ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

СДЭК (логистика, экспресс-доставка). Компания автоматизировала разработку курьерских маршрутов и классификацию грузов для ВЭД за счёт ИИ. Использована генеративная нейросеть для решения задачи коммивояжёра (расчёт маршрутов с учётом пробок, веса, срочности заказов и пр.) и для автоматической классификации ТН ВЭД по текстовому описанию груза.
Этапы: с конца 2022 г. сформирована команда CDEK Digital, подготовлены данные и закуплено ПО (2023), вторая половина 2023 – обучение моделей и корректировка БП, вывод в тест (пилот).
Результаты: разработка оптимальных курьерских маршрутов ускорилась на 15%; точность машинного присвоения ТН ВЭД достигает 95%, скорость обработки заявки выросла в разы.
Организация: проект инициирован топ-менеджментом и реализуется специализированным подразделением «CDEK Digital» (более 550 ИТ-специалистов), которые совместно с внешними партнерами развивают и масштабируют решения. Ключевая сложность: подготовка качественных данных под ИИ.

РЖД / ВНИИЖТ (транспорт, пассажирская логистика). Российские железные дороги тестируют LLM-помощников для пассажиров и сотрудников. Для путешественников разрабатываются чат-боты на основе больших языковых моделей, способные отвечать на вопросы о расписании поездов, бронировании билетов, альтернативных маршрутах при задержке и пр. Для работников железнодорожного транспорта создается «интеллектуальный ассистент» (на базе LLM) для обучения и консультаций: он обучен на десятках проф документов и помогает инженерам-электрикам и диспетчерам решать рутинные технические вопросы.
Этапы: пилотные разработки ведутся ЦИИ ВНИИЖТ и РЖД (софтовые прототипы чат-ботов), планируется поэтапная интеграция в сервисы.
Эффекты пока качественные: ожидается рост скорости обслуживания пассажиров, упрощение поиска информации; среди сотрудников – повышение уровня подготовки (LLM генерирует отчёты, варианты сценариев, проводит тестирование знания регламентов).

НЛМК (металлургия). Группа НЛМК в апреле 2024 г. провела пилот «генеративного ИИ» для ускорения разработки программных продуктов.
Задача: автоматизировать рутинные задачи IT-специалистов (генерация кода, шаблонов, документации) при разработке ПО.
Технологии: тестированы разнообразные инструменты GenAI (вероятно, ChatGPT-подобные), адаптированные под задачи разработки.
Этапы: 25 разработчиков NLMK-IT совместно с партнёром Axenix за апрель 2024 г. протестировали решение на реальных рабочих задачах по управлению производством, HR-сервисам, портальным решениям.
По итогам пилота производительность программистов в рутинных задачах выросла на 53%, а скорость обработки запросов на доработку ПО – на 34%. После этого решение масштабируется: планируется распространить AI‑помощников на все команды разработки.

СИБУР (нефтехимия). В мае 2024 г. СИБУР (одна из крупнейших нефтехимических компаний) подписал соглашение со Сбером и ЦРТ об интеграции LLM Сбербанка (GigaChat) в ключевые бизнес-процессы. Созданы несколько AI‑ассистентов: для инженера-диагноста (анализ аномалий оборудования и гипотезы причин поломок), для закупок (подбор аналогов материалов с учётом цены и качества), для R&D (моделирование полимерных рецептур и свойств) и для финансиста (аналитика факторов маржинальности).
Этапы: соглашение подписано в мае 2024, затем разрабатывались и тестировались прототипы ассистентов в отдельных подразделениях.
Метрики пока формируются: по заявлениям компании, решения позволяют ускорить принятие решений и повысить точность прогнозов без конкретных чисел.

Ростех («ТехАссистент»). В корпорации «Ростех» разрабатывают чат‑бота для технической поддержки инженеров («ТехАссистент»), обученного на обширных базах данных документации Siemens, Schneider Electric и отечественных ПЛК.
Задача: ускорить устранение неисправностей по электронным журналам. По словам разработчиков, бот способен автоматически отвечать на треть обращений (примерно 30% обращений техподдержки).
Этапы: решение создаётся силами ЦИИ «Ростеха», уже запущены пилоты по наиболее распространённым проблемам.
Эффект: сокращена нагрузка на специалистов, высвобождая инженеров для сложных задач. Организационно проект ведётся силами Ростеха без привлечения иностранных LLM – система разрабатывается на отечественных нейросетях.

Газпром нефть (нефтегазовая промышленность). У компании «Газпром нефть» внедрён интеллектуальный помощник для анализа данных ПЛК и логов оборудования. Система отслеживает аварийные коды (например, перегрев насоса), автоматически формулирует гипотезы причин («засор фильтра») и предлагает инструкции по устранению («очистить фильтр по регламенту MT-47»).
Этапы: пилот интеграции ИИ в систему управления оборудованием уже проведён, решение отрабатывается на реальных станциях.
Метрики: позволяет стандартизировать и ускорить диагностику, снизить простои (пока без численных данных).
Инициатива велась R&D-подразделением компании, возможно с участием «Газпром нефть – Центр»; использование технологии – собственная разработка.

Сбер (финансовые услуги и ИКТ). Решение: Семейство виртуальных помощников «Салют» на базе LLM-моделей (ruGPT-3, GigaChat) для клиентского сервиса и управления финансами. Система обрабатывает запросы, анализирует расходы, предлагает инвестиционные идеи и персонализирует диалоги за счет технологий NLU.
Этапы: Полное внедрение в мобильное приложение и онлайн-банкинг.
Метрики: Обработка 80% типовых запросов без операторов.
Разработчик: Внутренняя R&D-команда Сбера.

Ростелеком (телекоммуникации). Решение: Речевая аналитика на базе ИИ (программа Smart Logger) для контактных центров. Система расшифровывает диалоги, выявляет проблемы клиентов, автоматизирует отчётность.
Этапы: Внедрено в 75% процессов обслуживания.
Метрики: Сокращение времени диалогов на 1 млн минут в год; Покрытие 3000+ рабочих мест операторов.
Партнёр: Компания ЦРТ (используется GigaChat).