного процесса на открытых языковых моделях. Скорость получения данных и подготовки документов выросла в 10 раз, 500 зарегистрированных пользователей работают с инструментами круглосуточно, помощники участвуют во всей цепочке закупок.
Не один агент, а команда из шести на одном процессе: это и есть ИИ-отдел закупок.
КейсАвтопромПростой1 мин
Умные камеры на конвейере Ярославского шинного завода считают и классифицируют шины с точностью больше 95%: прогнозируемый прирост выпуска 15 000 шин в год.
ИТ-подразделение розничной сети адаптировало для конвейера компетенции компьютерного зрения из ритейла. Вдоль линии установлены камеры, которые подсчитывают и классифицируют типоразмеры шин с точностью больше 95%; система дает данные об остатках на этапах производства и не допускает перегрузки конвейера, прогнозируемый прирост выпуска 15 000 шин в год.
Опыт из одной отрасли переносится в другую: мы делаем то же с агентами для записи, заявок и отчетов.
КейсДобыча полезных ископаемыхПростой1 мин
Решения на основе ИИ на рудниках, фабриках и заводах дают компании около 100 млн $ дополнительного эффекта ежегодно; сформирована модель «цифрового штата».
По словам директора центра развития цифровых технологий компании, ИИ-решения уже дают около 100 млн $ дополнительного экономического эффекта в год. Компания сформировала целевую модель цифрового штата, а полноценное участие генеративного ИИ в производственных процессах, по оценке спикера, может стать реальностью через 8–10 лет.
Цифровой штат у крупной компании и ИИ-отдел у средней: одна идея, разный масштаб.
КейсУпаковка и полиграфияПростой1 мин
Техническое зрение и ML на линиях стеклотары: годной продукции +5%, скорость машин +10%, простои в 2 раза меньше, реакция на инцидент с 60 до 5–10 минут, экономия около 12 млн ₽ за полгода.
Программно-аппаратный комплекс собирает данные с линий в реальном времени и находит отклонения на всех переделах. Количество годной продукции выросло на 5%, скорость стеклоформующих машин на 10%, простои сократились вдвое, время реакции на инциденты упало примерно с 60 минут до 5–10; экономия около 12 млн ₽ за первые полгода двухлетнего проекта.
Реакция за 5–10 минут вместо часа: ИИ-агент замечает отклонение по данным и сразу пишет мастеру смены.
КейсЭнергетикаПростой1 мин
ИИ-ассистент закупщика генерирующей компании читает коммерческие предложения в Excel, PDF и Word и проверяет их на соответствие требованиям: точность не ниже 95%, обработка заявок в разы быстрее.
В отдел закупок генерирующей компании внедрен ИИ-ассистент: он анализирует коммерческие предложения подрядчиков и поставщиков, сверяет их с запросом заказчика и проверяет обоснованность цены. Точность анализа не ниже 95%, время обработки заявок сократилось в разы, документы принимаются в Excel, PDF и Word; проект длился с декабря 2025 по июнь 2026 года.
Сравнить пять КП по требованиям за минуты: ИИ-агент делает это для отдела снабжения любой компании.
КейсДеревообработка и мебельПростой1 мин
За полтора года на комбинате запущено несколько ИИ-проектов: распознавание показаний счетчиков с точностью до 98%, виртуальный помощник для офисных процессов, сопоставление номенклатуры.
ИТ-подразделение комбината за 1,5 года реализовало несколько проектов: систему распознавания показаний счетчиков, чтобы энергетики не вносили данные вручную, виртуального помощника для офисных процессов, редактирование справочников и сопоставление номенклатуры. Точность распознавания показаний до 98%.
Несколько небольших агентов за полтора года вместо одного большого проекта: путь, который мы называем ИИ-отделом.
КейсПочта и курьерская доставкаПростой1 мин
Алгоритмы формируют больше двух третей маршрутов, цифровая модель «Тераплан» моделирует авто, ж/д и авиаперевозки: сроки доставки сократились на 23%.
Компания расширила применение ИИ в логистике: алгоритмы участвуют в формировании больше двух третей маршрутов, а платформа моделирования оценивает влияние каждого решения на сроки и загрузку сети. Сроки доставки сократились на 23%; следующий этап, элементы Zero Touch, когда решения принимаются без участия человека.
Маршрут и расписание строит алгоритм, человек утверждает: та же логика у ИИ-агента диспетчера.