| A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | № | Наименование компании | Краткое описание деятельности компании | Сайт | Название продукта | Описание и функциональность продукта | Решаемая проблема/задача | Экономические эффекты | Качественные эффекты | Отрасли применения | |||||||
2 | 1 | ООО "ТопСтрой" | Компания занимается генерацией дизайн-проекта квартиры с помощью ИИ-технологий: создание по текстовым и аудио запросам визуализации интерьера помещений и интеграция в планировку | https://flyflat.ru/ | Flyflat | Создание интерьерного дизайна с использованием современных цифровых средств, таких как искусственный интеллект и нейросети. Дополнительная функция распознавания мебели и других предметов с возможностью предоставления ссылок на покупку. | ● Затягивание сроков при ведении нескольких проектов ● Дороговизна проработки вариантов интерьера, подходящих для клиента | ● Сокращение времени на разработку дизайн-проектов на 70% ● Увеличение числа заказов в 1,5 раза ● Снижение себестоимости разработки дизайн-проектов | ● Увеличение удовлетворённости клиентов на 20% ● Возможность распространения технологии на новые сферы деятельности (например, декорации) ● Оптимизация времени | дизайн, строительство, ритейл | |||||||
3 | 2 | ООО "ТопСтрой" | Компания занимается генерацией дизайн-проекта квартиры с помощью ИИ-технологий: создание по текстовым и аудио запросам визуализации интерьера помещений и интеграция в планировку | https://flyflat.ru/ | FlyFlat PRO (для девелоперов) | Виджет, который интегрируется на сайт ЖК. На виджете пользователь, выбрав квартиру, планировку, может сам создать дизайн интерьера квартиры. Сервис автоматически подбирает предметы интерьера под заданный бюджет. На виджете создается единая карточка квартиры, где сохраняется вся информация и там же пользователь может заказать консультацию дизайнера и строительной компании, либо запросить дополнительные услуги. | Недостаточная активность и низкая конверсия пользователей при посещении и использовании сайтов по покупке и планировке квартир | ● Увеличение времени нахождения пользователя на сайте ЖК на 52% ● Увеличение конверсии в лид (звонок или форма на сайте) на 17% ● Увеличение конверсии в бронирование квартиры на сайте на 19% | ● Генерация интерьера за 2 минуты ● Возможность совместить несколько работ (например, провести консультацию с подрядчиком, сформировать смету и т.д.) | дизайн, строительство, ритейл | |||||||
4 | 3 | ООО "ТопСтрой" | Компания занимается генерацией дизайн-проекта квартиры с помощью ИИ-технологий: создание по текстовым и аудио запросам визуализации интерьера помещений и интеграция в планировку | https://flyflat.ru/ | FlyFlat Voice | Голосовой помощник на основе нейронных сетей для эффективного управления проектами в программах календарно-сетевого планирования. Технология заключается в реагировании на голосовые команды путем использования разработанных библиотек для распознавания речи, использования нейросетевых подходов, применяемых в выбранной библиотеке, и машинного обучения. Команды могут включать необходимость выбора определённого проекта и внесении в него требуемых изменений. | ● Снижение эффективности из-за необоснованных затрат на передачу задач при ведении проекта ● Чрезмерная нагрузка на персонал ● Недостаточная конкурентоспособность перед компаниями, использующими перспективные технологии для оптимизации процеесов | Оптимизация операционной деятельности и, как следствие, сокращение необоснованных затрат компании за счет ускорения управлением проектами в программах календарно-сетевого планирования. | ● Повышение эффективности работы в программах календарно-сетевого планирования ● Снижение нагрузки на пользователей через автоматизацию процесса управления проектами ● Внедрение новых наиболее эффективных сервисов на базе ИИ | дизайн, строительство, ритейл | |||||||
5 | 4 | ООО "НЕЙРО-НЛТ ЛАБ" (Лаборатория Нейро-НЛТ) | Разработка ИИ-алгоритмов для поддержки принятия решений при приеме персонала и разработки "под заказ" (нап., чат-бот для создания дизайн-документа и ведения эксперимента). Разработка систем анализа научных статей, текстов и всего пайплайна, оптимизации рефолдинга белков. Научные интересы: нейрофизиология, молекулярная биология, нейроморфные технологии в ИИ, нейролингвистика | http://neuronlt.com/ | Система поддержки принятия решений на базе искусственного интеллекта и лексико-ассоциативного отпечатка личности | Решения для кадровых служб крупных компаний - ИИ алгоритм который помогает принимать решения при приеме персонала. Разработанная технология лексико-ассоциативного отпечатка личности (ЛАО) позволяет по тексту создавать нейроморфное графовое представление хранения лексем и смыслов, связанных определенными весами (данное представление является индивидуальным для каждого человека). Анализируя полученные данные алгоритмами искусственного интеллекта, можно проводить различные сравнения кандидатов | кадровое обеспечение | ||||||||||
6 | 5 | ООО "НЕЙРО-НЛТ ЛАБ" (Лаборатория Нейро-НЛТ) | Разработка ИИ-алгоритмов для поддержки принятия решений при приеме персонала и разработки "под заказ" (нап., чат-бот для создания дизайн-документа и ведения эксперимента). Разработка систем анализа научных статей, текстов и всего пайплайна, оптимизации рефолдинга белков. Научные интересы: нейрофизиология, молекулярная биология, нейроморфные технологии в ИИ, нейролингвистика | http://neuronlt.com/ | Информационная система управления техническим обслуживанием и ремонтом на базе для строительной техники | Собирая централизовано информацию с датчиков актива, цифровой отчетности организации и разных уровней вовлечения и ответственностей сотрудников, система позволяет создавать подобие цифрового двойника отдельного актива (с акцентом на рабочие узлы), и используя различные методы анализа, рекомендовать оптимальные решения по организации проактивного ТОиРа актива, предотвращающего простои и минимизирующие иные временные потери. | ● Отсутствие цифровой системы контролирующей организацию ТОиРа активов ● Отсутствие предиктивной аналитики и соответствующего проактивного обслуживания активов | строительство | |||||||||
7 | 6 | ООО "НЕЙРО-НЛТ ЛАБ" (Лаборатория Нейро-НЛТ) | Разработка ИИ-алгоритмов для поддержки принятия решений при приеме персонала и разработки "под заказ" (нап., чат-бот для создания дизайн-документа и ведения эксперимента). Разработка систем анализа научных статей, текстов и всего пайплайна, оптимизации рефолдинга белков. Научные интересы: нейрофизиология, молекулярная биология, нейроморфные технологии в ИИ, нейролингвистика | http://neuronlt.com/ | Нейроморфный вариант хранения данных | Нейроморфное графовое представление объектов рекомендаций — разработка, позволяющая проводить специфичную аналитику основанную как на предмете рекомендации (item-based), так и на на пользователях (user-based). | ● Необходимость повышения качества работы рекомендательных систем ● Разреженность данных ● Отсутствие исторических данных для создания рекомендаций при запуске проекта или компании с нуля т.н. «холодный старт» | ● Снижение ресурсозатратности перерасчета расстояний ● Иные эффекты предоставляются по запросу | ● Повышенные гибкость хранения данных и качество работы рекомендательных систем ● Иные эффекты предоставляются по запросу | ритейл, реклама, кадровое обеспечение, бизнес | |||||||
8 | 7 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Рекомендательные системы | ML-модель прогнозирует какой товар, продукт, услуга будут интересны на основе анализа данных о клиенте и его продуктовых предпочтениях (профиль, образ жизни, деятельность на сайте (просмотры, подписки), история операций, средний чек покупки, динамика доходов, вовлеченность, отметки "нравится", чувствительность к акциям и др.) и сопоставлением с данными о других пользователях. При необходимости система проводит анализ контента (тип, качество, объем, год выпуска, автор) | ● Финансовые потери из-за недостаточной степени удержания клиентов ● Низкая эффективность рекламных компаний | ● Рост конверсии клиента (LTV) от 20 до 25% ● Рост выручки от 15% до 22% ● Рост среднего чека до 10% ● Рост новых товаров в корзине до 35% | ● Персонализированный подход и рост лояльности клиента ● Рост оформления услуг до 20% ● Рост вовлеченности в потребление контента до 45% | банки, ритейл, телеком, медиа и реклама, туризм, управление | |||||||
9 | 8 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Система оптимизации ценообразования | ML-модель динамическ определяет оптимальную стоимость продукта/тарифа на услугу на основе данных о спросе и его эластичности, типе и сроке годности товара/количества использования услуги и предыдущих тарифов, объемов закупок, ценах конкурентов и др. параметров | ● Необходимость увеличения объемов продаж через работу с оптимизацией ценообразования конкретного товара ● Ошибки человеческого фактора при ручном опредлении цены | ● Рост среднего чека до 10% ● Увеличение маржинальности продаж до 5% ● Уменьшение расходов, связанных со списанием и утилизацией продуктов | ● Оптимизация работы персонала ● Повышение уровня доверия клиентов ● Автоматизация рутинных процессов | ритейл, телеком, туризм | |||||||
10 | 9 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Система прогнозирования спроса и складских запасов (и ресурсов) | ML-модель рассчитывает спрос на продукт/услугу с учетом истории продаж, цен, акций, местоположения, погоды, времени года и др. Для прогнозирования оптимального времени заказа система проводит оценку качества работы поставщиков (срывы, нарушение сроков и пр.), Для прогноза оптимального времени заказа товара на склад, модель проводит оценку качества работы поставщиков (срыв сроков и пр.) Модель также может быть использована при планировании, поскольку позволяет прогнозировать загруженность общественных мест и транспорта (например, метро, достопримечательностей, парков, магазинов) на основе данных о трафике в зависимости от погоды и сезона, времени суток и дня недели | ● Финансовые потери из-за нереализованных товаров/услуг ● Сложность расчета спроса на конкретный продукт ● Затоваренность складов ● Отсутствие структурированного учета истории продаж и акций ● Задержки по срокам поставок со стороны поставщика ● Необоснованные траты на выполнение заказов в пиковые периоды спроса ● Риск невыполнения заказов | ● Рост выручки до 5% ● Рост среднего чека до 8% ● Снижение затрат на просрочку на 12% ● Сокращение времени ожидания ● Снижение затрат на склады до 10% ● Возможность заранее рассчитать выгодные условия производства и реализации в периоды высокого спроса | ● Повышение доступности ассортимента в торговых точках ● Оптимизация товарного запаса и ресурсов ● Обеспечение качественного взаимодействия с поставщиками и обслуживания ● Эффективное планирование продаж и оказания услуг (с учетом пиковых периодов) и промоакций (по виду, времени, региону) | ритейл, логистика, туризм, здравоохранение, транспорт | |||||||
11 | 10 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогнозирование оттока клиентов | ML-модель определяет клиентов, склонных прекратить пользоваться продуктом/услугой, собирая и сопоставляя признаки текущих и ушедших клиентов (например, вовлеченность, историю операций/заказов, динамику уровня доходов или использования продукта, половые и возрастные признаки и пр.), что дает возможность спрогнозировать на ранних этапах, какие клиенты склонны к оттоку и предпринтять меры по удержанию (например, предложить скидку) | ● Низкая конверсия клиентов ● Упущенная выгода и низкая эффективность программ лояльности | ● Снижение оттока клиентов до 30% ● Выявление от 74% до 90% клиентов, склонных к оттоку ● Рост выручки от 3% до 7% | Повышение качества обслуживания, вероятности удержания и выстраивание более эффективной коммуникации с клиентами | ритейл, банки, телекоммуникации, логистика, здравоохранение, умный город, управление, транспорт, авиация | |||||||
12 | 11 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Определение зон высокого спроса на доставку заказов | ML-модель на основе исторических данных о количестве и размере заказов по различным районам города прогнозирует пиковые периоды спроса на доставку и позволяет эффективно распределить курьеров, определив их необходимое количество для покрытия всех заказов | ● Упущенная выгода из-за снижения заказов невозможности охвата большего клиентов в пиковые периоды ● Необоснованные траты и неоптимизированное распределение курьеров (в т.ч. в пиковые периоды) ● Повышенное время доставки | ● Рост количества заказов до 15% ● Повышение пропускной способности курьерских служб ● Сохранение скорости доставки в любой период ● Повышение территориального охвата | ● Повышение качества обслуживания и доверия клиентов, рост индекса потребительской лояльности до 10 п. ● Обеспечение оперативной и бесперебойной доставки | ритейл, логистика | |||||||
13 | 12 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Выявление накрутки отзывов и оценок товара, фейковых и мошеннических аккаунтов и звонков | ML-модель обучается на истории активности уже заблокированных аккаунтов и обычных пользователей (например, кол-во оставленных комментариев и оценок, публикаций в день, дата регистрации). Решение позволяет выявлять подозрительные аккаунты и бороться с накруткой рейтингов и отзывов, спамом и скамом Модель выявляет подозрительные звонки по паттернам поведения на базе истории звонков (частота, продолжительность), блокировок номера и данных сим-карты (дата/регион выдачи) | ● Несовершенство традиционных способов борьбы с накрутками (например, выявление вручную из-за ошибок человеческого фактора) ● Риск финансовых и репутационных потерь маркетплейса | Более точное и оперативное выявление подозрительных аккаунтов | ● Рост лояльности и доверия пользователей ● Оптимизация времени и работы персонала ● Защита аккаунтов, номеров и пользователей от подозрительных, мошеннических или спам звонков, аккаунтов и активностей | ритейл, телеком, медиа и реклама | ||||||||
14 | 13 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Планирование и персонализация промоакций | Решение проводит анализ ключевых параметров предыдущих промоакций и прогнозирует результаты будущих.Система учитывает данные по схожим акциям: категории услуг/товаров, периоды проведения, глубину скидок и др. Для онлайн продаж система учитывает профиль пользователя. ML-модель дополнительно позволяет скорректировать коммуникации под каждого клиента: выбрать рекламный канал и формат на основе интересов пользователя, типа и цели коммуникации, ограничений бюджета, прошлого взаимодействия | ● Низкая эффективность рекламных компаний ● Неудовлетворенность клиентов | ● Увеличение среднего чека ● Сокращение товарных остатков ● Рост продаж до 5% ● Снижение расходов на рекламу до 15% ● Привлечение большего количества пользователей без увеличения расходов | Персонализация рекламных предложений и взаимодействия с клиентом | ритейл, телеком, медиа и реклама | |||||||
15 | 14 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз времени доставки товара | ML-модель прогнозирует время доставки заказа на основе исторических данных компании (сроки доставки разных типов товаров, данные о поставщике и его местоположении, отзывы клиентов), внешних данных (погода, сезонность, курсы валют) и на основе заданных ограничений (например, кол-во курьеров на смене) | ● Упущенная выгода из-за неграмотного планирования ● Необоснованные финансовые и временные траты на доставку ● Повышенная нагрузка на персонал | ● Рост точности прогноза временных затрат до 90% ● Снижение нагрузки на поддержку до 50% | ● Рост лояльности и доверия пользователей ● Оптимизация времени и работы персонала | ритейл, логистика | |||||||
16 | 15 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Предсказательная система оттока персонала | Решение на базе машинного обучения сравнивает накопленные данные о текущих и уволившихся сотрудниках (об активности во внутренних и внешних рабочих сетях, о режиме работы, отзывы клиентов, степень удовлетворенности от работы на базе опроса и пр.) и прогнозирует вероятность ухода сотрудника | ● Высокая "текучка кадров" ● Отсутствие аналитики и полных и оперативных данных для принятия решений по кадровым вопросам | ● Снижение текучести кадров до 20% ● Снижение расходов на наем | ● Возможность принятия точечных мер по удержанию сотрудников ● Повышение производительности | ритейл, банки, телекоммуникации, логистика, здравоохранение, умный город, управление, транспорт, авиация, образование | ||||||||
17 | 16 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогнозирование экономических, социальных и иных показателей | ML-модель на основе необходимых переменных, прогнозирует необходимые показатели, например, для прогнозирования уровня инфляции - данные о стоимости потребительской корзины, уровне безработицы, спросе на товары, ВВП, при демографической ситуации - о населении, рождаемости, смертности, количестве браков и разводов, при ДТП и определении загруженности дорог - о пробках в зависимости от района, сезоне, прогнозе погоды, времени суток, количестве светофоров, переходов, скоростных ограничений, при сбоях работы систем ЖКХ - о недвижимости (год постройки, тип, история обслуживания, количество жильцов), об эксплуатации схожих объектов и внешние факторы (день недели, погода, сезон), при преступлений - тип преступления, время суток, локация, плотность населения района, при работе с обращениями - количество звонков операторов в зависимости от суток, сезона и т.д. и др. | ● Финансовые потери из-за ошибок в регулировании ● Избыточные временные, финансовые и трудовые издержки на устранение негативных последствий ● Неоптимальный расход ресурсов ● Ухудшение качества жизни населения и реализации программ при принятии необснованных управленческих решений | ● Повышение эффективности управленческих решений ● Превентивная корректировка или разработка государственных программ поддержки населения с построением различных сценариев ● Определение наиболее эффективного режима распределения трудовых ресурсов и работы городских служб и объектов ● Снижение расходов на ремонт в сфере ЖКХ до 10% ● Рост точности планирования маршрутов и сокращение времени на проезд до 20% | ● Повышение эффективности государственных программ ● Оптимизация работы персонала ● Предотвращение сбоев в работе городских систем и служб ● Рост качества жизни и безопасности населения ● Принятие точечных мер по устранению негативных ситуаций (например, загруженность дорог) ● Выявление территорий с неразвитой инфраструктурой | управление, умный город, транспорт | |||||||
18 | 17 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Скоринговая модель | ML-модель оценки кредитоспособности клиента на основе демографических данных, кредитной истории, данных о доходах, занятости, образовании, активности в социальных сетях и др. возможна адаптация модели под прогноз дефолта по платежам текущих заемщиков | Несовершенство и ошибки человеческого фактора при определении кредитоспособности традиционными методами | ● Рост комиссионных доходов банка до 10% ● Снижение расходов на скоринг | Снижение банковских рисков | банки | |||||||
19 | 18 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Предотвращение мошенничества | Антифрод-система для определения подозрительных транзакции, ML-модель обучается на исторических данных о клиентах (операции, поведение, локации и пр.) и уже выявленных мошеннических операциях. При интеграции ML-решения с IT- инфраструктурой банка, система в реальном времени направляет клиенту предупреждение по операции либо автоматически останавливает ее | ● Ошибки человеческого фактора при выявлении подозрительных действий ● Финансовые потери из-за несвоевременно выявленного мошенничества | ● Рост количества выявленных мошеннических операций в 2 раза ● Сокращение финансовых издержек из-за предупреждения краж денег с банковских счетов клиентов | Повышение уровня безопасности и доверия клиентов | банки | ||||||||
20 | 19 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз оборота денежных средств | ML-модель прогнозирует оборот денежных средств в отделениях и банкоматах и определяет сумму, номинал, периодичность и время обслуживания объектов, учитывая данные по истории банковских операций на каждом объекте, количество обращений в отделение, поисковые запросы, погодные условия и заданные ограничения, связанные с работой инкассаторских служб | ● Ошибки и ухудшение качества обслуживания из-за несвоевременного пополнения терминалов ● Отсутствие оперативной информации об обороте средств | ● Рост оборота до 5% ● Минимизация рисков кассовых разрывов | Улучшение качества клиентского сервиса | банки | |||||||
21 | 20 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Оценка страховых договоров | ML-модель прогнозирует страховые расходы конкретного клиента, сопоставляя данные о новом клиенте (возраст, данные медицинской карты, тип занятости и т.д.) с данными клиентов, у которых уже случались страховые случаи | Риск неоправданных расходов для компании | ● Рост оборота до 5% ● Минимизация рисков кассовых разрывов | ● Рост оборота до 5% ● персонализировать тарификацию эффективнее традиционных андеррайтинговых подходов. | банки | ||||||||
22 | 21 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Оценка залогового имущества | ML-решение анализирует исторические данные о средней стоимости недвижимости в разных районах города с учетом года постройки дома, динамики спроса и других факторов, детализирующих жилой/коммерческой объект. Аналогичная модель может быть применена для других типов имущества: транспортных средств, оборудования и пр. | ● Ошибки и упущенная выгода при субъективной оценке имущества ● Необходимость ручной переработки большого объема данных о схожих объектах | ● Снижение издержек до 5% ● Минимизация финансовых рисков при выдаче займов | ● Получение объективной оценки имущества ● Автоматизация рутинных операций | банки | |||||||
23 | 22 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Анализ ценных бумаг | ML-модель формирует для клиентов аналиитческую справку о важных изменениях и рекомендациями по управлению активами для принятия инвестиционных решений с учетом потенциала роста, прогнозоа аналитиков, дивидендной доходности, ликвидности акций, риск- параметров, показателей отчетности компаний, позиции крупных инвестиционных фондов и пр. | ● Убытки при неэффективном использовании активов ● Быстрое устаревание и невомозожность полноценного анализа больших массивов данных о рынке | ● Минимизация рисков при выборе инвестиционного портфеля | Рост лояльности пользователей до 10% | банки | ||||||||
24 | 23 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз нагрузки и выхода оборудования и инженерных коммуникаций из строя | ML-модель прогнозирует поломку оборудования на основе данных спецификации (срок службы, рекомендуемый график ТО, информации о комплектующих и др.) и исторических данных эксплуатации (история обслуживания и ремонта, дефектов и неполадок, данные с датчиков мониторинга оборудования и пр.). Модель прогнозирует изменения в работе техники, что делает возможным предпринять меры еще до фактической поломки. ML-модель может прогнозировать потребление трафика на базе данных об активности абонентов в зависимости от времени суток, дня недели, погоды и сезона, количества и пропускной способности в ближайшем радиусе. Прогноз перебоев в инженерных сетях идет на основе данных о недвижимости (год постройки, тип, коммуникации, история обслуживания, кол-во жильцов/посетителей), эксплуатации схожих объектов и внешних факторов (день недели, погода) | ● Вероятность ошибки человеческого фактора при ручном анализе состояния оборудования ● Затраты на проведение внеплановых ремонтных работ ● Финансовые издержки от простоя и невыпущенного продукта ● Ухудшение качестве жизни населения и риск аварий из-за несвоевременно обнаруженной неисправности в работе инженерных сетей: газо- и водоснабжение, водоотведение, электричество и пр. | ● Снижение расходов на ремонт до 10% ● Снижение расходов на обслуживание объектов до 10% ● Снижение риска простоя производственной линии ● Оптимизация расходов на ремонтные работы и замену оборудования из-за возможности своевременно встроить дополнительные мощности и улучшить качество работы сети | ● Сокращение ошибок человеческого фактора ● Оптимизация и повышение производительности работы оборудования ● Обеспечение бесперебойной работы сети: предотвращение перебоев, своевременное обслуживание | промышленность, сельское хозяйство, авиация, умный город, транспорт, телекоммуникации | |||||||
25 | 24 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз качества произведенной продукции | ML-модель прогнозирует качество произведенной продукции в зависимости от настроек оборудования, погодных условий и свойств сырья (примеси, химический состав и пр.). Решение учитывает себестоимость сырья и производства и найти комбинацию параметров для продукции нужного качества и экономии издержек | ● Вероятность ошибки человеческого фактора и невозможность точного расчета итогового состава продукции ● Финансовые издержки при получении бракованной продукции | ● Экономия ресурсов при производстве в год до 15% ● Оптимизация расходов на сырье | ● Произиодство продукции с гарантированными физико-химическими свойствами ● Повышение качества продукции и снижение риска брака | промышленность, добыча ресурсов (нефть, газ) | . | ||||||
26 | 25 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Построение системы безопасности | ML-модель в интеграции с системой видеонаблюдения способна определить несоблюдение правил (нап. отсутствие каски или жилета) и спрогнозировать ЧП, сопоставляя историю происшествий с типом объекта, погодными условиями, временем суток, сезоном и т.д. | ● Ошибки и недостаточность мониторинга соблюдения требований безопасности человеком ● Необходимость принятия мер по предотвращению опасных ситуаций | ● Сокращение расходов на ликвидацию последствий от несчастных случаев ● Избежание простоев из-за аварий | ● Снижение уровня аварийности ● Обеспечение соблюдения норм охраны труда и повышение уровня трудовой дисциплины | промышленность, добыча ресурсов (нефть, газ) | ||||||||
27 | 26 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Системы управления энергопотреблением | ML-модель прогнозирует температуру и оптимальные настройки кондиционеров или приборов отопления. Система обучается на основе данных о прогнозе погоды и истории потребления электроэнергии в разные сезоны и дни недели. Дополнительно система учитывает количество людей в помещении в зависимости от времени суток | ● Влияние температуры и уровня тепла на состояние людей в помещении ● Убытки и упущенная выгода из-за перерасхода электроэнергии | ● Cнижение расходов на электроэнергию до 15% | ● Повышение производительности сотрудников и лояльности клиентов из-за сохранения комфортной среды ● Оптимизация деятельности компании | недвижимость, строительство, умный город | |||||||
28 | 27 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Оптимизация производственного плана и режимов работы оборудования | ML-решение на основе телеметрии, данных о характеристиках сырья и погодных условиях предсказывает потенциальные отклонения оборудования от стабильной работы, выдает рекомендации по настройке оптимальных параметров для устойчивой работы и прогнозирует оптимальное количество и режим работы сотрудников по сменам. Модель учитывает потребности и ограничения предприятия (нормы труда, режим дня и др.) и особенности процесса (нап. стоимость энергоресурсов в зависимости от времени суток) | ● Необоснованные временные и трудовые затраты на учет приемки ● Ошибки при отгрузке и идентификации товаров | ● Рост производительности предприятия до 4% ● Снижение производственных издержек до 7% ● Рост объема выпускаемой продукции от 4 до 10% ● Рост общей эффективности оборудования до 15% | ● Оптимизация расписания и рабочих процессов ● Снижение нагрузки на оборудование и персонал ● Сокращение износа оборудования ● Рост лояльности работников | промышленность, добыча ресурсов (нефть, газ), здравоохранение | ||||||||
29 | 28 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогнозирование сроков прибытия грузовых вагонов и грузового транспорта | ML-модель позволяет максимально точно определить дату и время прибытия вагонов с учетом данных о сезонности, объемах производства, расстоянии, исторических данных о сроках доставки и пр. При прогнозировании прибытия грузового транспорта система дополнительно учитывает данные с трекеров о текущем местоположении, исторических данных о сроках прибытия в зависимости от маршрута и количества остановок, и заданных ограничениях (например, скоростных) | ● Ошибки при учете ● Риск простоя из-за недостатка сырья ● Ошибки человеческого фактора при определении количества сырья ● Недобросовестное поведение водителей (например, отклонение от маршрута) | ● Снижение издержек на устранение простоев, сорванных поставок, нехватку сырья и т.д. ● Повышение эффективности логистических схем для настройки бизнес-процессов | ● Рост уровня удовлетворенности и лояльности клиентов ● Рост лояльности грузовых и логистических компаний ● Выявление недобросовестных водителей | промышленность, навигация, логистика | |||||||
30 | 29 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Оптимизация закупки сырья | ML-модель прогнозирует оптимальные время и объем закупки сырья с учетом потребностей предприятия (объемы потребления, сроки доставки и хранения, данные о поставщиках, динамика закупочных цен, сезонность и пр.) и внешних факторов (экономические и сезонные условия, динамика цен и особенности логистики) | ● Необоснованные траты на закупку сырья ● Риск простоя из-за недостатка сырья ● Ошибки человеческого фактора при определении количества сырья | ● Экономия до 15% на закупке сырья ● Снижение себестоимости производства ● Сокращение слкадских расходов | Повышение операционной эффективности предприятия | промышленность, сельское хозяйство | ||||||||
31 | 30 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Предсказание уровня загрязнения окружающей среды | ML-решение предсказывает потенциальный уровень загрязнения окружающей среды и и выявляет факторы, оказывающие наибольшее влияние на окружающую среду, используя информацию о производственном процессе предприятия (режим работы, состав сырья и материалов, количество сотрудников и пр.), а также анализ взаимосвязи между уровнем загрязнения воздуха и особенностями сельскохозяйственного процесса (обработка почвы, внесение удобрений, сжигание посевных полей, использование топлива для оборудования и пр.) | Сложности оперативного обнаружения эмиссии и оперативного принятия мер по устранению | Снижение углеродных выбросов (CO2) до 10% | Оптимизация производства и работы персонала | промышленность, добыча ресурсов (нефть, газ), сельское хозяйство | |||||||
32 | 31 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Динамическое прогнозирование котировок | Решение прогнозирует котировки на основе данных о продукте, сырье, субститутах, показателях баланса рынка, биржевых ценах с учетом макроэкономических показателей различных стран и динамики отраслей | ● Упущенная выгода из-за реализации продукции по несоразмерной цене ● Временные потери при анализе большого объема данных о рынке | Рост точности и скорости определения стоимости продукции в любой момент времени | Оптимизация работы персонала | промышленность, добыча ресурсов (нефть, газ) | ||||||||
33 | 32 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Система выбора культуры и времени для посева | ML-модель на базе исторических данных по разным полям прогнозирует урожайность выбранного участка в зависимости от культуры и времени сева, с учетом данных урожайности и севооборота поля, природно-климатические факторы, данные о состоянии почвы и пр. Решение помогает спланировать севооборот на каждом поле для максимизации урожайности и снижения истощения почвы: выбрать тип культуры и время для посева | Сложность планирования севооборота для достижения максимального урожая при различных условиях, в том числе, сроков посева и выбора определенного типа культуры. При несоблюдении условий высока вероятность истощения почвы | Рост урожайности полей до 20% | ● Максимизация урожайности ● Снижение истощения почвы | сельское хозяйство | |||||||
34 | 33 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Система прогноза внесения удобрений | ML-решение на основе данных по обработке поля, внешних факторов и итоговой урожайности прогнозирует график и норму внесения удобрений. Для прогноза модель учитывает данные по севообороту поля, фазу развития растения, перенесенные болезни, сезон и время суток, график полива, данные о температуре и накопленных осадках и пр. | Неправильное соотношение (переизбыток или нодостаток) при внесении удобрений приводит к их нерациональному использованию, и как результат, снижению урожайности | Снижение расходов на удобрения до 15% | ● Максимизация урожайности ● Снижение истощения почвы | сельское хозяйство | ||||||||
35 | 34 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз полива и профилактика болезней растений | ML-модель анализирует исторические данные о сезонности и волнообразности болезней, о климатических изменениях и погоде, севообороте и прошлых инфекциях для прогнозирования заражения в новом периоде. Для точного прогноза учитываются предрасположенность растения-хозяина к заболеванию, текущая площадь заражения, данные по вегетации, состояние почвы и метеорологические отчеты. ML-модель прогнозирует норму, время и частоту полива растений на основе данных о поливе, прогнозе погоды, накопленных осадках, данных о вегетации и пр. В результате модель находит оптимальные параметры полива для сохранения необходимого уровня влажности почвы на каждом участке поля | Отсутствие возможности предвидеть болезни отдельных культур и заранее планировать защитные мероприятия по их предотвращению | ● Снижение скорости распространения инфекций до 3х раз ● Экономия ресурсов в виде снижения расхода воды и топлива спец. техники до 10% | ● Снижение потерь урожая ● Возможность предвидения или оперативного обнаружения и принятия защитных мер ● Оптимизация графика полива | сельское хозяйство | |||||||
36 | 35 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Управление теплицами | Решение на базе ML прогнозирует урожайность и предоставляет аналитику по оптимальным условиям выращивания сельхоз. культур в тепличных условиях при заданных параметрах. ML-модель работает на базе данных с датчиков (параметры микроклимата, показатели развития культур, потребление ресурсов), данных о поливе и внесенных удобрениях | Сложность выращивания продукции в теплицах с учетом необходимости постоянного контроля множества параметров | Рост урожайности полей до 10% | ● Максимизация урожайности ● Оптимизация ресурсов и функционирования теплицы | сельское хозяйство | |||||||
37 | 36 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз веса и болезней животных | ML-модель прогнозирует вес животных при изменении рациона с учетом данных о кормлении (объем и тип корма, время суток), данных о животном (вид, пол, возраст) и данных о динамике веса, а также способна прогнозировать вероятность распространения и интенсивность заболевания в регионе среди определенного вида на основе данных о сезонности и волнообразности инфекций, длительности действия иммунитета, видовом составе, рождаемости животных и погодных условиях | Необходимость наличия инструмента оперативного и точного определения состояния животных | ● Рост поголовья в результате профилактики до 30% ● Рост выручки за счет роста объемов производства до 7% | ● Возможность оперативного планирования профилактических мероприятий ● Возможность корректировки массы животных в т.ч. при аномальных отклонениях ● Снижение рисков распространения инфекций | сельское хозяйство | |||||||
38 | 37 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Управление структурой крупного рогатого скота | ML-модель прогнозирует структуру стада крупного рогатого скота на основе исторических данных о рождаемости, количестве осеменений, истории болезней и пр. Решение позволяет поддерживать максимальное количество дойного поголовья за счет оптимизации движения поголовья в разные периоды (в т.ч. рекомендует оптимальное время для продажи и ввода новых коров.) | Сложность расчет периода продажи и ввода новых коров в стадо для поддержки максимального количества дойного поголовья | Рост объемов производства до 10% | ● Рост эффетивиности производства засчет поддержки максимального количества дойного поголовья ● Оптимизация движения поголовья в разные периоды | сельское хозяйство | |||||||
39 | 38 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Прогноз спроса и объемов производства (урожайности) в регионе | ML-модель для прогноза учитывает севооборот за предшествующие периоды, погодно- климатические условия, площадь пашни, урожайность на 1 гектар, объем продаж в прошлых периодах и динамику цен для прогнозирования спроса на продукцию | ● Финансовые потери из-за нереализованных товаров/услуг ● Необоснованные траты на выполнение заказов в пиковые периоды спроса ● Риск невыполнения заказов | Рост выручки до 15% | ● Возможность выбора культуры для посева с высоким спросом и оптимизации тактики реализации (время продажи, регион, стоимость) ● Оптимизация движения поголовья в разные периоды | сельское хозяйство | ||||||||
40 | 39 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогнозирование причин и объема входящих обращений и времени ожидания в очереди | ML-модель прогнозирует проблему и приоритет обслуживания абонента на этапе звонка, время/позицию в очереди, необходимое число операторов колл-центра для обслуживания клиентов на основе данных о количестве звонков в зависимости от времени суток, дня недели, данных о истории облуживания клиента (дата регистрации, сумма ежемесячных трат на услуги связи, пакете используемых услуг, причины и статистика предыдущих обращений, активность операций и др.) и других факторов (например, погоды) и ограничений: часовые пояса, трудозатраты и максимальную вместимость колл-центра | ● Недовольство клиентов ● Репутационные потери ● Снижение пропускной способности ● Недополученная прибыль и отток клиентов | ● Сокращение затрат на ФОТ сотрудников ● Оптимизация движения поголовья в разные периоды | ● Рост удовлетворенности клиентов ● Повышение качества обслуживания ● Оптимизация трудовых ресурсов и снижение нагрузки на работников ● Снижение количества повторных звонков ● Выявление часто задаваемых и нестандартных вопросов | управление, бизнес | |||||||
41 | 40 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз спроса на контент | ML-модель сопоставляет данные о типе контента, качестве и уникальности, популярности автора, особенности региона и сезона. Благодаря проведенной аналитике компания (стриминговый сервис, социальная сеть, контентмейкеры) может установить более высокую цену на эксклюзивный контент с популярными исполнителями или выбрать оптимальное время демонстрации материалов наибольшему количеству заинтересованной аудитории | ● Необходимость увеличения объемов продаж через работу с оптимизацией ценообразования конкретного товара ● Ошибки человеческого фактора при ручном опредлении цены | ● Рост охвата до 30% ● Рост выручки до 10% ● Устанавление обоснованной цены на новый и выпущенный контент | ● Рост удовлетворенности клиентов ● Оптимизация графика создания и выпуска контента | медиа и реклама | |||||||
42 | 41 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз эффективности маркетинговых каналов | ML-модель прогнозирует вероятность совершения целевого действия (например, конверсию в покупку) в зависимости от типа пользователя. Для прогноза модель сопоставляет признаки пользователей (пол, возраст, интересы, активность на сайте), их взаимодействие с прошлой рекламой (пролистал объявление, перешел по ссылке, купил товар) и особенности самой рекламы (тип коммуникации, формат и пр.) Решение позволяет компаниям сосредоточить усилия на клиентах, склонных к покупке, и не тратить бюджет на показ рекламы для незаинтересованных пользователей | Недостаточный уровень конверсии потенциальных клиентов в пользователей | ● Снижение стоимости привлечения лида до 15% ● Экономия бюджета из-за прекращения показа рекламы для незаинтересованных пользователей | Освобождение временных и человеческих ресусрсов на работе с клиентами, склонными к покупке | медиа и реклама | |||||||
43 | 42 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Система персональных маркетинговых коммуникаций | ML-модель выбора коммуникации под клиента: рекламного канала и формата (e-mail, push, SMS, мессенджеры и пр.) Решение учитывает данные о клиенте, историю покупок, тип и цели коммуникации, ограничения бюджета, прошлые взаимодействия с рассылками, их формат и пр. При определении подходящей выборки абонентов для обзвона учитывается история обслуживания, тип и срок использования тарифов, потребительские предпочтения, активность и реакция на предыдущие предложения и пр. | ● Сложность в расчетах типов промо-акций ● Низкая эффективность рекламных компаний ● Утрата лояльности клиентов из-за неуместных или слишком "общих" и массовых рассылок ● Риск упущенной выгоды и потери клиентов из-за отсутствия учета индивидуальных факторов, влияющих на поведение и предпочтения покупателей | ● Рост конверсии до 15% ● Рост выручки до 7% | ● Повышение эффективности промо-акций и звонков ● Увеличение вероятности продажи дополнительных/новых услуг ● Рост лояльности и конверсии клиентов | ритейл, телеком, медиа и реклама | |||||||
44 | 43 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Система прогнозирования заболеваний | ML-модель анализирует обезличенные данные анамнеза пациентов (регулярные анализы крови и истории болезней) прогнозирует вероятность наличия расстройства, позволяет выявлять скрытые симптомы, ставить предварительные диагнозы и назначать лечение на ранних этапах болезни | ● Последствия из-за задержки/ошибки в постановке диагноза ● Трудность или невозможность проведения лечения при выявлении заболевания на более поздних этапах | ● Рост выручки до 7% ● Прирост клиентов до 15% ● Снижение вероятности постановки неверного диагноза | ● Выявление скрытых симптомов ● Повышение скорости постановки предварительного диагноза и, как следствие вероятности лечения болезни на ранних этапах | здравоохранение | |||||||
45 | 44 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Подбор медицинских назначений | ML-модель прогнозирует, какие действующие вещества будут наиболее эффективны в лечении пациента на основе обезличенных данных по истории обращений и назначений, анализов (например, как меняются анализы пациентов со схожими симптомами при назначении данного препарата) | ● Сложность в подборе препаратов и расчетах оптимальных дозировок ● Снижение лояльности пациентов из-за отсутствия персонального подхода | ● Рост лояльности клиентов до 20% ● Рост выручки до 15% | ● Повышение эффективности лечения конкретного пациента ● Дополнительные данные для фармацевтических компаний | здравоохранение | ||||||||
46 | 45 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Подбор питания и физической активности | Модель прогнозирует основные показатели здоровья при изменении питания и физической активности. Для обучения ML-модель учитывает особенности питательных веществ, данные анализов, параметры тела (вес, процент жира) и физической активности (шаги, пульс). | ● Сложность в расчете и корректировке оптимальных показателей для реабилитации пациента ● Снижение лояльности пациентов из-за отсутствия персонального подхода | ● Прирост клиентов до 40% ● Рост выручки до 30% | Возможность подбора подходящего рациона и уровня физических нагрузок для поддержания здоровья индивидуально для пациента | здравоохранение | |||||||
47 | 46 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Рекомендательная система для апетчных сетей | ML-модель на основе анализа данных (цена и количество проданных товаров по каталогу медикаментов с разбивкой на категории), количество и длительность акций, глубина скидок), история покупок (вид товара, средний чек, периодичность) и прогнозирует, какие позиции из ассортимента клиент закажет с большей вероятностью | ● Потребность увеличения продаж и роста среднего чека ● Расходы на утилизацию нереализованных товаров | ● Рост прибыли до 15% ● Рост среднего чека до 9% ● Сокращение расходов, связанных с утилизацией товаров | Выявляение скрытых потребностей и выдача персональных рекомендаций клиентам | здравоохранение | ||||||||
48 | 47 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогнозирование распространения вируса | ML-модель предсказывает интенсивность и скорость распространения вируса (например, COVID-19), анализируя статистику заболеваемости и вакцинации, данные демографии и климатические особенности по городам РФ. Высокая точность прогноза позволяет предпринимать экстренные и точечные меры по борьбе с распространением инфекции | ● Повышенная финансовая и организационная нагрузка на сферу здравоохранения в моменты эпидемий ● Ошибки прогнозирования в условиях необходимости принятия срочных (в т.ч. превентивных) мер при эпидемии | Снижение уровня заболеваемости до 40% | Снижение темпов роста заболеваемости и, как следствие нагрузки на систему здравоохранения | здравоохранение | |||||||
49 | 48 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Создание новых лекарств | ML-модель на базе существующих препаратов и данных о молекулярных структурах организма ищет «мишени» для лекарства и подбирает его состав. Для построения прогноза по составу препарата решение ищет конкретную молекулу в организме, тесно связанную с развитием патологии, воздействие на которую дает терапевтический эффект | Несовершенство традиционных методов создания подобных веществ для лекарственных препаратов (ошибки, риск неучета данных, низкая скорость ручного поиска) | Снижение затрат на разработку до 35% | Ускорение в несколько десятков разработки лекарств | здравоохранение | ||||||||
50 | 49 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз выбора воздушного судна | ML-модель прогнозирует необходимую модель самолета для гражданских авиаперевозок на основе исторических данных о спросе на авиабилеты (объем продаж, время года, количество и масса ручной клади и багажа) и технические характеристики воздушного судна (количество посадочных мест, грузоподъемность и др.) | Упущенная выгода и риск неточного или неполного прогноза спроса из-за недостаточных или неточных данных либо ошибок человеческого фактора | Рост выручки до 10% | Принятие более эффективных управленческих решений при выборе судне и планировании графиков авиарейсов | транспорт | |||||||
51 | 50 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Прогноз необходимого количества топлива и потребности в запчастях | ML-решение прогнозирует необходимый объем и время закупки топлива и комплектующих (нап., авиагоризонты, амортизаторы и др.) с учетом потребностей компании и внешних факторов на на основе исторических данных о сезоне, оличестве запчастей, об аналогичных поломках, расходе топлива, поставщиках и ценах, типе судна и др. | ● Неоптимальный расход топлива ● Необоснованно быстрый износ оборудования ● Необходимость экстренной закупки по завышенным ценам | ● Снижение затрат на закупку топлива до 7% ● Снижение затрат на ремонт ● Повышение производительности авиапарка до 10% | ● Возможность определить выгодного поставщика и оптимальный объем ресурсов ● Снижение затрат на ремонт ● Повышение операционной эффективность компании | транспорт | |||||||
52 | 51 | ООО "ДКС" Didigital Consulting Solutions (DCS) | dc-s.ru | Адаптивное обучение | ML-модель анализирует данные студентов (результаты тестов, посещаемость курсов, скорость усвоения материалов и пр.) и прогнозирует вовлеченность и результативность каждого студента в зависимости от темпа и программы обучения | ● Снижение привлекательности образовательных курсов из-за недостаточной гибкости ● Отток студентов ● Недостаточное качество образовательных услуг | ● Рост конверсии клиента (LTV) до 50 ● Рост количества новых клиентов до 30% | ● Персонализированный подход к обучающимся ● Рост лояльности обучающихсяя ● Оперативная корректировка учебного материала и процессов обучения | образование | ||||||||
53 | 52 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Система прогнозирования наилучшего дополнительного товара | Система прогнозирует наилучший дополнительный товар для рекомендации клиенту с целью увеличения среднего чека и роста доли высокомаржинальных товаров. Решение учитывает данные о клиентах и их продуктовых предпочтениях (история заказов, средний чек покупки, вовлеченность и др.) и сопоставляет с данными о других пользователях для формирования прогноза. В результате анализа модель формирует персонализированное предложение из товаров магазина для каждого клиента | Упущенная выгода из-за недостаточной частоты повторных покупок и среднего чека | ● Увеличение среднего чека на 9% ● Рост прибыли на 5% ● Рост конверсии клиентов до 25% ● Рост новых товаров в корзине до 35% ● Увеличение маржинальности продаж ● Уменьшение расходов, связанных с утилизацией товаров | Рост лояльности клиентов за счет высокого уровня персонализации | ритейл | |||||||
54 | 53 | ООО "ДКС" Didigital Consulting Solutions (DCS) | Разработка решений по автоматизации процессов и стратегическому развитию для достижения необходимых показателей в различных отраслях. Два базовых сценария: Nova ML - SaaS продукт в области Auto ML - построение предиктивных моделей AI Consulting - кастомизированные ML-решения - извлечение экспертами бизнес-инсайтов из данных на базе NovaML и внедрение в бизнес-процессы | dc-s.ru | Система прогнозирования показателей для строительства и ввода в эксплуатацию объектов | ML-модели на основе разных исторических данных прогнозируют необходимые параметры для объекта: ● для срока и стоимости строительства - данные по схожим проектам: цена, класс застройки, площадь и высота здания, место, стройматериалы, особенности коммуникаций и отделки, состав строительной бригады и пр. (модель может быть адаптирована под оценку конкретной статьи расходов) ● для времени закупки стройматериалов - потребность на разных этапах, средние сроки их доставки и особенности хранения, динамика цен и условия работы с поставщиками ● для планирования застройки - исторический спрос - плотность населения и застройки, социальная динамика: рождаемость, средний возраст, доходы, планы по развитию инфраструктуры (например, ветки метро), факторы макроэкономики (инфляция, безработица, ВВП), наличие других точек компании или конкурентов, аренды земли и др. ● для рыночной стоимости аренды - локация (близость к центру, трафик), объект (год сдачи, кол-во арендаторов, метраж и пр.), сезон, количество схожих предложений и т.д. | ● Риски срыва плана проведения строительных работ на любом этапе и простоя оборудования ● Упущенная выгодв при продаже или сдаче в аренду объектов ● Неоптимальный расход ресурсов ● Риск убытков из-за недобросовестных действий или приняти неверного управлеческого решения без учета необходимых показателей ● Ухудшение качества жизни населения при ошибках в организации строительства | ● Предотвращение перерасхода денежных средств ● Рост скорости работ до 10% ● Рост выручки до 20% ● Постройка объектов только в экономически оправданных местах ● Снижение затрат на закупку материалов до 20% ● Снижение общих расходов на строительство до 10% ● Повышение эффективности управления стоимостью и рост выручки с аренды до 5% | ● Снижение риска срыва сроков строительства ● Оптимизация процессов закупки материалов (стоимость и сроки) ● Оптимизация работы персонала ● Рост географического охвата ● Снижение риска обмана со стороны исполнителей (например, прорабов) ● Рост качества инфраструктуры города из-за эффективного планирования застройки в долгосрочной перспективе: район, плотность, этажность, класс жилья | управление, умный город | |||||||
55 | 54 | ||||||||||||||||
56 | 55 | ||||||||||||||||
57 | 56 | ООО «ЙОСЯ» (Upgraide.me) | IT-компания, разработчик системы управления знаниями Upgraide.me - передовых ИИ-моделей для создания и управления знаниями из различных источников компании в едином интерфейсе. Платформа позволяет создавать «капсулы знаний» из источников более 70 форматов: включая документы, аудио, видео, сайты, YouTube, Telegram и др. Пользователи могут взаимодействовать со своими капсулами, используя различные языковые модели, создавать интеллектуальных ИИ-агентов, адаптированных к конкретным потребностям. Решение оптимизирует процессы в технических командах, отделах продаж и поддержки, сокращая время на рутинные операции и ответы на сложные запросы, а также улучшая качество решений | https://upgraide.me/ | Upgraide.me | Интеллектуальная платформа для генерации документов, выполнения задач через текстовые запросы, семантического поиска данных, версионирования информации и создания интерактивных карт знаний. Платформа объединяет инструменты управления знаниями, автоматизации процессов и AI-аналитики, сочетает семантический поиск с автоматической обработкой событий, что позволяет мгновенно обновлять индексы данных. Уникальность платформы заключается в изолированном хранении капсул пользовательских данных и возможности интеграции с внешними инструментами управления, представления данных, инструментами менеджмента и источниками данных. Также доступна генерация персонализированных презентаций с кейсами для глубокого понимания и решения задач заказчика | ● Неэффективное использование данных ● Высокие временные траты на поиск технической информации (до 5 часов в неделю) ● Временные траты сотрудников на онбординг новых коллег (до 50% времени) ● Задержка сделок из-за ожидания ответов на запросы ● Перегруженность службы поддержки типовыми вопросами, ● Снижение скорости обработки критических обращений | ● Экономия 5+ час./нед. на сотрудника ● Сокращение цикла сделки на 30% с помощью мгновенного доступа к ответам через AI-ботов ● Снижение затрат на онбординг: 50% времени senior-сотрудников освобождается за счет автоматизированных обучающих материалов ● Оптимизация ИТ-ресурсов: Интеграция платформы требует всего 3 часов работы администратора и 30 минут настройки приоритетов обработки данных | ● Cнижение рутинной нагрузки на сотрудников службы поддержки на 40% и, как следствие, рост удовлетворённости и фокусировка на творческих и стратегических задачах ● Повышение лояльности клиентов и улучшение репутации компании ● Укрепление экспертного статуса: карты знаний и аналитика рисков позиционируют компанию как инновационного лидера | бизнес, ритейл, банки, управление, телекоммуникации, логистика, здравоохранение, умный город, управление, транспорт, авиация, образование | |||||||
58 | 57 | ООО «АИИ» (Агентство искусственного интеллекта) | Консалтинговая компания, которая занимается разработкой и просвещением в области искусственного интеллекта, автоматизации и цифровой трансформации | https://aiagency.ru/ | Интеллектуальная система классификации ортодонтических случаев | Модуль (веб-приложение и чат-бот) формализованного сбора и исследования стоматологических снимков с рабочего места врача; работа с обучающей выборкой (предобработка, приведение к общему виду; распознавание и классификация гистологических исследований - 3 класса — простой, средний, сложный) | Необходимость структурирования большого объема информации о об анализах пациента | Снижение времени обработки потока снимков прикуса/челюсти | Автоматизация процесса классификации снимков прикуса | здравоохранение | |||||||
59 | 58 | ООО «АИИ» (Агентство искусственного интеллекта) | Консалтинговая компания, которая занимается разработкой и просвещением в области искусственного интеллекта, автоматизации и цифровой трансформации | https://aiagency.ru/ | ИИ-агент для создания рецептов блюд на основе гибридной парадигмы | Программа в виде консольного приложения для генерации блюд с применением искусственного интеллекта. Каждое блюдо генерируется исходя из своей совместимости ингредиентов, которая отражена в имеющихся технологических картах блюда. | ● Временные затраты на подбор ингридиентов для блюд ● Недостаточность существующих маркетинговых стратегий для привлечения аудитории | Предоставляется по запросу | Возможность привлечения новой аудитории | ритейл, туризм, сфера облуживания | |||||||
60 | 59 | ООО «АИИ» (Агентство искусственного интеллекта) | Консалтинговая компания, которая занимается разработкой и просвещением в области искусственного интеллекта, автоматизации и цифровой трансформации | https://aiagency.ru/ | ИИ-секретарь Мария | Диалоговый интерфейс в telegram (чат-бот) для предоставления информации сотрудникам: контакты, отчёты, мультимедийные материалы, документы (в т.ч. скрытые документы при вводе идентификатора) и клиентам: реквизиты, контакты офиса, информация о продуктах/услугах, новости компании. Чат-бот может вести диалог, приближенный к человеческой речи: умеет оперировать ключевыми терминами в области ИИ, может поддерживать беседу и рассказывать анекдоты и т.д. | ● Необоснованные финансовые траты на работу персонала ● Ошибки человеческого фактора ● Высокие временные затраты на выполнение рутинных задач | ● Сокращение затрат на работу персонала ● Оптимизация временных затрат на работу с клиентами и документами | ● Автоматизацмя рутинных задач (ответы на часто задаваемые вопросы, создание опросов) ● Исключениие ошибок человеческого фактора ● Повышение уровня доверия клиентов | ритейл, бизнес, управление | |||||||
61 | 60 | ООО «АИИ» (Агентство искусственного интеллекта) | Консалтинговая компания, которая занимается разработкой и просвещением в области искусственного интеллекта, автоматизации и цифровой трансформации | https://aiagency.ru/ | Фунгус | Интеллектуальная система с разговорным интерфейсом (чат-бот) для распознания гриба на основе словесного описания или картинки. Интерфейс способен объяснять значения некоторых терминов микологии (науки о грибах) и обладает обширной базой знаний на основе данных о более чем 150 грибах | ● Ограниченная возможность информирования граждан о видах опасных грибов ● Высокий риск ошибки при сборе грибов (несъедобные, ядовитые) | Предоставляется по запросу | ● Сокращение времени на обработку ● Снижение риска вреда жизни и здоровью при сборе грибов | развлечения, умный город | |||||||
62 | 61 | ООО «АИИ» (Агентство искусственного интеллекта) | Консалтинговая компания, которая занимается разработкой и просвещением в области искусственного интеллекта, автоматизации и цифровой трансформации | https://aiagency.ru/ | Система поддержки принятия медицинских решений «Джейн» | Вэб-приложение для помощи неврологам в постановке диагноза, прогнозировании развития заболевания и разработке плана лечения пациентов с эпилепсией. После ввода, информация о пациенте фиксируется в базе данных и используется для ведения статистики и в процессе выдачи рекомендаций лечащему врачу | ● Разрозненность и необходимость запоминания больших массивов информации о каждом пациенте ● Ошибки человеческого фактора | Предоставляется по запросу | ● Автоматизация процесса сбора информации ● Использование результатов приложения как «второго мнения» на консультациях, в т.ч. по сложным или нетипичным случаям | здравоохранение | |||||||
63 | 62 | ООО "Персона" Persona.Нейропрофилирование | Нейротехнология профилирования с помощью ИИ | https://personatalent.ru/ | Persona Talent | Сервис нейропрофилирования сотрудников, кандидатов, диагностика команд без прямого воздействия, конфликтов и стрессов, с возможностью оценить конструктивный и деструктивный потенциал личности. Сервис позволяет построить персональные карьерные и образовательные траектории для эффективной адаптации сотрудников | ● Высокие временные и финансовые затраты на подбор персонала ● Наличие «чужих» сотрудников и ошибок при найме ● Подбор персонала с неэффективным поведением для каждой функции ● Отсутствие системы управления самомотивацией | ● Снижение затрат на привлечение соискателей до 70% ● Повышение конверсии привлечения соискателей до 34% ● Увеличение жизненного цикла сотрудника до 21% ● Повышение лояльности компании до 48% | Повышение эффективности детельности сотрудников | управление | |||||||
64 | 63 | ООО «ОВИЖН» (OVISION) | Разработка комплексных биометрических систем для различных областей (ритейл, безопасность, банки (VISA, ВТБ). Компания основана на вертикальной интеграции, что позволяет контролировать каждый элемент системы и создавать самые гибкие и удобные решения. 1) ML компетенции - собственные алгоритмы распознавания, детекции, лайфнесса и др. 2) Hardware компетенции - сосбственные умные устройства (дизайн,проектирование, развод плат) есть отдел монтажа и поддержки 3) Software компетенции - разработка ПО и свой СКУД (система контроля и управления доступом) для любых типов зданий | https://ovision.ru/ | OGate One | Терминал биометрической идентификации, оснащенный датчиком для опционально бесконтактного измерения температуры. Устройство интегрируется в новый (на ПО OVISION) или текущий СКУД, устанавливается на турникеты любых видов и распознает лица (поиск и идентификация по базе) в движении за 0,2 секунды даже в очках, с бородой и в шапке и посылает сигнал авторизации в личный кабинет на исполнительное устройство. Алгоритм дополняет антиспуффинг система Liveness для защиты системы от взлома или подмены лиц. Модель СКУД позволяет с одного места управлять всей экосистемой с доступом из любой точки в городе: выгрузка отчетов, удаленное приглашение, сбор и аналитика Big Data | ● Финансовые и временные траты на проверку проходящих лиц ● Выоский риск мошенничества при ижентификации человека с помощью физических идентификаторов | ● Экономия ресурсов для учета и контроля посетителей ● Оптимизация процессов из-за делегирования некоторых рутинных операций функционалу системы (например, учет рабочего времени) | ● Полная автоматизация сбора и анализа данных с камер ● Повышение безопасности (другие способы прохода карточки, ключи и т.д. гораздо легче подделать или передать другому лицу) и престижа объектов | образование, бизнес, государство, ритейл, безопасность | |||||||
65 | 64 | ООО «ОВИЖН» (OVISION) | Разработка комплексных биометрических систем для различных областей (ритейл, безопасность, банки (VISA, ВТБ). Компания основана на вертикальной интеграции, что позволяет контролировать каждый элемент системы и создавать самые гибкие и удобные решения. 1) ML компетенции - собственные алгоритмы распознавания, детекции, лайфнесса и др. 2) Hardware компетенции - сосбственные умные устройства (дизайн,проектирование, развод плат) есть отдел монтажа и поддержки 3) Software компетенции - разработка ПО и свой СКУД (система контроля и управления доступом) для любых типов зданий | https://ovision.ru/ | OMini | Терминал российского производства предназначен для установки внутри помещений и в уличных условиях. Имеет антивандальный металлический корпус и способен работать практически в любых температурных условиях. Система поддерживает множество методов идентификации (лицо, карта, QR код, телефон) и отечественные средства криптографической защиты информации (СКЗИ). Система содержит 5 способов аутентификации, способна проверить и распознать по базе из 10 000 лиц (на сервере не ограничено) в движении за 0,2 секунды даже в очках, с бородой и в шапке и послать сигнал авторизации на исполительное устройство. Алгоритм доролнен антиспуффинг системой Liveness | ● Необоснованные траты человеко-часов и найма дополнительного персонала из-за проверки камер в ручном режиме ● Риск получения нечеткого изображения из-за запыления, или поверждения объектива (краска, жвачка) | Сокращение ручной проверки камер операторами с 2 тысяч в день до 400, а впоследствии не более 10-30 камер | ● Полная автоматизация сбора и анализа данных с камер ● Точностью распознавания 86%, после долнительного обучения 95% ● Повышение безопасности (другие способы прохода карточки, ключи и т.д. гораздо легче подделать или передать другому лицу) и престижа объектов | образование, бизнес, государство, ритейл, безопасность | |||||||
66 | 65 | ООО «ОВИЖН» (OVISION) | Разработка комплексных биометрических систем для различных областей (ритейл, безопасность, банки (VISA, ВТБ). Компания основана на вертикальной интеграции, что позволяет контролировать каждый элемент системы и создавать самые гибкие и удобные решения. 1) ML компетенции - собственные алгоритмы распознавания, детекции, лайфнесса и др. 2) Hardware компетенции - сосбственные умные устройства (дизайн,проектирование, развод плат) есть отдел монтажа и поддержки 3) Software компетенции - разработка ПО и свой СКУД (система контроля и управления доступом) для любых типов зданий | https://ovision.ru/ | КБС Ovision (Коммерческая биометрическая система) | Оказание услуг по аутентификации на основе биометрических персональных данных (решение об аккредитации Минцифры №7-А от 05.12.2023) в соответствии с требованиями №572-ФЗ с применением собственных алгоритмов ИИ, интегрированных в ГИС ЕБС (Государственная информационная система "Единая биометрическая система") | ● Необоснованный расход ресурсов на проверку лиц ● Риск ошибки человеческого фактора или мошенничества | ● Экономия ресурсов для учета и контроля посетителей ● Сокращение рисков мошенничества ● Исключение ошибок человеческого фактора | Обеспечение соблюдения требований законодательства | бизнес, банки, ритейл, безопасность | |||||||
67 | 66 | ООО «ОВИЖН» (OVISION) | https://ovision.ru/ | Коммерческая биометрическая система КБС) под ключ | Предоставление технического решения (права на ПО на основании простой (неисключительной) лицензии бессрочной или по подписке) на базе собственных алгоритмов распознавания лиц, интегрированных в ГИС ЕБС для получения заказчиком аккредитации Минцифры для оказания услуг аутентификации по биометрическим персональным данным в соответствии с Федеральным законом №572-ФЗ. Дополнительно может быть включено юридическое и техническое сопровождение клиента | ● Обеспечение обработки биометрических данных в соответствии с 572-ФЗ путем получения аккредитации Минцифры ● Необходимость для некоторых организаций (например, банки) прохождения аккредитации для задач биоэквайринга и использования биометрии в инфраструктуре | ● Экономия ресурсов на проверку, птимиости, удаленная регистрация и вход в личный кабинет, операции с банкоматами и подтверждение переводов (в т.ч. онлайн), ● Сокращение рисков мошенничества с возможностью примнения биометрии для различных услуг: программы лояльнковское обслуживание без документов, оплата товаров и услуг (в т.ч. общественных, например, проезд в транспорте) и т.д. | ● Обеспечение соблюдения требований законодательства ● Оптимизация и сокращение ошибок человеческого фактора при | бизнес, банки, ритейл, безопасность | ||||||||
68 | 67 | ООО Цифровые платежи | Компания с 20-летним опытом внедрения платежных решений. Победитель FINAWARD’21 в номинации Fintech-стартап восходящая звезда. В феврале 2022 года совместно с Фондом «Росконгресс» запустила проект первого в России NFT маркетплейса. Основной интерес - выпуск, учет, маркетинг цифровых активов, создание платежной экосистемы нового поколения, работающей с безналичными, электронными и цифровыми валютами (CBDC), криптовалютами, токенами и цифровыми активами при оплате товаров и услуг и трнасграничных расчетах | https://dengi.finsummit.org/ | РусБонус | Рекомендательная система прогнозной аналитики потребительского поведения, обученная на исторической выборке по большому массиву информации из различных источников (внешние, системы лояльности, платежные системы) и предоставленными данными через API при помощи специальных алгоритмов машинного обучения (Word2Vec и Alternating Least Squares). Система анализирует большие данные о поведении покупателей, предоставляя по запросу, через REST API, рекомендации товаров или группы товаров. Система способна к интеграции с POS-системами, смарт-терминалами Эвотор, интернет-магазинами через API. Система доступна в формате мобильного приложения, а также предоставляет процессинг виртуальной валюты и способна выдавать сводный баланс начисления и списания баллов между компаниями коалиционной программы | ● Отток клиентов из-за недостатка технологий и компетенций в области стимулирования продаж ● Падение спроса и упущенная выгода из-за неэффективно выстроенных программ лояльности | ● Увеличение числа новых покупателей и времени жизни клиента ● Увеличение среднего чека, в т.ч. через персональные рекомендации товаров/группы товаров ● Ускорение покупки новых товаров, повторной покупки и заполнение «пустых» дней ● Оптимизация расходов на рекламу | ● Повышение уровня лояльности и доверия клиентов ● Обеспечение ведения единого учета бонусных баллов при покупке в магазинах-партнёрах коалиции ● Избежание ошибок человеческого фактора при реализации коалиционных програм лояльности ● Персонализированные рекламные компании и каналы выстраивания коммуникации с разными типами покупателей | ритейл | |||||||
69 | 68 | ||||||||||||||||
70 | 69 | ООО "Цифровые Морские Решения" | Компания-разработчик сервисов краткосрочного оперативного прогнозирования. Область применения – рыбопромысловая отрасль России, с дальнейшим возможным использованием на зарубежных рынках. Потребители – рыбопромысловые компании, использующие прогнозную информацию о наиболее вероятных местах нахождения скоплений рыбы в море | http://www.digitalnautic.ru/ | Прогноз мест скопления рыбы и морепродуктов | Онлайн сервисы для формирования прогнозов на 48 часов и определения мест скопления рыбы и морепродуктов для промысловых судов на базе спутниковых систем передачи данных. Местоположение и динамика рыбного скопления полностью определяется типовым поведением того или иного вида рыбы в определенный период и состоянием морской природной среды. Известно, что задачи такого рода сегодня успешно решаются в ходе обучения моделей машинного обучения на больших объемах исторических данных. В разработанном сервисе используется этот не применявшийся ранее подход для методологии определения местоположений рыбных скоплений, существенно более высокий по степени точности | Низкая точность прогнозов о возможном времени и месте рыбного скопления - не более 70 % (при аномальных погодных условиях меньше), в т.ч. из-за того, что карты прогнозов готовят НИИ и учреждения на базе многолетних статистических наблюдений. Последствия: простои, холостые пробеги судна и иные факторы, влекущие временные и финансовые потери | ● Сокращение времени поиска рыбных скоплений на 1-2 дня и, как следствие, оптимизация (в т.ч. экономическая) маршрута на промысле ● Сокращение финансовых потерь из-за простоев и холостых пробегов и оптимизация расходов на топливо | Повышение точности прогнозирования с 70% до 92% | промышленность, морская навигация | |||||||
71 | 70 | ООО «ПРОСТО» (Zool.ai) | Компания-разработчик программных продуктов на основе искусственного интеллекта: технологий машинного обучения, deep learning, компьютерного зрения, сверточных нейронных сетей. | https://zool.ai/ | Zool.ai | Система автоматизированного интеллектуальной аналитики видеопотока для контроля и учета. Система бесшовно интегрируется со СКУД и системами 1С. Функциональные возможности ● анализ объектов (включа подсчет и определение положения), автоматический подсчет продукции в режиме реального времени ● идентификация, подсчет и распознавание передвижения лиц, габаритов машин и автомобильных номеров в режиме реального времени ● контроль перемещения лиц и времени работы, сбор статистики работы каждого сотрудника для определения норм выработки трудовых часов ● анализ загруженности склада и перемещения товаров Система оснащена функцией интеллектуальной поддержки принятия решений по инцидентам (мгновенное оповещение ответственных сотрудников при возникновении потенциально опасного инцидента, а также автоматический запуск сценария реагирования) с использованием технологий самообучения. | ● Низкая скорость реакции на инциденты ● Ошибки человеческого фактора при ручном мониторинге камер | ● Повышение прозрачности учета и мониторинга процессов и, как следствие, предотвращение недостачи и случаев мошенничества (например, контроль кассы в магазине, исключение случаев слива нефти на маршруте и т.д.) ● Рост прибыли и повышение производительности за счет оптимизации времени работы оборудования | ● Повышение уровня безопасности и контроля доступа на территорию ● Планирование и контроль рабочего времени сотрудников ● Сокращение ошибок за счет автоматизации ручного труда | промышленность, ритейл, транспорт, государство | |||||||
72 | 71 | ООО "СенсАрт" | Основные векторы деятельности компании - разработка движков (стрельбы, езды, полётов), сенсорные технологии, обработка естественного языка и оказание услуг в следующих сферах, как: консалтинг, проектирование, системная интеграция и поддержка аудиовизуального (AV, VR), сетевого, мультимедиа и ВКС оборудования | http://getsurfancy.com/ | Сенсорное устройство Surfancy | Устройство, функционирующее на основе запатентованной технологии “теневой локации” (touch screen), позволяющее создать один из самых больших коммерческих сенсорных экранов в мире. Сенсоры обеспечивают высокую чувствительность и точность, позволяя контролировать каждое движение и жест на поверхности и состоят их двух оптоэлектронных планок, длинной в 1 метр, между которыми создается область, аналогичная , на площади от 1 до 5 кв.м.. Сенсоры обладают свойством кластерности, и позволяют увеличивать сенсорное поле до 50 квадратных метров. Таким обращом, обеспечивается взаимодействие с интерактивным контентом (презентации, тренировки,) на любой поверхности: стол, стена или даже пол | Высокие затраты и ограниченность возможностей применения экранов (размеры, формы) для реализации, образовательных и бизнес-процессов | ● Экономия на оборудовании и организации мероприятия ● Привлечение новых клиентов в различных мероприятиях | Повышение интереса и вовлечения аудитории (интерактивности) | искусство, ритейл, туризм, образование | |||||||
73 | 72 | «Пиарошная» | Первый российский онлайн-сервис, специализирующийся на генерации профессиональных PR-текстов с использованием технологий искусственного интеллекта. Запущен в ноябре 2023 года, в 2024 году вошел в библиотеку лучших практик международного конкурса BRICS Solutions Awards в категории "ИИ и цифровые сервисы". Имеет более полутысячи пользователей, в т.ч. крупных корпоративных клиентов как ЮMoney, ОЭЗ "Доброград", OGGI by Twiga и пр. Число пользовательских генераций менее чем за год превысило 20 000 | https://www.aipr.pro/ | «Пиарошная» (ТЗ) | Первый в России сервис на нейронных сетях, решающий прикладные PR-задачи и оптимизирующий работу подразделений по связям с общественностью с помощью ИИ. Уникальное качество производимых текстовых материалов и учета потребностей пользователей достигается за счет: 1. Предобучения моделей и скрытого от пользователя промптования запросов профессиональными журналистами и PR-специалистами. 2. Использования последних генеративных языковых моделей от мировых лидеров сегмента: OpenAI, Google, Anthropic, Yandex. 3. Структурированности требуемой от пользователя вводной информации 4. Отсутствия сложных пользовательских IT-настроек 5.Оптимизированной работы под жесткие бизнес-требования крупных компаний | Оптимизация временных, финансовых и прочих расходов МСБ, крупных предприятий, фрилансеров и частных лиц на создание текстов профессионального качества в рамках осуществления PR и коммерческой деятельности. | Для решения задач сервис использует классические языковые модели, включая OpenAI, Google Gemini, Anthropic Claude и Yandex YaGPT | |||||||||
74 | 73 | ООО "К-Скай" (Webiomed) | Резидент Фонда «Сколково», разработчик Webiomed - платформы прогнозной аналитики для здравоохранения. Webiomed - первое российское ПО, созданное с применением ИИ-технологий успешно прошло независимые клинические испытания и зарегистрировано Росздравнадзором как медицинское изделие. Система в части оценки рисков и выявления подозрений поддерживает более 43 заболеваний | https://webiomed.ru/ | Webiomed.DHRA | Система поддержки принятия врачебных решений осуществляет автоматический вывод данных из электронной медицинской карты (ЭМК). Модели машинного обучения анализируют данные и формируют комплексную оценку здоровья пациента и рисков его ухудшения. На основе выявленных рисков система формирует рекомендации врачу и пациенту не позволяя пропустить различные заболевания и обеспечивает контроль соблюдения требований по диспансерному наблюдению и выполнения критериев качества медицинской помощи | ● Низкая точность существующих алгоритмов выявления пациентов высокого риска ● Недостаточная эффективность предотвращения заболеваемости и ошибки в определении группы здоровья | ● Сокращение в 10 раз времени на обработку электронной медицинской карты ● Повышение точности прогноза оценки рисков до 90% ● Возможность выявления подозрений на пропущенные заболевания и максимально эффективного использования резервов по предупрждению заболеваемости и смертности | ● Сокращение ошибок в определении врачами группы здоровья на 15% ● Выявление факторов риска и прогнозирование развития заболеваний и их осложнений ● Оптимизация рутинных процессов анализа ЭМК и освбождение временного ресурса на общение с пациентом | здравоохранение | |||||||
75 | 74 | ООО "К-Скай" (Webiomed) | Резидент Фонда «Сколково», разработчик Webiomed - платформы прогнозной аналитики для здравоохранения. Webiomed - первое российское ПО, созданное с применением ИИ-технологий успешно прошло независимые клинические испытания и зарегистрировано Росздравнадзором как медицинское изделие. Система в части оценки рисков и выявления подозрений поддерживает более 43 заболеваний | https://webiomed.ru/ | Webiomed.Analytics | Система управленческой аналитики на основе ЭМК и сформированных ею цифровых профилей пациентов позволяет быстро получать объективную информацию по заболеваемости, распространенности факторов риска, состоянии пациентов по группам риска и т.д. т для принятия решений по здравоохранению | Риск ошибки и "подтасовки" отчетов и, как следствие, недостаточно точное понимание распространенности заболеваний и ошибки в планировании ресурсов и прогнозов эффективности профилактики | Штатное время формирования любого дашборда - 10 сек. | Оптимизация работы персонала | здравоохранение | |||||||
76 | 75 | ООО "К-Скай" (Webiomed) | Резидент Фонда «Сколково», разработчик Webiomed - платформы прогнозной аналитики для здравоохранения. Webiomed - первое российское ПО, созданное с применением ИИ-технологий успешно прошло независимые клинические испытания и зарегистрировано Росздравнадзором как медицинское изделие. Система в части оценки рисков и выявления подозрений поддерживает более 43 заболеваний | https://webiomed.ru/ | Webiomed.NLP | Сервис по извлечению машинно-понимаемых данных из неструктурированных медицинских документов, может работать автономно. Платформа извлекает из каждого медицинского документа максимально возможное число признаков. Сервис содержит 3 тыс. поддерживаемых признаков: данные, симптомы, результаты обследования и т.д. Каждый признак анализируется на предмет ошибок. Дополнительно система ведет втоматический поиск и удаление ошибочных записей и выбросов | Проблемы из-за хранения врачебных записей в текстовом виде до 80% ● риск утраты или ошибки распознавания, ● неструктурированность ● временные и трудовые затраты на заполнение, включая необходимость повторного ввода и т.д.) | ● Экономия времени врача из-за отсутсвия необходимости введения одинаковой медицинской информации ● Ускорение производительности обработки информации - 500 признаков в минуту | ● Точность извлечения данных из электронной медицинской карты до 98% ● Рост лояльности и доверия пациентов (из-за возможности уделить больше времени на осмотре) | здравоохранение | |||||||
77 | 76 | ООО "К-Скай" (Webiomed) | Резидент Фонда «Сколково», разработчик Webiomed - платформы прогнозной аналитики для здравоохранения. Webiomed - первое российское ПО, созданное с применением ИИ-технологий успешно прошло независимые клинические испытания и зарегистрировано Росздравнадзором как медицинское изделие. Система в части оценки рисков и выявления подозрений поддерживает более 43 заболеваний | https://webiomed.ru/ | Webiomed.DataSet | Автоматизированное создание единого цифрового профиля пациента для поддержки принятия врачебных решений и аналитики на основе разнообразных источников данных (социальных данных, медицинских документов, случаев обращения за помощью). Выполняет форматно-логический контроль данных, обеспечивающий необходимое качество для интерпретации с помощью технологий ИИ. Сервис обезличивает, накапливает и формировать наборы данных для машинного обучения | здравоохранение | ||||||||||
78 | 77 | ООО "К-Скай" (Webiomed) | https://webiomed.ru/ | Webiomed.Connect | Интеграционный шлюз для цифрового профиля пациента и автоматического защищенного обмена данными между медицинскими информационными системами и платформой Webiomed Функционал: обезличивание данных, центрлизованная и децентрализованная архитектуры ведения ЭМК, возможность забора данных из МИС МО, региональных и федеральных государственных информационной систем, анализ любых документов, включая неструтурированные автоматическая отправка данных, включая отслеживание новых записей и изменений | здравоохранение | |||||||||||
79 | 78 | ООО "К-Скай" (Webiomed) | https://webiomed.ru/ | Webiomed.Anonymizer | Сервис детекции, локализации, классификации и удаления (маскировка латинскими символами X) персональных идентификаторов пациентов и работников в записях электронных медкарт: ФИО, номер СНИЛС или полиса, паспортные данные и т.д., учитывая профессиональную терминологию. Сервис может работать с любым типом документов (включая неструктирированные) | здравоохранение | |||||||||||
80 | 79 | ООО "Инфрасеть" | (Runexis) услуги операторов и облачные решения для бизнеса | https://runexis.ru/about/contacts/ | Услуга распознавания голоса и краткая аннотация к разговору на базе ИИ, работают только с оператором plusofon.ru | ||||||||||||
81 | 80 | ООО «Философия.ИТ» | Создание решений во всех ключевых сегментах ИТ-отрасли, в том числе, для государственных заказчиков и компаний основных отраслей экономики. В компании более 1500 экспертов в различных областях. Портфель услуг способен закрыть любые потребности в части цифровизации: заказная разработка, ERP-системы, BI и Big Data, CRM-системы, интеграция систем и управление бизнес-процессами, информационная безопасность, e-commerce и омниканальность, ITSM-решения, аутсорсинг поддержки ИТ-систем и администрирование баз данных, мобильные приложения, ECM-системы, ИТ-инфраструктура. В портфолио компании более 500 проектов для российских и зарубежных заказчиков из различных сегментов: Ростелеком, РУСАЛ, МТС, Азбука вкуса, Минздрав России, ЕвроХим и т.д. | https://www.fil-it.ru/ | Маяк 8i | Платформа позволяет самостоятельно проводить бизнес-аналитику данных, строить отчётность и объединять их в наглядные дашборды, готовить централизованную отчётность, с общей семантической моделью, а также включает систему интеграции данных из различных источников. Включено в Единый реестр российского ПО - запись №2333 от 15.12.2016. Платформа - гибкое и масштабируемое решение для визуального анализа данных, обладает интуитивно понятным интерфейсом, является мощнейшим инструментом создания сложных регламентных отчетов в соответствии с нормативными правовыми актами, дает low-code инструменты для создания моделей машинного обучения, содержит MLOps — платформу управления жизненным циклом ML-моделей | ● Разрозненность источников и, как следствие, риск неучета данных для аналитических целей ● Затраты на организацию большого количества разнообразных данных из многочисленных источников ● Ошибки человеческого фактора ● Временные затраты на выполнение рутинных операций | ● Сокращение временных затрат на внедрение и разработку ● Размещение ролевой политики, в том числе, за счет интеграции с имеющимися каталогами пользователей ● Применение инструментов масштабирования и тиражирование ML-моделей на объекты компании ● Оптимизация рабочего времени и сокращение убытков вызванных ошибками и простоями ● Возможность построения приложения для онлайн-оптимизации активов из-за гибридного подхода к моделированию и высокой скорости расчета с применением машинного обучения (Платформа 8i) | ● Мониторинг подразделений по направлениям и параметрам на различных уровнях аналитики ● Возможность единообразного обращения к различным по свойствам хранения данным без необходимости предварительного сбора, агрегации и хранения ● Поиск информации в аналитическом хранилище данных по группе реквизитов, с возможностью просмотра результатов поиска в форме таблицы или информационной панели ● Систематизация и предоставление информации о направленных запросах с высокой детализацией ● Возможность подключения (и построения взаимосвязей) к любым источникам данных, включая пользовательские файлы | управление, бизнес, кадровое обеспечение, промышленность | |||||||
82 | 81 | ООО «Философия.ИТ» | https://www.fil-it.ru/ | Платформа 8i | Платформа для комплексного решения задач предиктивной аналитики (выявление аномалий в работе оборудования и прогноз аварийных остановок) и построения цифровых двойников технологических процессов в режиме Low Code. Использует технологии с открытым исходным кодом | управление, бизнес, кадровое обеспечение, промышленность | |||||||||||
83 | 82 | ООО «Нвиай Солюшенс» (NVI Solutions) | Компания разработки программных продуктов по видеоаналитике на базе машинного зрения для автоматического контроля за технологическими процессами, фиксации нарушений правил техники безопасности и охраны окружающей среды, контроля и предотвращения инцидентов на объекте, контроля работы в нефтегазовой отрасли и на текущий момент является лидером по количеству выявляемых инцидентов и сценариев на объектах бурения, ТКРС, кустовых площадках. Компания имеет собственную ИТ-лабораторию по моделированию различных сценариев/инцидентов на объекте (производстве) и снижения времени на внедрение системы (НИОКР, разработка новых маркеров, генерация синтетических датасетов для обучения ИИ, интеллектуальная система предразметки данных). У компании собственные сервисные службы в ХМАО и ЯМАО | https://www.nvi-solutions.ru/ | Owl.Guard | Платформа аналитики видеопотока (камеры, датчики, БЛА) и реагирования на события (оперативная фиксация нарушений, угроз и атак) в режиме реального времени, работающая модулями: Owl.Base - детекция СИЗ, огня и дыма, опасной зоны Owl.Wellpad - кустовые площадки, персонала и состояния оборудования в процессе добычи нефти и газа: определение огневых работ, утечек скважинной жидкости Owl.Workover - капитальный ремонт скважины: устьевого оборудования, корректность расположения элементов, обеспечение герметизации скважины Owl.Drill - буровые работы (персонала и оборудования): ситуация внутри установки, приемных мостках, во внешней зоне (роторная площадка, лебедка) Owl.GuardRetro - анализ видеоархивов и выявление событий на ретроданных на объектах Дополнительно система распознает номера ТС и действия водителя: зевание, зрачки, курение, ремень безопасности, разговоры по телефону, отвлечение, пешеходы и т.д. | ● Высокий риск негативных последствий на производстве: травматизация персонала, утечка, поломка оборудования ● Несовершенство традиционных методов контроля: саботаж камеры, обмен удостоверениями, плохая видимость и т.д. ● Риск ухудшения последствий на производстве из-за отсутствия оперативного реагирования ● Ошибки человеческого фактора и риск недобросовестного поведения при расследовании инцидентов | ● Повышение прибыли и эффективности производства из-за контроля исполнения задач, ключевых показателей, технологических процессов ● Снижение затрат на штат сотрудников в центре видеомониторинга ● Снижение простоев и увеличение сроков эксплуатации оборудования ● Повышение оперативности принятия решений и реагирования на внештатные ситуации ● Снижение травматизма на производстве | ● Исключение ошибок человеческого фактора и предвзятости при оценке текущего состояния процессов и объектов, расследовании происшествий ● Автоматизация и объективность при расследовании инцидентов ● Повышение дисциплины и эффективности персонала из-за и автоматизированного контроля (средств защиты, техники безопасности, среды) и учета рабочего времени ● Исключение допуска посторонних людей на объект из-за автоматизированного пропускного контроля | промышленность, энергетика, добыча, транспорт, бизнес | |||||||
84 | 83 | ООО «Интеллектуальная аналитика» | Лаборатория поддержки принятия врачебных решений на базе технологий искусственного интеллекта - совместный проект Сеченовского Университета и ООО "Интеллектуальная аналитика", являющегося членом Консорциума Центра НТИ по большим данным МГУ имени М.В. Ломоносова. Лаборатория занимается разработкой систем поддержки принятия врачебных решений (СППВР) на базе ИИ. Лаборатория поддержана в рамках программы "Приоритет-2030". Проекты Лаборатории включены в Альманах Национальной Ассоциации Технологического Трансфера (НАТТ) | ● https://i-analytics.ru/ ● https://cdss-lab.ru/ | Система поддержки принятия врачебных решений для патологоанатома | Веб-сервис для автоматизации процесса определения метастазов в лимфоузлах и депозитов опухоли при колоректальном раке на гистологических сканах. Врач может загрузить гистологический скан биопсийного или операционного материала для визуальной оценки, выявления и подсчета общего количества лимфоузлов, депозитов опухоли и метастазов в просмотрщике ПО. После на скан накладывается разметка, сегментирующая метастазы и лимфатическую ткань, а также появляется окно с результатами подсчета параметров для данного пациента. Врач может детально изучить и при необходимости скорректировать результаты работы | ● Ошибки человеческого фактора и высокая нагрузка на патологоанатома - средняя суммарная 4,60 ставочных нормы (14.400/58 стекол в год/день) ● 51,5% случаев коллоректального рака выявлются только на III-IV стадии) из-за чего этот вид занимает второе место по уровню смертности | Снижение нагрузки и ускорение работы патоморфолога за счет оперативной обработки снимков, автоматизации подсчета лимфоузлов с опухолевой тканью и без нее и, как следствие, приоритизации работы на сканах с патологией | ● Автоматизация рутинных процессов анализа снимков ● Оптимизация работы врача - фокусировка на сканах с подозрением на опухолевую ткань ● Обеспечение "второго мнения" при постановке диагноза | здравоохранение | |||||||
85 | 84 | ООО ДиБрейн | Компания по созданию решений на основе технологий искусственного интеллекта для распознания любых видов документов, лица, штампы и тд. и переноса в любую систему заказчика (1C, CRM, SAP...). ИИ-технологии компании способны, в том числе, определять поддельные документы, проверять фотографии на «живость», сверять подписи и проверять клиентов по различным базам. Решения компании применяют более 70 клиентов (финансовый, транспортный, ритейл сектора и многие другие). Сервис ставят на этапы: регистрации клиентов, обработки бух документов, найма сотрудников и любых процессов, где есть бумажные документы. Возможна работа как в облаке (есть все сертификаты) так и в контуре клиента | https://dbrain.io/ | Первичная документация | Распознание всех видов первичной документации за несколько секунд. Перевод документов в цифровой вид, проверяем подписи и отправляем в систему заказчика или напрямую подрядчикам и контрагентам. Пока что продукт не имеет аналогов на рынке — единственный AI, который полностью закрывает распознавание первичной документации одним решением. Если ИИ не может распознать какое-то из полей, помощь окажут из базы разметчиков из Яндекс.Толоки | Долгий и трудозатратный процесс обработки первичных документов | ● Сокращение срока обработки в 10-12 раз с 1 часа (примерно) до 5 минут на один IDP (1,5 секунды на документ) ● Сокращение расходов на обеспечение документооборота на 45% искусственный интеллект умеет: ● Точность распознавания 98% даже рукописных документов | Рост лояльности клиентов | управление, бизнес, ритейл, финансы, страхование, промышленность, здравоохранение, образование, логистика, транспорт | |||||||
86 | 85 | ООО ДиБрейн | https://dbrain.io/ | Система KYC know your customer (знай своего клиента) | Обработка и проверка на фрод персональных данных клиентов. Увеличение скорости работы и снижение процента ошибок с помощью нейросетей. На рынке есть несколько OCR-решений, которые умеют вынимать текст из сканов и фото. Решение — IDP, включает не только OCR, но и: Антифрод, Селфи чек, Liveness, AI-классификатор, Проверки документов по базам данных (50+ включая Росреестр, Росстат, ФНС, ФССП, МВД) решение не просто распознает текст, но классифицирует документы, понимает, как человек, что в них написано, и может работать с извлеченными полями данных, формирует единую AI-папку и отправляет заказчику | ● Рост мошенничества и схем для отмывания денежных средств ● Большой процент ошибок при проверке верификаторами | ● Оптимизация трудовых ресурсов ● Сокращение ошибок человеческого фактора при проверке данных | ● Проверка на фрод с помощью нескольких инструментов (переворот и приближение документа при распознавании лица, на применнеие генератора паспортов, фотошопа, фото с монитора, FaceAPP и т.д.) | финансы, банки, страхование, безопасность, государство | ||||||||
87 | 86 | ООО «Технотроникс» | Аккредитованная ИТ-компания, разработчик решений в области области IT: разработка как аппаратных, так и программных решений для мониторинга различных объектов. Компания проектирует и конструирует технические решения (контроллеры, датчики и др.), а также создает программные продукты для создания диспетчерских центров мониторинга. В 2020 году "Технотроникс" выиграл конкурс "Развитие-НТИ" от Фонда содействия инновациям и получил грант на создание системы мониторинга и предиктивной аналитики промышленных аккумуляторов. Компетенция - разработка электроники и программного обеспечения (в том числе с использованием ИИ) | https://ttronics.ru/ | Система мониторинга и предиктивной аналитики АКБ (промышленных аккумуляторов) | Система предназначена для поэлементного контроля параметров аккумуляторов в системах постоянного оперативного тока станций и подстанций, систем связи, резервных источников питания вычислительных центров и ЦОД (центров обработки данных), а также большинства промышленных систем, имеющих в своем составе аккумуляторы. Система позволяет удаленно в режиме онлайн (путем постоянного накапливания универсальных эксплуатационных данных) контролировать параметры аккумуляторных батарей на объекте: ● Температура, напряжение, уровень заряда, остаточная емкость и прогноз времени работы каждого аккумулятора; ● Общее напряжение и ток заряда/разряда в каждой группе аккумуляторов; ● Температуру помещения и среднюю температуру и среднее напряжение по группе аккумуляторов; ● Есть возможность задать пороговые значения напряжения и температуры от их средних значений. | ● При перевозке аккумуляторы подвергаются вибрационной и механической нагрузке, что может привести к разрушению его элементов ● Регламентное обслуживание АКБ затратно по времени и ресурсам, ● Периодическое регламентное тестирование аккумуляторов не дает полной гарантии работоспособности ● Аккумуляторы не вырабатывают заявленный срок службы ● Сложность прогнозирования времени жизни объекта на аккумуляторах ● Несвоевременное обнаружение «проблемного» аккумулятора в цепочке приводит к замене всей группы ● Сложности при контроле аккумуляторов на удалённых, труднодоступных объектах | ● Экономия от 2 млн руб. (эффект от конкретного внедрения) за счет своевременной замены аккумуляторов ● Увеличение скорости реакции на аварии на объекте ● Заблаговременное планирование замен/подмен аккумуляторов на объекте ● Предотвращение деградации всех аккумуляторов в группе при своевременном выявлении неисправных аккумуляторов ● Сокращение временных затрат на регламентные работы ● Сокращение расходов на фонд оплаты труда ● Сокращение расходов на ГСМ (при необходимости периодического объезда большого количества объектов) | ● Минимизация аварий, связанных с выходом из строя аккумуляторов ● Минимизация репутационных рисков компании ● Повышение общей эффективности эксплуатаци систем гарантированного электропитания, в которых задействованы промышленные аккумуляторы ● Возможность достоверного прогнозирования остаточной емкости и времени до разряда аккумуляторных батарей и принятия более обоснованных решений об эксплуатации | промышленность | |||||||
88 | 87 | ООО "ПБД" (Платформа больших данных) | Компания основана в 2020 году как совместное предприятие лидирующего банка и телекома. Компетенция - разработка инструментов для бизнеса на основе Big Data по 3 ключевым направлениям: 1) Рекламные сервисы 2) Финансовые сервисы 3) Геоаналитические сервисы Дополнительный продукт - технологическая платформа обмена данных и моделей | https://platforma.id/ | Stable ID | Система сбора реальных охватов и частоты показов, позволяет видеть пути настоящих пользователей на разных сайтах без «coockies-файлов». Когда абонент домашнего интернета подключается к роутеру, запускается сессия: в обезличенном виде копятся данные о посещённых сайтах, времени в интернете, типе и марке устройства. Система ищет точки пересечения данных и на их основе формирует профиль пользователя (пол, возраст, интересы) с обезличенным идентификатором. | ● Необходимость учета показателей с нескольких источников ● Неполнота и сложность сбора информации о потребителях в интернете (например, через coockie-файлы) | ● Объективная оценка увеличения аудитории продуктовых страниц ● Возможность подготовки Sales Lift отчетов по результатам рекламных каналов | ● Повышение лояльности аудитории из-за более адресного (таргетированного) подхода к рекламе (каналы, программы) на основе анализа портрета аудитории | ||||||||
89 | 88 | ООО "ПБД" (Платформа больших данных) | Компания основана в 2020 году как совместное предприятие лидирующего банка и телекома. Компетенция - разработка инструментов для бизнеса на основе Big Data по 3 ключевым направлениям: 1) Рекламные сервисы 2) Финансовые сервисы 3) Геоаналитические сервисы Дополнительный продукт - технологическая платформа обмена данных и моделей | https://platforma.id/ | Прогноз спроса | Сервис бенчмарк аналитики рынка реальных покупок и оперативного мониторинга цен по всем регионам России. Система позволяет определять спрос и выявлять новые тренды в разрезе продуктовых групп, оценить каналы продаж и выявить потенциальную востребованность у пользователей различных продуктов. Аналитика на основе больших данных позволяет сформировать точный профиль клиентов и конкурентов | ● Затоваренность и финансовые потери из-за нереализованных товаров ● Упущенная выгода из-за неверно сформированной цены товара ● Неточности и ошибки при прогнозировнии спроса га товар ● Недостаточная эффективность промоакций из-за слабой клиентоориентированности | ● Оптимизация затрат из-за планирования закупок и снижения случаев списания и товарных остатков ● Возможность прогнозировать комфортную стоимость продукции для целевой аудитории ● Рост инвестиционной и туристической привлекательности | ● Повышение точности предиктивны моделей за счёт большего количества данных ● Повышение эффективности рекламных компаний ● Повышение лояльности пользователей за счет персонализированного подхода | ритейл, умный город | Интеллектуальная поддержка принятия решений | ||||||
90 | 89 | ООО "ПБД" (Платформа больших данных) | Компания основана в 2020 году как совместное предприятие лидирующего банка и телекома. Компетенция - разработка инструментов для бизнеса на основе Big Data по 3 ключевым направлениям: 1) Рекламные сервисы 2) Финансовые сервисы 3) Геоаналитические сервисы Дополнительный продукт - технологическая платформа обмена данных и моделей | https://platforma.id/ | Рекламный программатик | Система подбора релевантной аудитории для продукта и каналов для запуска и проведения эффективных рекламных компаний на основании глубокого анализа Big Data. Система позволяет провести оценку рейтинга каналов и влияние онлайн-компаний на поведение потребителей в офлайне, персонализировать предложения по интересам и потребностям и коммуникации с клиентами через удобные для них каналы, повысить охват компаний | |||||||||||
91 | 90 | ООО "ПБД" Платформа больших данных | Компания основана в 2020 году как совместное предприятие лидирующего банка и телекома. Компетенция - разработка инструментов для бизнеса на основе Big Data по 3 ключевым направлениям: 1) Рекламные сервисы 2) Финансовые сервисы 3) Геоаналитические сервисы Дополнительный продукт - технологическая платформа обмена данных и моделей | https://platforma.id/ | GEO.PLATFORMA | Облачная платформа на основе OpenSource для аналитики и принятия решений об открытии бизнеса с помощью тепловых карт. Инструмент помогает находить в городе точки с оптимальным сочетанием ключевых факторов для бизнеса (место ведения, концентрация и потребности клиентов). Система наносит на карты свежие данные о возрасте, расходах и интересах населения, арендных ставках, точках конкурентов и много других показателей. Накладывая на карту слои с разными данными, можно видеть распределение целевой аудитории: узнать численность, cостав и платежеспособность населения в конкретной локации и найти точки с лучшим сочетанием условий для бизнеса. Исходные большие данные собираются из множества источников (банк, телеком, бюро кредитных историй и т.д.) и постоянно обновляются | ● Риск потери 30-50% первоначальных инвестиций в открытие торговой точки из-за ошибок при выборе места ● Низкий уровень выручки из-за неверной оценки потенциала локации ● Низкий эффект от рекламных кампаний из-за неоптимального выбора мест для наружной рекламы | ● Снижение накладных расходов до 10% из-за мат. модели оценки средний ставки аренды недвижимости ● Рост инвестиционной и туристической привлекательности ● Рост клиентов до 9% и рост выручки из-за выбора мест концентрации целевой аудитории с низкой конкуренцией и подходящей инфраструктурой ● Повышение эффективности привлекаемых инвестиций и принятие управленческих решений на основе аналитики поведения конкурентов и оценки клиентской активности | ● Выбор наиболее таргетированной наружной рекламы ● Ускорение принятия решений до 15% при выборе локаций под размещение рекламы для масштабирования ● Оптимизация работы розничных сетей и франшиз за счет сранвения нескольких локаций ● Оптимизация транспортной и социальной инфраструктуры, в т.ч. обработка и анализ потоков данных для государственных учреждений | ритейл, умный город | Интеллектуальная поддержка принятия решений | ||||||
92 | 91 | ООО "ПБД" Платформа больших данных | Компания основана в 2020 году как совместное предприятие лидирующего банка и телекома. Компетенция - разработка инструментов для бизнеса на основе Big Data по 3 ключевым направлениям: 1) Рекламные сервисы 2) Финансовые сервисы 3) Геоаналитические сервисы Дополнительный продукт - технологическая платформа обмена данных и моделей | https://platforma.id/ | СКОР платформа | Сервис комплексного скоринга клиентов на основе эксклюзивных данных банков, телеком-операторов и других партнёров. Система позволяет оценить интерес и надкжность клиента до отправки предложения, а также сделать его максимально персонализированным, выбрать правильный канал и время коммуникации и использовать эксклюзивные большие данные для комплексного решения сложных задач. Доступны интегральный скоринг клиента на основе только номера телефона, дообучение и кастомная разработка скоринговых моделей | ● Риск финансовых и временных потерь, а также дополнительных трат при заключении сделки с ненадежным или неплатежеспособным клиентом ● Сложность и ошибки человеческого фактора при ручном скоринге потенциального клиента ● Упущенная выгода из-за неграмотно составленной оферты | ● Увеличение монетизации и конверсии при продаже банковских продуктов ● Предотвращение потенциальных убытков и минимизация рисков невозврата кредитов | ● Защита бизнеса и клиентов от случаев потенциального мошенничества ● Увеличение лояльности клиента и обогащение клиентской базы за счет применения модели, выявляющей поведение и предпочтения на базе звонков и активности в интернете | ритейл, банки, страхование | Интеллектуальная поддержка принятия решений | ||||||
93 | 92 | ООО "ПБД" Платформа больших данных | Компания основана в 2020 году как совместное предприятие лидирующего банка и телекома. Компетенция - разработка инструментов для бизнеса на основе Big Data по 3 ключевым направлениям: 1) Рекламные сервисы 2) Финансовые сервисы 3) Геоаналитические сервисы Дополнительный продукт - технологическая платформа обмена данных и моделей | https://platforma.id/ | Сервис динстационной оценки имущества (автомобилей) | Сервис позволяет проводить дистанционно осмотр (включая предрейсовый и предпродажный), обеспечивая дополнительный контроль и более достоверный результат за счет увеличения количества параметров для оценки (несколько десятков классов деталей и повреждений). Обработка одного запроса занимает несколько секунд. Система способна распознавать модели автомобилей, пострадавшие детали кузова, типы повреждений, степень загрязнения и др. Сервис доступен через API либо может быть интегрирован в IT-систему компании | ● Ошибки человеческого фактора при визуальном осмотре ● Высокие финансовые и временные затраты на выполнение сотрудниками рутинных операций ● Перегруженность процесса оценки затратными и заменяемыми этапами (например, выезд страхового агента) | ● Сокращение расходов на страховые выплаты ● Сокращение расходов на предстраховой осмотр и оценку убытков ● Сокращение времени на оценку повреждений и обеспечит конкурентное преимущество | ● Оптимизации рабочего времени экспертов и оценщиков и автоматизация процессов оценки автомобилей ● Уменьшение влияния человеческого фактора ● Предотвращение случаев мошенничества | ритейл, банки, страхование | Компьютерное зрение | ||||||
94 | 93 | ООО "Скайтрэйнер" Skytrainer | Компания-разработчик платформы на которой имитируются телефонные и видео переговоры пользователя, где робот выступает в различных ролях: клиента, коллеги, руководителя, одноклассника и т.д. чтобы пользователь прожил сложные жизненные и деловые ситуации в безопасной среде. Также работают над социальными проектами SkyKids и SkySocial, направленными, в частности, на социальную адаптацию и трудоустройство уязвимых групп населения. Skytrainer - тренировочный комплекс с интеллектуальной рекомендательной системой на основе анализа тренировок заменяющий наставников и бизнес-тренеров | https://www.skytrainer.pro/ | Skytrainer | Голосовой тренажер для отработки коммуникативных навыков и социально-психологической адаптации сотрудников коммерческого блока с интелектуальной рекомендательной системой на основе анализа тренировок. Сотрудник выбирает скрипт (свой или из каталога), затем идет озвучка и встраивание в платформу и сотрудник ведет беседу с роботизированной системой, которая имитирует телефонные и видео переговоры с клиентами для наработки навыков переговоров и адаптации до встречи с настоящим клиентом. Систему нельзя отличить от человека (голос, видео, изменение эмоций в зависимости от действий сотрудников), что влияет на вовлеченность в обучение. Система анализирует тренировки, прогнозирует эффективность и выдает рекомендации по обучению для каждого сотрудника. Руководитель имеет доступ к мониторингу тренировок в режиме реального времени | ● Наставничество занимает до 30% рабочего времени ● Отток стажеров в период испытательного срока составляет 30% ● Продолжительные сроки подготовки кадров из сферы менеджмента (до 12 мес.) | ● Повышение личных продаж сотрудников на 15-25% ● Сокращение оттока сотрудников в период адаптации на 15-20% и общее снижение текучки кадров на 30% ● Сокращение срока выхода на заданные показатели эффективности в 2 раза | ● Сокращение времени подготовки сотрудников на 30% ● Оптимизация рутинных процессов обучения и освобождение времени руководителя ● Повышение лояльности сотрудников за сччет снижения уровня стресса | ритейл, банки, страхование, бизнес, телеком, здравоохранение | |||||||
95 | 94 | ООО "Центр Разработки" (NAPOLEON IT) | Один из крупнейших российских продуктовых разработчиков программного обеспечения. Компания работает с 40 из ТОП 500 крупнейших компаний России по версии РБК и специализируется на индустриях промышленности, ритейла, финансов. Стеки: машинное обучение, облачные решения, мобильная разработка, решения с высокой нагрузкой. Полное портфолио доступно по ссылке | https://napoleonit.ru/ | |||||||||||||
96 | 95 | ООО "Центр Разработки" (NAPOLEON IT) | Один из крупнейших российских продуктовых разработчиков программного обеспечения. Компания работает с 40 из ТОП 500 крупнейших компаний России по версии РБК и специализируется на индустриях промышленности, ритейла, финансов. Стеки: машинное обучение, облачные решения, мобильная разработка, решения с высокой нагрузкой. Полное портфолио доступно по ссылке | https://napoleonit.ru/ | Napoleon IT.Oтзывы | Система для "умного" анализа отзывов потребителей на маркет-плейсах. Система проводит сбор данных из предоставленных источников: маркет-плейсы, онлайн-карты (географические), онлайн-сторы и другие в зависимости от запроса клиента и аналитику различного типа: ● баз сегментации - для команд исследований и разработки для учета даже самых тонких тенденций ● "модель дерева" - фокусировка на заранее определенных темах для более глубокого и целевого анализа ● анализ, подтвержденный валидатором - обеспечивает максимальную точность при разметке и сегментации, особенно для критических секторов Функции системы: отслеживание условий работы с маркетплейсами/ритейлерами, отслеживание топовых позиций в категориях по продажам/отзывам, реакций на новинки, изучение конкурентов на основе отзывов об их товарах,.изучение динамики восприятия продукта, поиск и исследования (RnD), предоставление аналитики в личном кабинете/s3/отчете и агентская поддержка разной версии (в расширенной добавляеся контроль и шире компетенции) | ● Упущенная выгода из-за недостаточно эффективных рекламных компаний ● Низкая скорость выявления факторов, влияющих на продажи (например, непривлекатльная упаковка, несоответствие качетсва материала) ● Ошибки человеческого фактора при аналитике отзывов ● Риск искажения информации или подтасовки информации при анализе данных из определенной категории источников | ● Рост продаж из-за более эффективного управления брендом и точного понимания спроса и преимуществ продукта ● Привлечение дополнительной прибыли за счет запуска новых линеек продукта на базе полученных знаний ● Увеличение пожизненной ценности (LTV) клиентов ● Повышение оперативности выявления системных проблем, влекущих убытки (логистика, доставка, упаковка) | ● Повышение лояльности пользователей из-за персонализированного подхода и понимания того, как пользователи воспринимают изменения в продукте ● Оптимизация рутинных процессов с помощью автоответов на отзывы с учетом контекста | ритейл, бизнес, логистика, здравоохранение | |||||||
97 | 96 | ООО "Центр Разработки" (NAPOLEON IT) | Один из крупнейших российских продуктовых разработчиков программного обеспечения. Компания работает с 40 из ТОП 500 крупнейших компаний России по версии РБК и специализируется на индустриях промышленности, ритейла, финансов. Стеки: машинное обучение, облачные решения, мобильная разработка, решения с высокой нагрузкой. Полное портфолио доступно по ссылке | https://napoleonit.ru/ | GoalProfit | Low-code платформа для планирования и оптимизации процессов с возможностью использовать готовые модули и создавать собственные решения. Возможности платформы: аналитика, автозаказ (автоматизация пополнения и распределения товаров), прогнозирование спроса с использованием современных моделей машинного обучения, оптимизация цен, промо и скидок, товарно-финансовое и интегрированное планирование. Некоторые фунции: ● Создание нескольких сценариев и моделирование результатов (количество версий планов не ограничено) ● Динамическое ценообразование по цикличному сценарию (мониторинг конкурентов (онлайн и оффлайн), разработка ценовой стратегии, пересчет цен по правилам, оптимизация цен, измерение результатов ● Прогнозирование потребностей покупателей с учетом сезонности, трендов отдельных товаров, изменения цен и промо-активностей на основе комплексного подхода классических (наложение коэффициентов, ручная корректировка) и методов машинного обучения (самообучаемые ML-модели, распознавание изображений) ● Ежедневный расчет заказов или распределений товаров и сырья с использованием динамических политик по целевому уровню сервиса и стоимости хранения запаса ● Алгоритмическая оптимизация запасов по всем цепочкам и звеньям поставок с поиском наилучшего баланса ● Машинное подтверждение заказа и отправка контрагенту (доступна ручная валидация для особо крупных заказов) ● Обновление данных о продажах, остатках на складах, изменениях прогноза продаж | ● Временные затраты, ошибки человеческого фактора и риски неучета данных при выборе ценообразования из-за больших объемов данных, изменчивости спроса и конкурентного окружения ● Снижение конкурентоспособности и упущенные заказы ● Затоваренность/дефицит запасов, влекущие заморозку капитала и списание продукции/потерю продаж и отток клиентов ● Высокие затраты на формирование заказов и учет товаров ● Ошибки человеческого фактора и неправильные расчеты ● Низкая скорость формирования заказов, задержки в поставках и отклонения от плана работ ● Несоблюдение стандартов и правил ● Недостаточное качество обслуживания и потеря лояльности клиентов | ● Рост продаж на 1-3% ● Увеличение продаж на 2-5% ● Сокращение дефицита на 5-15% ● Сокращение завышенных запасов на 5-25% ● Рост продуктивности и эффективности пользователей на 50-70% | ● Возможность совместного планирования ● Учет широкого перечня рисков и факторов при управлении запасами в зависимости от оборота товарных групп с помощью комбинации традиционных (редкие продажи) и адаптивных методов (частый спрос) ● Продвинутая точность прогнозирования ● Рост лояльности пользователей из-за поиска баланса между минимизацией остатков и удовлетворенностью спроса клиентов ● Прозрачность и управляемость каждого процесса с помощью разных видов контроля ● Гибко настраиваемый механизм управления параметрами товародвижения для отдельных звеньев цепи поставок в виде правил и ограничений ● Рост уровня сервиса на 97% и, как следствие, лояльности пользователей ● Повышение продуктивности сотрудников из-за сокращения нагрузки и рутинных операций | ритейл, бизнес, промышленность, здравоохранение | |||||||
98 | 97 | ООО "Центр Разработки" (NAPOLEON IT) | Один из крупнейших российских продуктовых разработчиков программного обеспечения. Компания работает с 40 из ТОП 500 крупнейших компаний России по версии РБК и специализируется на индустриях промышленности, ритейла, финансов. Стеки: машинное обучение, облачные решения, мобильная разработка, решения с высокой нагрузкой. Полное портфолио доступно по ссылке | https://napoleonit.ru/ | Рowerprice | Платформа мониторинга цен и ценообразования. Алогритм на основе сбора данных конкурентов (цены, ассортимент, акции) и с торговых точек заказчика (срок годности и остатки товаров, продажи) проводит централизованный интеллектуальный анализ на базе машинного обучения рекомендует лучшую цену с учетом рынка и правил ценообразования заказчика. Рекомендации выгружаются в панель управления и смена цен возможнасразу через ERP-систему компании. Решение интегрируется в системы и бизнес любого масштаба. Для мобильного мониторинга цен после интеграции с платформой Рowerprice сотрудники скачивают приложение и проводят мониторинг (указывая цену конкурента на аналогичный товар и прикрепляя фото товара и ценника) на выбранной торговой точке конкурента, информация поступает менеджеру компании на панель управления (который также формирует календарный план и формы отчета). Кнопка не активируется если приложение по GPS определит, что исполнитель в неверном магазине | ● Упущенная выгода и убытки из-за неэффективного ценообразоания (цена - наиболее важный критерий выбора магазина по мнению 79% покупателей) ● Снижение эффективности управленческих решений из-за того, что процесс обработки результатов мониторинга и изменения стратегии ценообразования в среднем занимает от 3 дней до 1 месяца | ● Рост выручки 2-7% и продаж за счет повышения среднего чека и количества покупателей ● Рост валовой маржи на 3-5% посредством выбора цен с опорой на рыночные показатели и стратегии конкурентов ● Снижение количества часов на ценообразование 70% и скоращение реакции на изменение конкурентных цен с нескольких часов до 30 минут ● Снижение затрат и уменьшение времени на сбор данных с 40 до 2 мин. ● Сокращение аудита на 80% (до 1 часа) и повышение точности на 25% ● Обеспечение актуальной аналитики "день в день" | ● Автоматизация мониторинга и других процессов (например, сокращение бумажного документооборота) ● Оптимизация ресурсов и ценообразования ● Сокращение ошибок человеческого фактора за счет работы системы в круглосуточном режиме ● Увеличение количества собираемых данных в среднем с 150 SKU (товарных позиций) до 500 | ритейл, бизнес | |||||||
99 | 98 | ООО ВижнЛабс (VisionLabs) | VisionLabs — один из мировых лидеров в области создания продуктов на базе компьютерного зрения и машинного обучения. Компанией реализовано более 500 проектов в 37 странах для клиентов из финансового, телекоммуникационного, транспортного, энергетического секторов и розничной торговли. Более 1,7 млн камер по всему миру используют программное обеспечение VisionLabs. По результатам тестов Национального института стандартов и технологий, алгоритмы VisionLabs стабильно занимают лидирующие позиции. В рамках крупнейших международных конференций по компьютерному зрению CVPR и ICCV алгоритмы Liveness компании три года подряд становились победителями в конкурсе Face Anti-spoofing Challenge | https://www.visionlabs.ru/ru/ | Интеллектуальная система видеоаналитики в аэропорте | Система позволяет в автоматическом режиме обнаруживать проникновение постороннего лица или нахождение объектов в запрещенной зоне и направлять сигнал тревоги оператору. Решение работает как в режиме реального времени, обеспечивая непрерывное наблюдение и запись и предоставляет возможность интеллектуального поиска в видеоархиве. Среди дополнительного функционала системы: идентификация людей в кадре; определение уровня посещаемости различных зон аэропорта; подсчет длины очереди к стойкам регистрации | ● Незаконные проникновения в закрытые зоны ● Коммерческие и иные потери из-за незаконных проникновений | ● Пресеченных попыток проникновения в запретные зоны - 20 тыс. за год ● Снижение числа незаконных проникновений в закрытые зоны аэропорта в 2 раза | ● Повышение эффективность работы системы безопасности и исключить влияние человеческого фактора, а также предоставить данные для того, чтобы сделать нахождение в аэропорту комфортнее для пассажиров | безопасность, транспорт, умный город | |||||||
100 | 99 | ООО ВижнЛабс (VisionLabs) | https://www.visionlabs.ru/ru/ | Интеллектуальная система видеонаблюдения с распознаванием лиц | Система распознавания лиц используется в Централизованной системе городского видеонаблюдения в Москве, которая насчитывает более 220 тыс. камер. Камеры установлены практически по всему городу: в местах массового скопления людей; в жилых районах (дворах и подъездах); в общественном транспорте. Система также используется для мониторинга обстановки на массовых мероприятиях, позволяя фиксировать опасные ситуации | ● Недостаток информации, которая может помочь в раскрытии правонарушений, поиске пропавших людей ● Недостаточная скорость реагирования на преступления | ● Снижение уровня преступности на 19,5% | ● Число успешно раскрытых преступлений с использованием системыдо 9 400 шт. за год ● Число найденных людей (которые в 2022 году числились без вести пропавшими) до 375 чел. за год | безопасность, транспорт, умный город | ||||||||