Интеллектуальная обработка текстов и речи
Наши области экспертизы
Как мы работаем
Анализируем возможность применения ИИ в ваших бизнес-процессах
- Оцениваем потенциал применения ИИ
- Оцениваем экономический эффект от внедрения ИИ
- Планируем внедрение
Результат через 4-12 недель
Проверяем гипотезы и создаем прототип
- Проверяем концепции, архитектуру и дизайн
- Разрабатываем пилоты ИИ-решений – обучаем, валидируем модели*
- Тестируем ИИ-MVP в бизнес-процессах
*разработаем решение на основе лучших моделей для установки в ваш закрытый контур
Результат через 4-16 недель
Оптимизируем систему
- Развиваем функционал и улучшаем качество работы
- Обеспечиваем интеграции в ИТ-ландшафт
- Внедряем инструменты автообновления
- Делаем интеграцию с КИС
Результат через 12-24 недели
Кейсы
ИИ-помощник для сотрудников компании
Клиент
Горно-металлургический холдинг
Проблема
Крупный горно-металлургический холдинг обратился к нам с предложением перевести на самообслуживание ответы на вопросы, которые сотрудники задают о процедурах, выполняемых в компании.
Что сделали
Разработали RAG-систему для ответов на вопросы по правилам и регламентам компании для сотрудников. RAG-система дает возможность задать любой вопрос и получить ответ вместе с источниками, на которых он основан. Например, сотрудник может узнать в какой срок нужно отчитаться за командировку или кто несет ответственность за пожарную безопасность.
Результаты
После внедрения ИИ-помощника, сотрудники могут быстро найти нужную информацию, не прибегая к помощи других специалистов холдинга.
ИИ-помощник для бухгалтерской и налоговой службы
Клиент
Горно-металлургический холдинг
Проблема
Крупный горно-металлургический холдинг обратился к нам с задачей ускорения процесса ответов на вопросы бухгалтеров к методологам управляющей компании.
Что сделали
Разработали RAG-систему для формирования ответов на вопросы по ведению бухгалтерского и налогового учета в соответствии с законодательством РФ и внутренними требованиями холдинга.
RAG (Retrieval Augmented Generation) — это подход в области обработки естественного языка, который сочетает в себе два основных компонента: извлечение информации и генерацию текста.
RAG-система даёт возможность задать любой вопрос и получить ответ вместе с источниками, на которых он основан. По описанию ситуаций система дает рекомендации по отражению хозяйственных операций в целях налогового учета.
Результаты
После внедрения ИИ-помощника работа с корпоративными регламентами, правилами, государственными нормативно-методическими актами для сотрудников стала проще.
Сотрудники тратят меньше времени на анализ различных ситуаций и поиск ответов.
ИИ-помощник для врачей
Клиент
Медицинский IT-стартап
Проблема
IT-стартап обратился к нам с задачей разработки системы, которая будет формировать ответы на вопросы в области медицины.
Что сделали
Разработали RAG-систему, способную обрабатывать как простые, так и сложные запросы, включая поиск оптимальных схем лечения.
RAG (Retrieval Augmented Generation - генерация на основе поиска) — это технология, сочетающая в себе поиск релевантной информации в существующих хранилищах данных и генерацию текста на основе найденной информации с помощью LLM, для создания более точных и информативных ответов.
Языковая модель, которая используется в основе системы, принимает данные на вход и дообучается на основе экспертных ответов и ведущих научных статей как отечественных, так и зарубежных ученых. Технология "tool calling" помогает ИИ-помощнику формировать лаконичные и емкие ответы на разные типы вопросов.
Результаты
Внедрение RAG-системы поможет работникам здравоохранения получить доступ к актуальным медицинским исследованиям, данным пациентов или рекомендациям по лечению.
Виртуальный ассистент для постановки задач на контроль
Клиент
Инвестиционный банк
Проблема
В Банке работала система комбинированного документооборота.
Задачи ставились в рабочем чате, в мессенджере, в протоколах после совещаний, в email, в системе управления задачами, в системе ЭДО.
Задачи терялись, что сказывалось на качестве выполнения проектов. Их выполнение было сложно проконтролировать. Поиск решений и ответственных занимал у руководителя проектного офиса до 40 минут в день.
Клиент хотел минимизировать ручной ввод задач и повысить полноту поставленных на контроль поручений.
Что сделали
Настроили автоматический сбор информации из разных источников.
Научили нейросеть распознавать задачи и формировать карточки.
Реализовали интеграцию NLP-модуля обработки задач в почтовых письмах, сообщениях в мессенджере с используемым в компании таск-треккером.
Результаты
Заказчик повысил прозрачность и качество управления проектами.
Снизились трудозатраты на работу с таск-трекером по постановке на контроль задач и поручений.
Умный архив совещаний
Клиент
Маркетинговое агентство
Проблема
В агентстве проводилось много встреч с клиентами, внутренних оперативок по проектам, опросов фокус-групп и др.
На фоне большого объема коммуникаций, требовалось много времени для фиксации договоренностей, формирования стенограмм качественных интервью. При этом возникали ситуации, когда важная информация терялась. Даже, если сотрудники записывали на диктофон свои встречи, то для того, чтобы найти нужную информацию приходилось тратить много времени на поиск соответствующей записи и нужного места разговора.
Клиент хотел упростить работу с аудиозаписями совещаний и встреч, сделать информацию доступной.
Что сделали
Разработали систему распознавания речи для обработки рабочих встреч, совещаний и интервью.
Внедрили в компании сервис, в котором у каждого сотрудника свой личный кабинет для обработки записей и свой архив с умным поиском, позволяющим найти нужное место по тексту расшифровок.
После пилотного проекта было принято решение о необходимости дополнить функционал сервиса инструментами редактирования текста интервью для быстрого формирования качественных стенограмм и шеринга записи с расшифровкой с коллегами.
Дополнительный функционал реализован и введен в промышленную эксплуатацию.
Результаты
Заказчик повысил точность и качество исследований, сократил трудозатраты на обработку информации.
Существенно сократилось время поиска информации озвученной в ходе маркетинговых интервью или проектных обсуждений с клиентами и подрядчиками.
Награды
