Как получить профит от генеративного ИИ? Кейсы 12Storeez, Авито, Skyeng и других российских компаний

Второй год только и разговоров, что про генеративный AI. Техногиганты штампуют модель за моделью, AI-стартапы появляются, как грибы после дождя, а остальные компании не упускают возможности сказать о том, какую AI-фичу они прикрутили к продукту. Но как выбрать сценарий использования genAI? С чего начинать внедрение и как измерять профит?

«Внутрянкой» реализации решений на базе AI делятся немногие компании – не хотят, чтобы завтра конкуренты сделали тоже самое. Парадокс, но раскачивают индустрию именно те, кто смело делится экспериментами, взлетами и падениями на пути к эффективному использованию новых технологий.

В открытом кейсориуме Generation AI собраны кейсы применения генеративного AI отечественными компаниями из разных отраслей: 12Storeez, Skyeng, Авито, Х5 Group и других. Инструменты, фишки разработки, метрики эффективности и сценарии внедрения – все тут.

Делимся спойлерами AI-кейсов:

Благодаря системе анализа отзывов клиентов на базе genAI число отзывов, вычитанных людьми, снизилось до 0. Особенность решения еще и в том, что если позитивные/негативные отзывы сыпятся на определенные товары, то можно провалиться в систему и понять, что привело к появлению тренда – плохо пришитые пуговицы, невероятный фиолетовый оттенок или быстрая доставка.

С помощью genAI юристы i-Legal хотели увеличить скорость обработки различных документов и данных. Вариант с ChatGPT или любой другой зарубежной LLM отпал сразу – модели не знают законодательной базы РФ, а тренировать их на собственных данных нельзя. Решение нашлось в Jay Copilot, где под капотом уже было готовое приложение Ассистент юриста и возможность загружать свои данные в базу знаний.

AI Avatar определяет уровень знания языка студента, анализирует слабые места и с опорой на эти данные строит образовательную траекторию учащегося.

Под капотом AI Avatar – набор мощных LLM, включая ChatGPT. Точность определения уровня языка студента при разговоре более 10 минут – 90%.

В Авито обучили базовую генеративную модель русскому языку, чтобы пользователям стало проще создавать объявления. Ведь чем более полное и понятное объявление, тем меньше барьеров у пользователя. Обучение модели проходило в 2 этапа.

В итоге количество заказов выросло на 1,7% – покупатели лучше понимали описания, где помогала нейросеть.

В компании автоматизировали разработку несложных презентаций с помощью собственноручно созданного сервиса на базе genAI. Под капотом – отечественные модели для генерации текста и картинок, а также многоуровневая система промптинга. Для обучения нейросети команда создала 100 шаблонов презентаций под разные задачи и «зашила» базовые правила создания презентации.

Команда Ecom.tech рассказывает о том, как происходит рисерч и дообучение LLM под конкретные задачи. Например, в компании есть внутренний AI-редактор изображений. В ходе его разработки было протестировано более 10 моделей для сегментации, придумана хитрость с построением пайплайна моделей и найдена классная open-source модель для улучшения качества готовых изображений!

Ежедневно в X5 Group собираются массивы информации, которые помогают принимать решения на основе данных. Зачастую для их поиска в базе и дальнейшей обработки и аналитики сотрудникам требуется знание SQL-кода.

LLM сама пишет код, с которым человек идет в корпоративную базу данных для выгрузки информации.

Для контроля качества звонков ряд автодилеров нанимают отдельных сотрудников, стоимость обработки одного разговора при этом составляет 35-50 рублей.

Проблемы две:

Решение на базе genAI позволило снизить стоимость аналитики звонка на 30% и повысить конверсию из звонков в назначенные встречи по покупке\продаже авто с 8% до 10%. Интересно, что в ходе разработки для каждого дилера подбиралась своя комбинация технологий

GenAI в Кнауф упростил и ускорил решение задач маркетинга – с помощью Midjourney и поэтапного апскейла изображений команда креативно обыграла продукты компании, а также сделала визуалы для настенного календаря клиентам и партнерам.

Так, например, для товарной линейки клея родился концепт с девушкой в пустыне, а Кнауф-профиль помогла удачно обыграть металлическая тема.

В обновленном приложении банка был запрос на универсальный текстовый интерфейс, в котором можно получать ответы на любые вопросы и совершать действия, решая задачу напрямую в поиске. За основу был взят ChatGPT, которого научили отвечать на вопросы по банковской тематике. Механика описана в кейсе.

Следующим этапом в Точке сделали так, чтобы интерфейс позволял совершить какие-то действия прямо в поиске – появилась целая система взаимодействия и сохранения контекста, а не просто вопрос-ответ.

Команда EVR Systems создала AI-агентов для помощи с координацией проектов компании – ассистенты на базе genAI следят за статусами проектов, собирают информацию о задачах в Telegram-чатах, заполняют CRM и пушат сотрудников, если видят, что сроки «горят».

Также в EVR Systems разработали AI-агента, который занимается поиском и онбордингом аутсорс-специалистов.

Новые кейсы появляются каждый месяц! Еще из полезного – на сайте есть раздел Медиатека, где собираются самые свежие исследования по теме genAI + интервью с компаниями-участниками, где они делятся инсайтами и советами на тему внедрения новых технологий. Советуем к прочтению!