Аспирити 
Тендеры и лиды
Информация
Всем привет! Я Лёша - директор по развитию Аспирити!
Недавно оценивал кейсы конкурса WDA 2025, было много классных работ. В категории больших хардкорных автоматизаций - “цифровизация и трансформация” чувствовалась серьёзная конкуренция, сильно выше, чем тогда, когда мы брали пьедестал пару лет назад. Это радует - рынок развивается, действительно классных решений появляется больше.
И пока мы готовим кейсы на следующий год, я решил рассказать про свой топ ИИ проектов с конкурса за 2025 год. Конкретно по ИИ было не так много, но были крутые, про которые хочется рассказать. Так что если ищите интересные кейсы и внедрения по ИИ, то вы на нужной странице.
Сразу начнём с обзора того, что делают большие дяди в пиджаках в финансовом секторе :) И пока многие другие сомневаются можно ли допускать ИИ к общению с клиентами, ребята из ВТБ делают свой чат умнее. Конечно, это далеко не Grok от Илона Маска, но ИИ-фичи присутствуют и результаты впечатляют.
Их "Помощник ВТБ" научился распознавать два вопроса в одном сообщении и отвечать разными словами на повторные запросы. Machine learning внедрили в 800 из 1800 тематик бота.
Заявленные цифры:
Меньше чем за год команде чата удалось ускорить ТТМ сценариев в 1.5 раза - а это впечатляет.
Важный момент, что многие клиенты ждут 99%+ точности от работы ИИ-автоматизаций и отказываются от внедрений, когда мы говорим, что такой точности не будет. Здесь мы видим точность определения запроса около 70%, бот решает 76% и т.д. - это далеко не 100%, а экономия при этом 3,5 млрд. важно учитывать, если думаете над внедрением ИИ в свои процессы.
Заслуженное первое место в топе и от меня лично 9 баллов.
Следующий кейс - CV в HORECA. Чуваки из itFox сделали умную штуку, которая распознаёт блюда и упрощает жизнь официантам.
Внедрять инновации в общепит - это сложно (только за это + 1 балл)
До внедрения ИИ официант тратил 10-15 секунд на поиск названия блюда в системе. После - 1-2 секунды. В 6,5 раз быстрее! Система может предложить несколько вариантов - например, если ставишь морковь, AI спросит: свежая тёртая или по-корейски?
Самое сложное оказалось не в технологиях, а в людях. В HoReCa высокая текучка, новые сотрудники не хотели лишних движений. Пришлось обучать персонал и мотивировать делать качественные фото блюд - для надёжного распознавания нужно около 300 фотографий на блюдо.
По нашему опыту знаю, что в сфере питания не так легко привносить инновации, а здесь ИИ, и не просто чат-бот, а сразу компьютерное зрение. Классно, что ребята взялись за такой проект и в ограниченном бюджете справились с задачей. 8 баллов от меня за исполнение.
OMNIMIX увеличил показы на 465% с помощью инструмента «AI-проверка видимости на картах». Когда оценивал кейс, подумал, что в этой конторе работают чуваки с 500IQ.
Проблема оказалась банальной, но дорогой: пины филиалов периодически исчезают с Яндекс.Карт, а бизнес об этом не знает. Для услуговых сетей и общепита - это означает потерю трафика и недовольство франчайзи, которые платят за размещение.
Вот так это выглядит
Их AI-инструмент с машинным зрением автоматически проверяет видимость точек по ключевым запросам. После восстановления одного филиала Soda количество маршрутов выросло с 39 до 87, а показы увеличились вдвое.
Они сделали небольшой инструмент, который несёт в себе очень крутую бизнес-ценность. Я бесконечно могу смотреть на две вещи:
Первая: где чуваки нагородили целую параллельную вселенную из кода с кучей микросервисов и интеграций, и при этом всё работает.
А вторая: где сделали маленький скальпель, который очень круто делает своё дело.
От меня 9 баллов +мегареспект, а от WDA заслуженное призовое место в конкурсе.
Наши кореша из КожинДев - у нас буквально офисы в одном здании. Они тоже сделали небольшую ML штуку для Lamoda, но принесли много бизнес-ценности.
Вам тоже кажется, что если забагетировать это в рамку, то можно повесить на стену в офисе как арт-объект?
ML-решение помогло ускорить процесс обработки фото в 20 раз и сняло с сотрудников однотипные, но требующие много времени задачи. Обработку изображения сервис осуществляет за 5–15 секунд, в зависимости от мощности процессора. Человеку на это нужно минимум несколько минут.
От меня 8 баллов, а от WDA заслуженный пьедестал конкурса.
Кейс от гигачадов мысли - redmadrobot. Кстати, я видел выступление ребят про этот кейс вживую на conversations 2024. Знаю, что проект был непростой.
Вместе с клиентом - застройщиком ФСК, они внедрили on-premise AI-платформу с двумя агентами для автоматизации работы с контрагентами и внутренними знаниями. Создали смарт-систему с RAG-технологией, которая показывает точность ответов 90-98%.
Это вам не ChatGPT к телеграмм-боту подцепить, тут думать надо...
Заявленные результаты:
Система обрабатывает документы разных форматов, векторизует их и превращает в удобную базу знаний. По комментариям самого клиента - “в планах масштабировать платформу на все подразделения”. Значит решением довольны :)
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13201 тендер
проведено за восемь лет работы нашего сайта.
На мой взгляд проект недооценили в рамках конкурса. Не только лишь все взялись бы за такой on-prem проект и дотащили бы его до релиза со сравнимыми метриками качества. Отличный результат, много классных находок для оптимизации инференса и RAG. Лично я поставил 9 баллов.
Мы в Аспирити делали несколько схожих проектов и это реально сложнее, чем кажется, RAG, где столько вариаций форматов документов, всё это грамотно разметить и добиться 90%+ — это сильно.
Для измерения точности использовали RAGAS и Structured Output, всё по последней ИИ-моде, если интересна эта тема, то можете почитать мою недавнюю статью в блоге Аспирити там про то, как мы работаем с ответами при создании ИИ-агентов. А мы погнали дальше
Ребята из Terabit Digital сделали проект для поиска, хранения инноваций и технологий. По сути, это просто обёртка вокруг ChatGPT, но зато красиво и удобно.
Даааа, это всё можно сделать через perplexity, chatgpt research и т.д. Но здесь на мой взгляд отличный пример, когда GPT оборачивают в удобную и красивую форму для узкой задачи и это приобретает смысл.
Оформление у кейса - отдельный кайф
Надеюсь проект двинулся дальше, потому что самое интересное и ценное будет дальше - научить GPT ориентироваться в сохранённых данных, находить действительно ценные статьи/упоминания и ресурсы. Подключать свои новостные ленты типа substack и чтобы он там сам доставал нужную информацию. В общем класс - ребятам успеха и заслуженное 3 место от WDA.
Unistory сделали систему анализа TV-контента с помощью 4 нейросетей: детекция логотипов, распознавание объектов, извлечение текста и анализ речи.
Кажется как будто это из тех стартапов, которые за много денег покупает YouTube через пару лет. (если у них ещё такого нет 🤔 )
И снова небольшая, но сложно-реализуемая штука. Жюри тоже высоко оценили, ребята забирают свою статуэтку.
"У нас было 4 нейросети, 2 опенсорсных датасета, 8 000 неразмеченных изображений, 5 333 аугментаций, 392 класса и 4 аккаунта на Roboflow".
Ещё один проект у них же - анализ эффективности рекламных билбордов с помощью лидара и компьютерного зрения. Без Raspberry Pi не обошлось - сразу +1 балл.
Классный проект. Сами занимаемся CV с анализом потоков (но мы больше в промышленности, анализируем конвейеры и машины), и я скажу, что такие проекты реально таят в себе непредвиденные сложности: то белаз собьёт стерео-камеру, то Jetson ветром сдует :) надеюсь у ребят обходится без приключений.
Ещё один классный небольшой проект с понятной ценностью. Когда оценивал эти кейсы у меня был всего один вопрос: а где вы берёте таких классных клиентов, которые дают деньги на вот такие проекты? :)
Шучу, у нас в Аспирити тоже классные клиенты, можно посмотреть кейсы по ИИ на нашем сайте. Руки не доходят перенести сюда)
А на этом всё, написал обо всём, что запомнилось и не вылетело из головы за несколько месяцев. Хочется сделает какой-то вывод в конце и нативно зарекламить нашу компанию естественно :D
🤔 Что делает AI-кейс реально крутым?
Анализируя все эти проекты, вижу несколько паттернов успешных внедрений:
Фокус на конкретной боли, а не на "а давайте попробуем AI". Как в меме из интернетов:
Украл в интернете мем и сижу довольный
ВТБ решали проблему ТТМ для сценариев чата, itFox - медленного поиска блюд, OMNIMIX - невидимых потерь трафика.
Измеримый эффект: 3,5 млрд экономии, ускорение в 6,5 раз, рост показов на 465%. Конкретные цифры, которые, надеюсь, были заранее целями и KPI проектов.
Понимание ограничений: никто не строит AGI для бизнеса, все решают узкие задачи качественно.
80% точности лучше, чем 0% автоматизации. Вот что мне больше всего понравилось в этих кейсах - нет погони за идеальными 100%. AI-инструмент OMNIMIX скорее всего не находит 10 из 10 потерянных пинов на картах, но находит 9 - и это даёт +465% к показам. Бот от redmadrobot отдаёт 90-98% правильных ответов, остальные 2-10% неправильные, но экономит 30% времени в поддержке и т.д.
Нативная реклама в тему, в нашем продукте - ИИ-тренажёре клиенты часто хотят видеть идеальный результат по генерации речи, но в реальности это мало влияет на результат тренировки или онбординга, но для кого-то это становится блокером. А вот тут можно пообщаться с нашим ИИ.
Ну и в целом, мы в Аспирити специализируемся на голосовых технологиях: ИИ-ассистенты для бизнеса, ИИ-тренажёры для продаж и сервиса, речевая аналитика и умные агенты.
Кстати, если хотите почитать ещё про успешные внедрения ИИ, то загляните в наш блог, я там периодически пописываю. Если понравился этот пост - пишите в комментарии, буду писать ещё :)
В одной из последних статей собрал в кучку кейсы с ИИ и ML которые дали 10:1 ROI при внедрении, заходите почитать
Всем классного месяца!
