Портфолио и Кейсы внедрения ИИ

15 масштабных проектов для логистики, финтеха, промышленности, e-commerce и медицины. Реальные метрики, стек и экономический эффект.

Все кейсы (15) AI-агенты RAG и Базы знаний Голосовой ИИ AI-чат-боты Компьютерное зрение On-Premise & Fine-Tuning Предиктивная аналитика Генеративные медиа Интеграция ИИ в CRM
Транспортно-логистическая компания (автопарк 1 200+ тягачей)
Ручное распределение 3 000+ заявок в сутки приводило к срывам окон доставки, нерациональным холостым пробегам (до 18%) и перегрузке диспетчеров в пиковые сезоны.
-14%
сокращение холостого пробега автопарка
3.5 мин
среднее время назначения рейса (было 45 мин)
LangGraph Python FastAPI
Срок: 2.5 месяца Смотреть решение →
Крупный добывающий и инжиниринговый холдинг
Инженеры тратили до 4 часов в день на поиск регламентов, спецификаций оборудования и протоколов испытаний в разрозненных архивах сканов, чертежей и PDF-документов за 15 лет.
12 сек
время поиска ответа по архиву из 2.5 млн страниц
99.4%
точность извлечения параметров без галлюцинаций
Qdrant LlamaIndex Llama 3 70B On-Premise
Срок: 3 месяца Смотреть решение →
Сеть из 24 медицинских центров в ЦФО
В утренние часы до 35% звонков пациентов сбрасывались из-за перегрузки колл-центра. Пациенты уходили к конкурентам, а стоимость привлечения лида росла.
0%
пропущенных звонков в пиковые утренние часы
78%
звонков завершаются успешной записью без участия оператора
Whisper Streaming Custom TTS Asterisk PBX
Срок: 1.5 месяца Смотреть решение →
Экосистема b2b-платежей и цифровой банк для предпринимателей
Рост клиентской базы до 300 000 мерчантов привел к 6-кратному росту затрат на операторов поддержки. Среднее время ожидания ответа в чате выросло до 18 минут.
82%
обращений закрываются ботом без вызова оператора
14 сек
среднее время решения типовой проблемы клиента
Python OpenAI / Claude API Redis
Срок: 2 месяца Смотреть решение →
Крупная оптово-розничная сеть строительных материалов
Бухгалтерия вручную вбивала в 1С более 25 000 входящих счетов-фактур, УПД и ТОРГ-12 в месяц. Ошибки в номенклатуре и суммах приводили к расхождениям в налоговой отчетности.
99.8%
точность считывания числовых полей и реквизитов
1.2 сек
время обработки многостраничного скана накладной
PaddleOCR LayoutLMv3 PyTorch
Срок: 2 месяца Смотреть решение →
Топ-30 российский коммерческий банк
Строгие требования 152-ФЗ, банковской тайны и регулятора исключали использование любых облачных AI-сервисов (OpenAI, Anthropic). Требовалось независимое On-Premise решение.
100%
изоляция контура: данные не покидают периметр безопасности банка
3.2x
ускорение рассмотрения кредитных заявок корпоративных клиентов
Qwen 2.5 72B vLLM NVIDIA Triton
Срок: 3.5 месяца Смотреть решение →
Федеральная сеть продуктовых магазинов у дома
Из-за ошибок ручного заказа скоропортящейся продукции списания достигали 6.4%, а дефицит популярных товаров на полках приводил к потере 9% потенциальной выручки.
-32%
сокращение списаний скоропортящейся продукции
96.2%
доступность товаров на полке (On-shelf availability)
CatBoost LightGBM Python
Срок: 2.5 месяца Смотреть решение →
Крупный продавец мебели и товаров для интерьера на Wildberries и Ozon
Съемка каждого нового предмета мебели в интерьере обходилась в 3 500 ₽ за кадр, а подготовка карточки занимала до 14 дней. Это тормозило вывод новых коллекций на маркетплейсы.
в 18 раз
удешевление создания продающей карточки товара
25 минут
время вывода новинки на маркетплейс (вместо 2 недель)
Flux / SDXL ComfyUI API ControlNet
Федеральный девелопер жилой недвижимости бизнес-класса
Руководители отдела продаж физически могли прослушать не более 3% звонков 80 менеджеров. Менеджеры забывали вносить договоренности в CRM и упускали горячих покупателей.
100%
звонков анализируются ИИ в режиме реального времени
+34%
рост конверсии из первого звонка в показ объекта
Битрикс24 REST API Whisper LLM Scoring
Срок: 1.5 месяца Смотреть решение →
Производственное предприятие автокомпонентов
Микротрещины и заусенцы на металлических деталях выявлялись на стадии финальной сборки, что приводило к дорогостоящему браку целых узлов и рекламациям.
99.92%
точность обнаружения микротрещин и сколов
15 мс
время детекции дефекта на скорости конвейера 2.5 м/с
YOLOv10 TensorRT CUDA
Срок: 2.5 месяца Смотреть решение →
Крупная IT-компания и аутсорсинговый интегратор (штат 2 500+ сотрудников)
Рекрутеры тратили до 80% рабочего времени на просмотр нерелевантных откликов на hh.ru и проведение однотипных телефонных скринингов.
в 5 раз
ускорение закрытия типовых технических вакансий
86%
кандидатов положительно оценили опыт быстрого интервью с ИИ
LangGraph Telegram Bot API Python
Срок: 1.5 месяца Смотреть решение →
Федеральный девелоперский холдинг и генподрядчик
Юристы согласовывали более 800 типовых и нетиповых договоров в месяц. Проверка каждого 50-страничного договора занимала до 3 рабочих дней, тормозя закупки стройматериалов.
90 сек
на полный юридический аудит 50-страничного договора
4.5x
ускорение согласования типовых договоров с контрагентами
LlamaIndex Fine-tuned LLM Python
Срок: 2 месяца Смотреть решение →
Федеральный интернет-провайдер и оператор связи (1.8 млн абонентов)
При блокировке интернета из-за неоплаты 40% абонентов уходили к другим операторам, а ручной обзвон операторами стоил слишком дорого.
68%
абонентов оплачивают счет в течение 2 часов после звонка робота
-42%
сокращение оттока (churn rate) абонентов из-за блокировок
Voice AI Engine SIP Trunking СБП Pay API
Онлайн-кинотеатр с каталогом более 40 000 фильмов и сериалов
Пользователи долго искали, что посмотреть, бросали поиск и закрывали приложение. Время просмотра (watch time) стагнировало.
+38%
рост среднего времени просмотра на пользователя в месяц
+22%
увеличение конверсии в продление платной подписки
CatBoost Faiss Python
Срок: 2.5 месяца Смотреть решение →
Крупный дистрибьютор медицинского и лабораторного оборудования
Тендерный отдел физически успевал анализировать не более 15% релевантных закупок из-за колоссального объема технической документации в архивах.
100%
релевантных тендеров РФ отслеживаются и анализируются круглосуточно
x3.4
рост числа поданных заявок на торги тем же составом отдела
Python FastAPI PaddleOCR
Срок: 2 месяца Смотреть решение →