Описание проблемы

• Компания не использовала абсолютное большинство информации в своей базе знаний – финансовые отчеты, статистические данные, стратегические документы и т.д.
• Подготовка аналитических отчетов и справок для менеджмента занимало недели, результат страдал от неверных данных и слабого анализа
• Проверка документов и извлечение из них инсайтов выполнялась вручную
• Готовящиеся справки требовали сложных расчётов, симуляций и сведения множества источников данных

Решение

• Разработка чат-бота «Консьерж» на основе архитектурного подхода «ИИ-агент»
• Система способна выполнять финансовые симуляции – «как изменится прибыль в Пакистане если число новых подписчиков упадет на 3%, а расходы на маркетинг вырастут на 10%»
• Система поддерживает рассуждения во много шагов по модели «Chain of thought» позволяю отвечать на самые сложные ответы
• При ответе агент явно указывает использованные источники
• Решение применяется всем офисом стратегического планирования.

Результат

• Более чем на 75% сокращено время на составление аналитических справок
• На 30% сокращено время на подготовку контрактов
• Менеджмент может получать мгновенные ответы на вопросы в чат-боте
• Улучшается поиск данных по всем типам документов, что позволяет получать всестороннюю и своевременную информацию для принятия более эффективных решений

Описание проблемы

• Компания тратила до 12 месяцев на итеративную разработку нового дизайна продукта
• Дизайн продуктов разрабатывался интуитивно, без использования «голоса потребителя»
• Итерации по изменению дизайна занимали недели и месяцы
• Качество дизайна не было оптимальным

Решение

• Разработана система на базе LLM и моделей Stable Diffusion
• Автоматический анализ обзоров продуктов с маркетплейсов и выделение трендов и предпочтений клиентов
• Автоматический дизайн продукта в соответствии с запросами клиентов

Результат

• Сокращение срока разработки и утверждения дизайна новых продуктов с 12 до 3 месяцев
• Повышение качества дизайна, рост удовлетворенности клиентов (NPS) на 10%
• Главный дизайнер использует решения для ускорения принятия решений о выводе продукта

Описание проблемы

• Компания избавляется от табачного бизнеса и переходит на никотиновые альтернативы – вейпы и т.д.
• Компания желает понять, как простимулировать переход курильщиков на альтернативы и какие параметры продуктов для них важны
• Классическое исследование рынка невозможно – фокус-группы для никотинсодержащей продукции незаконны
• Требуется некий альтернативный метод

Решение

• Изучена область науки Computational Cognition – цифровая психология, сосредоточенная на моделировании поведении людей цифровыми методами
• Разработана система Когнитивный Двойник для моделирования поведения клиентов на основе различных психотипов
• Синтетические персоны опрашиваются по интересующим компанию вопросам

Результат

• Мгновенное проведение фокус групп на новых рынках и для новых типов клиентов
• Точность модели – 85%
• Повышение качества обслуживание клиентов и релевантности рынков
• Маркетинговая функция проводит фокус группы с помощью системы

Описание проблемы

• Компания тратит крупные суммы денег на морские перевозки
• Стоимость контейнерных перевозок непредсказуема и регулярно меняется для разных направлений
• Отделу закупок не хватает времени для активного управления и генерации стратегий для своих закупок контейнерных перевозок

Решение

• Идентифицированы данные полезные для принятия решений в области закупок этой категории – отчеты о состоянии рынка, новостные порталы, внутренние данные о закупках и поставщиках
• Создана система, автоматически анализирующая все массивы данных и структурированно представляющая ситуацию на рынке
• Система также автоматически генерирует рекомендации для менеджеров по закупкам – стратегию по закупкам

Результат

• Активное управление всеми закупками, даже для «tail spend»
• Снижение удельных расходов на закупки в 3%
• Повышение устойчивости цепочки поставок на 5%
• Менеджер по закупкам получает точные рекомендации

Описание проблемы

• Компания заключает огромное количество договоров ежегодно
• Несмотря на наличие стандартов и требований для написания контрактов присутствует огромное количество нарушений
• Нарушения вели к излишним расходам в размере 3% ежегодных затрат
• Контракты проходили через итерации переработки, занимающих время

Решение

• Разработана и развернута система автоматического анализа контрактов
• Система выделяет ключевые структурные параметры контракта
• Сравнение параметров контракта с требованиями к контрактам показывают несоответствия
• Система автоматически рекомендует способы улучшить контракты

Результат

• Ликвидация value leakage в размере 3% годовых расходов
• Снижение срока разработки контрактов на 40%
• Контракты соответствуют требованиям на 100%
• Менеджер по закупкам получает точные рекомендации

Описание проблемы

• FMCG компания оперирует крупными производственными площадками с большим количеством оборудования
• Производственные процессы могут выходить за разрешенные операционные границы, после чего требуется вмешательство дежурной смены
• Остановка оборудования приносит крупные убытки
• Быстрая починка оборудования и перезапуск производственной линии невозможен – требуется проверка большого количества документов с описаниями типичных проблем

Решение

• Выделены все документы, описывающие производственный процесс
• Получены вся документация на оборудование, применяемое на производстве
• Выделены все прошлые протоколы, составленные после ремонта производственных линий
• Создан ИИ-ассистент, автоматически дающий рекомендации дежурной смене

Результат

• Сокращение простоев оборудования на 5%
• Срок диагностики причины коренных причин остановки оборудования снижены на 75%