Преобразование бизнес-процессов с помощью ИИ

Задача

Компания планировала вывести генеративный ИИ в рабочие процессы, но требования информационной безопасности не допускали передачу данных во внешние API, а стоимость облачного инференса при целевых объёмах не укладывалась в бюджет. Нужен был собственный стенд, который закрывает задачи бизнеса без расширения ИТ-команды.

Что сделали

Под ключ: обследование задач и данных, выбор моделей — открытых и коммерческих, доступных для развёртывания в контуре, — проектирование и подготовка аппаратного и программного стенда под нагрузку заказчика, разработка агентов с ролевым доступом и журналированием действий, вывод в production. Решение передано команде заказчика с документацией и обучением.

Задача

Обращения росли вместе с бизнесом — сайт, мессенджеры, чат в приложении, контакт-центр, — а расширять штат операторов компания не могла. Клиенты ждали ответа, операторы тратили время на типовые вопросы и ручной поиск по базе знаний.

Что сделали

Под ключ: разбор сценариев продаж и поддержки, архитектура на базе каталога товаров и корпоративной базы знаний, агенты для автоматических диалогов и консультаций по товарам и услугам во всех каналах продаж, ассистент оператора для контакт-центра — подсказки ответов, поиск по базе знаний, заполнение карточек обращений. Интеграция с CRM и каналами, вывод в production, передача команде заказчика.

Задача

У команд накопились тысячи схожих и дублирующихся фичей, каждую модель выводили в production через ручную интеграцию пайплайнов данных, а time-to-market измерялся месяцами. Число моделей росло, расширять команды под их сопровождение компания не планировала.

Что сделали

Под ключ: аудит признаков и их потребителей, архитектура платформы, единый каталог фичей с владельцами и версионированием, батчевые, стриминговые и онлайн-пайплайны расчёта, низколатентная выдача для онлайн-скоринга и единая семантика признаков в обучении и в проде. Подключены маркетинговые системы, реагирующие на клики пользователя в реальном времени, и антифрод. Платформа передана команде заказчика.

Задача

Поток типовых табличных задач — скоринги, прогнозы спроса, next best action — рос быстрее, чем DS-команда успевала их закрывать. Каждую модель собирали, валидировали и выкатывали вручную; альтернативой было расширение штата.

Что сделали

Под ключ: анализ портфеля задач и существующей ML-платформы, проектирование AutoML-контура поверх неё, а не с нуля: автоматическая подготовка признаков, подбор алгоритмов и гиперпараметров, валидация по единому регламенту, реестр моделей и выкатка в production с мониторингом. Команда заказчика обучена, платформа передана в эксплуатацию.

Задача

Документооборот рос вместе с компанией: заявки на закупку, сверка с договорами и спецификациями, входящие счета, акты и письма. Всё обрабатывалось вручную, и каждое расширение бизнеса означало новых сотрудников в бэкофисе.

Что сделали

Под ключ: описание процессов и исключений, архитектура агентов, автоматизация двух контуров — закупки (обработка заявок, сверка с договорами и спецификациями) и входящие документы (классификация, извлечение данных, маршрутизация). Интеграция с учётными системами и СЭД заказчика, контроль человека на исключениях, вывод в production и передача команде.