1. Главная
  2. Кейсы
  3. Интеллектуальная RAG-система анализа 2.5 млн страниц проектной документации для нефтегазового холдинга
RAG и Базы знаний

Интеллектуальная RAG-система анализа 2.5 млн страниц проектной документации для нефтегазового холдинга

Клиент: Крупный добывающий и инжиниринговый холдинг | Срок реализации: 3 месяца

Проблема и бизнес-вызов

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.

Реализованное ИИ-решение

Создали защищенную RAG-систему с гибридным поиском (Dense + Sparse + Reranker) на базе Qdrant и LlamaIndex. Система парсит сканы сложной верстки, таблицы и чертежи, выдавая выверенный ответ со ссылкой на страницу и пункт первоисточника.

Достигнутые бизнес-результаты

12 сек
время поиска ответа по архиву из 2.5 млн страниц
99.4%
точность извлечения параметров без галлюцинаций
-75%
снижение времени инженеров на согласование проектов
100%
полное развертывание в On-Premise контуре без доступа в интернет

Технологический стек

Qdrant LlamaIndex Llama 3 70B On-Premise vLLM PaddleOCR FastAPI

Хотите аналогичный результат?

Мы изучим процессы вашей компании и предложим архитектуру внедрения с оцифрованным ROI.

Другие кейсы агентства

AI-агенты

Мультиагентная система диспетчеризации и маршрутизации для федерального логистического оператора

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.
Срок: 2.5 месяца Читать кейс →
Голосовой ИИ

Голосовой AI-ассистент записи на прием и консультаций для сети многопрофильных медицинских клиник

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.
Срок: 1.5 месяца Читать кейс →
AI-чат-боты

Автоматизация 82% обращений первой линии поддержки для финтех-платформы и необанка

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.
Срок: 2 месяца Читать кейс →