Новости

Раньше диспетчеры и машинисты подземной техники координировали действия по телефону. Теперь большая часть информации поступает автоматически в графический интерфейс и все сотрудники, задействованные в процессе, получают необходимые данные.

Система объединяет в себе информацию о работе техники и пунктов накопления руды. Если один из них заполнен или временно недоступен, программа автоматически предлагает технике другой маршрут. Это сокращает лишние перемещения и ожидания, что повышает темпы добычи руды.

В систему также встроена обратная связь от машинистов. Сотрудники могут оценить предложенный им маршрут или сообщить о препятствии на пути. На основе этих данных алгоритмы корректируются и повышается точность рекомендаций. Для удобства также запустили единый цифровой чат, который объединил диспетчеров, горных мастеров и машинистов. Через него сотрудники быстрее получают задания, сообщают о возникающих изменениях и координируют свои действия.

Система в режиме реального времени помогает управлять 50 пунктами сбора руды и более чем 60 единицами техники. Раньше для координации этих процессов требовалось гораздо больше ручной работы и телефонных переговоров. Теперь часть решений система принимает автоматически. С помощью этого проекта сократились организационные потери, связанные с перемещением техники и более чем 25 тыс. тонн за 7 месяцев 2026 года увеличены объемы добычи руды.

Обновление системы диспетчеризации стало частью масштабного проекта «Цифровая шахта», который реализуется на Яковлевском ГОКе. Сегодня в подземном руднике уже установлено более 300 камер, в том числе свыше 150 подключены к платформе искусственного интеллекта СОВА для автоматического выявления нарушений требований охраны труда и промышленной безопасности. Также развивается система Pitram, которая позволяет отслеживать статусы и показатели подземной техники в течение смены и оперативно реагировать на неисправности.

Ежемесячно в поддержку Т-Банка поступает около 19 млн обращений. Если классические чат-боты автоматизируют простые и заранее описанные запросы, то Афанасий способен разбираться в ситуации конкретного клиента и самостоятельно выполнять необходимые действия. Таким образом, ИИ-сотрудник берет на себя значительную часть рутинных операций, а специалисты получают возможность сфокусироваться на действительно сложных клиентских ситуациях, требующих оперативности реагирования, глубокого анализа, принятия решений и индивидуального подхода.

Другие чат-боты работают по заданным сценариям: они умеют только то, что было заранее предусмотрено разработчиками, а при отклонении от сценария передает диалог сотруднику. Афанасий устроен иначе. Он работает в тех же информационных системах, что и сотрудники поддержки, анализирует информацию и самостоятельно выполняет необходимые действия. ИИ-сотрудник обучается на примерах работы специалистов и перенимает лучшие практики, постепенно повышая качество обслуживания.

Это позволяет подключать Афанасия к обращениям, где ответ зависит от данных и ситуации конкретного клиента. Например: «Какая у меня ставка?» или «Куда ушли деньги с карты?». В таких случаях недостаточно выбрать заранее подготовленный ответ: необходимо разобраться в контексте обращения, найти информацию по конкретному клиенту и при необходимости выполнить определенные действия в банковских системах.

Афанасий работает в двух режимах. В автономном режиме он самостоятельно ведет обращение от начала до конца. Кроме того, он может взаимодействовать в режиме «второго пилота», выполняя только безопасные и простые действия, а при сложных ситуациях передавая управление человеку и показывая подсказки сотруднику. Человек сам выбирает, принимать совет или нет.

Еще одно преимущество технологии — скорость масштабирования. Полный запуск Афанасия на новый сценарий — от начала обучения до работы с реальными обращениями — сейчас занимает не более трех недель.

Сегодня Афанасий задействован в процессах, охватывающих около 30% всего клиентского обслуживания Т-Банка. В Т-Мобайле технология внедрена значительно глубже: с Афанасием работает 85% сотрудников поддержки. ИИ берет на себя часть их задач и высвобождает до 16% рабочего времени, которое сотрудники могут направить на решение более сложных обращений. За последний год показатель удовлетворенности клиентов качеством обслуживания Афанасия составил 79%. Целевой показатель на следующем этапе развития технологии установлен на уровне 84%. При этом развитие технологии не приводит к снижению качества обслуживания, а работа ИИ-сотрудника оценивается по тем же принципам, что и работа человека.

Следующий этап развития Афанасия — увеличение числа сценариев, в которых ИИ-сотрудник сможет самостоятельно или совместно со специалистом поддержки решать сложные клиентские задачи без снижения качества обслуживания.

Как отмечает Антон Логинов, директор по клиентскому опыту Т-Банка, задача не в том, чтобы заменить лучших сотрудников искусственным интеллектом, а в том, чтобы масштабировать их знания и опыт. Афанасий обучается на примерах работы специалистов, перенимает лучшие практики и помогает применять их в миллионах клиентских обращений. В результате экспертиза лучших сотрудников перестает быть ограниченной временем одного человека и становится доступной каждому клиенту. При этом сами специалисты освобождаются от части задач и могут направить свое время туда, где действительно необходимы их опыт, внимание и нестандартный подход.

По данным BI.ZONE SOC, наиболее распространенными агентами в инфраструктурах российских компаний являются Cursor (24%), Codex (24%), Copilot (17%) и Claude Code (8%). При этом наличие агента на рабочей станции еще не означает его активного использования. Исходя из оценки фактической активности, в топ-5 агентов входят Codex (54%), Claude Code (13%), Cursor (12%), Zed (9%) и OpenCode (9%). Такое различие показывает, что распространенность инструмента не всегда отражает его реальную востребованность и уровень потенциального риска.

Современные ИИ-агенты способны самостоятельно выполнять действия, взаимодействовать с внешними сервисами и получать доступ к корпоративным ресурсам. На практике такие системы часто имеют доступ к репозиториям исходного кода, облачным платформам, внутренним API, корпоративным документам и другим критически важным данным. В случае компрометации злоумышленники могут использовать эти возможности для получения доступа к инфраструктуре компании.

Актуальность угрозы подтверждается и на практике. В ходе одного из расследований специалисты BI.ZONE SOC обнаружили признаки компрометации рабочей станции: пользователь применял ИИ-агент для запуска задач на других компьютерах. Агент самостоятельно устанавливал наступательные инструменты и выполнял команды в целевых системах от имени пользователя. Подобные сценарии существенно осложняют работу специалистов по защите: им приходится дополнительно устанавливать, какие действия инициировал сам пользователь, а какие автономно выполнил агент.

Отдельный риск представляет shadow AI — использование сотрудниками ИИ-инструментов, плагинов и агентских компонентов без согласования со службами IT и кибербезопасности. В отличие от обычного программного обеспечения такие решения способны самостоятельно принимать решения, выполнять команды и работать с корпоративными данными, поэтому требуют отдельного контроля со стороны служб кибербезопасности.

Анализ комплексной телеметрии позволяет провести инвентаризацию ИИ-агентов и связанных с ними компонентов, однако выбор подхода к управлению такими инструментами остается за директорами по безопасности — ограничивать их использование или переводить в контролируемый контур с понятными правилами доступа.

«ЭРСО» последовательно развивает производственные и инженерные процессы и рассматривает ИИ как один из инструментов повышения эффективности бизнеса. Компания уже определила основные направления его применения. Следующим шагом стало понимание того, какие инициативы действительно способны принести измеримый бизнес-эффект. В промышленности наибольший потенциал связан с производственными и инженерными процессами, однако их внедрение требуют наиболее тщательной подготовки. Необходимо оценить качество и доступность данных, готовность ИТ-инфраструктуры и бизнес-процессов, а также возможность интеграции новых сервисов с существующими корпоративными системами. Кроме того, успешный пилот еще не означает, что решение можно масштабировать на всю компанию. Поэтому «ЭРСО» было важно выделить инициативы с наибольшим потенциалом для бизнеса и определить, какие изменения в данных, инфраструктуре и процессах потребуются для их внедрения и масштабирования.

Для проведения ИИ-аудита компания привлекла «Корус Консалтинг». При оценке ИИ-сценариев специалисты анализируют не только их технологическую реализуемость, но и потенциальное влияние на ключевые бизнес-процессы, ожидаемый экономический эффект и готовность компании к изменениям. Проект реализуется по собственной методологии ИИ-аудита. Его результаты формируются в KORUS AI — корпоративной ИИ-среде, которая позволяет централизованно управлять ИИ-инициативами, контролировать их развитие и последовательно масштабировать успешные сценарии на уровне всей компании.

В ходе анализа эксперты проведут интервью с представителями ключевых функциональных направлений и дополнят перечень сценариев применения ИИ с учетом отраслевой специфики и опыта реализации аналогичных проектов. Команда также проанализирует, как сотрудники уже используют ИИ-инструменты, и подготовит рекомендации по формированию единого управляемого контура. Он позволит ИТ-подразделению централизовать инициативы, установить единые правила их использования и создать условия для масштабирования наиболее эффективных решений.

Эксперты оценят каждый сценарий по нескольким критериям: потенциальный бизнес-эффект, техническая реализуемость, качество и доступность данных, готовность инфраструктуры и бизнес-процессов, а также необходимые организационные изменения. По итогам аудита «ЭРСО» получит оценку всех рассмотренных ИИ-сценариев, шорт-лист приоритетных проектов и дорожную карту их реализации. В ней будут определены последовательность запуска инициатив, необходимые ресурсы и компетенции, а также ключевые зависимости между проектами. Результаты аудита станут основой для формирования системной программы применения искусственного интеллекта в компании.

Служба заботы о клиентах «Купер» ежемесячно обрабатывает большое количество обращений от партнеров, мерчантов и b2c- и b2b-покупателей, около 75% из них в текстовых каналах и порядка 25% в голосе. Ранее боты компании были запущены на разных платформах, и их поддержку вели несколько команд. Переход на единую платформу автоматизации обращений Naumen Erudite обеспечил устойчивую и качественную поддержку большого трафика, а также снижение нагрузки на команду сопровождения.

В основе сервиса «Купер» лежит клиентоцентричный подход: интеллектуальные помощники на базе диалогового и генеративного ИИ персонализированно решают вопрос клиента с минимальным количеством усилий с его стороны. Агенты берут на себя участки диалога, где важны гибкость и вариативность, например, перенос заказа на другой слот или его отмена. Это повышает уровень автоматизации и индекс удовлетворенности клиентов (CSI): за год CSI вырос в чатах с 25% до 73%, в голосе — с 33% до 73%. Вопрос клиента с первого обращения (FCR) решается в 76% чатов и 90% звонков. Также комбинирование технологий позволяет компании ускорить сценаризацию сложных участков диалога и сохранить экономическую эффективность обслуживания.

ИИ-помощники не только качественно решают вопрос клиента, но и проявляют проактивность и автоматически выполняют действия, повышающие лояльность клиента. Например, если клиент использовал промокод в отмененном заказе, то ИИ-агент в чате автоматически возвращает его для повторного использования.

«Купер» продолжает развивать агентную модель сервиса. В планах компании переход от множественной автоматизации к универсальному агенту как единому слою решения клиентских задач. Управляющий агент будет опираться на контекст обращения, историю клиента, единую базу знаний и самостоятельно определять, как решить запрос: автоматически, силами оператора или через self-service. Это позволяет наращивать автоматизацию, сохраняя единые правила и предсказуемость ответов во всех каналах.

Ранее «Бургер Кинг» уже работал с Mindbox, но в 2023 году перешел на решение другого поставщика. Спустя почти три года сеть вернулась к сотрудничеству: за это время инфраструктура проекта сильно изменилась, обновился стек и мобильное приложение, поэтому платформу внедряли фактически с нуля.

Изначально команды закладывали переход к октябрю, потому что переносили не только коммуникации, но и весь процессинг, кассы, киоски, мобильное приложение и отчетность в хранилище данных. Для гостей сети переход прошел незаметно — переключение касс делали одномоментно, ночью, предварительно проверив функционал на тестовых группах сотрудников и проведя нагрузочные тесты.

Программа лояльности с бонусами-«коронами» уже полностью работает на Mindbox, а в августе сеть запускает триггерные цепочки коммуникаций. Данные о заказах в ресторанах, доставке и активности в мобильном приложении сводятся в единый профиль гостя, и на его основе команда запускает точечные персональные коммуникации — мобильные пуши, email и SMS.

На основе «Финансового архива» Directum завод развернул взаимодействие с «1С:Учет драгоценных металлов», «1С:ERP Управление предприятием», сервисом обмена «Контур.Диадок» и витриной данных «Контур.Налоговый мониторинг». В итоге компания снизила налоговые риски и смогла выполнить обязательства перед государством. Предприятие перешло на удаленную форму контроля, не прекращая работу ни одной из систем.

В результате проекта на заводе создали единый архив финансовых документов на базе Directum СЭД+, автоматизировали процессы согласования и подписания входящих и исходящих первичных учетных документов. Обеспечена бесшовная двусторонняя синхронизация Directum СЭД+ с 1С:ERP и создана единая база договоров и контрагентов. Удалось добилиться прозрачности жизненного цикла документов путем обмена статусами и ссылками на оригиналы документов между системами. Подготовлена инфраструктура для налогового мониторинга с помощью API, чтобы выгружать файлы из архива Directum СЭД+ в витрину данных Контур.Налоговый мониторинг и отражать в системе АИС «Налог-3» ФНС России.

Вступление в налоговый мониторинг не только помогло предприятию выполнить требования «Соглашения о защите и поощрении капиталовложений» (СЗПК) и быть участником специальных инвестиционных контрактов, но и облегчить работу сотрудников.

Ранее в РСХБ функционировали две самостоятельные системы — классическая и рекомендательная, каждая со своей витриной данных и набором интегрированных каналов. В рамках проекта обе системы объединены в единую платформу на базе решения CM Ocean, что позволило унифицировать процессы управления коммуникациями на всех этапах жизненного цикла клиента: от привлечения до предотвращения оттока.

Единая платформа охватывает все каналы взаимодействия с клиентом: контактный центр, клиентские менеджеры, ДБО (пуш-уведомления, сторис, поп-апы, плейсменты), электронную почту, смс, сайт. Объединение витрин данных и каналов связи обеспечило автоматизацию запуска регулярных кампаний по расписанию, а единая статусная модель откликов упростила сбор и анализ статистики, позволяя строить продвинутую аналитику и повышать эффективность кампаний.

Кампании строятся на основе персонального подхода: применяются модели ИИ для выбора предпочтительного канала связи с клиентом, подбора кросс-продаж и прогнозирования оттока на основе данных о транзакционной активности, истории поведения в цифровых каналах и результатах предыдущих коммуникаций.

Запуск модуля CM Ocean Policy автоматизировал контроль контактной политики. Банк получил возможность задавать гибкие правила периодов охлаждения между коммуникациями в разрезе канала связи, типа кампании, продукта и жизненного цикла клиента.

Naumen провел исследование качества клиентского сервиса в банковских контакт-центрах с использованием собственной платформы речевой аналитики Naumen Conversation Intelligence. Анализ выявил, что одной из ключевых зон риска стала персонализация. Почти в 31% случаев она либо полностью отсутствует, либо сводится к формальному действию без влияния на качество коммуникации. Более детально картина выглядит следующим образом: в 45% банков операторы спрашивают имя клиента и используют его дальше в разговоре, в 21% — запрашивают имя, но затем не применяют, еще в 34% — не узнают имя клиента и не пытаются персонализировать обслуживание.

Для входящей линии это особенно важно: клиент уже сам инициировал контакт с банком и находится в ситуации вовлеченности. В этот момент оператор может перевести разговор из режима справочного ответа в индивидуальное взаимодействие. Если этого не происходит, банк теряет не только эмоциональное качество контакта, но и коммерческий потенциал обращения.

Как следствие, входящая линия остается недооцененным каналом продаж. В тех контактах, где возможность продажи существовала, конверсионное действие — оформление услуги, отправка ссылки, подбор альтернативы или другой следующий шаг — фиксировалось только в 15% случаев. В 24% банков операторы практически не использовали интерес клиента к продукту как возможность для продажи.

Исследование также показало: банки хорошо отрабатывают формальные элементы диалога, но не всегда доводят клиентский запрос до полноценного завершения. Приветствие остается одной из наиболее устойчиво выполняемых частей диалога: в 85% входящих линий банки используют единый подход, при котором оператор называет банк, представляется и уточняет, чем может помочь. Однако только в 10% обращений все три элемента присутствовали в предписанном формате. Еще более проблемной зоной стало завершение разговора. Только в 20% случаев оператор резюмирует итог общения и задает контрольный вопрос, чтобы убедиться, что у клиента не осталось дополнительных вопросов.

Отдельный блок исследования был посвящен удержаниям на линии и паузам. В 80% диалогов клиент ожидал ответа оператора, при этом паузы возникали даже при решении стандартных вопросов — например, по ставкам, курсам валют, условиям продуктов или перечню документов. Только 39% банков решали вопросы клиентов без удержаний, а в остальных случаях сотрудникам требовалось дополнительное время для поиска ответа.

Результаты исследования также фиксируют, как меняется роль речевой аналитики. Если раньше ее чаще рассматривали как инструмент автоматической проверки звонков по чек-листу, то сейчас решения такого класса становятся способом находить скрытые закономерности клиентского поведения, зоны риска и упущенную выручку и позволяют анализировать 100% коммуникаций без увеличения нагрузки на сотрудников контроля качества.

Программа проектов по управлению продажами и сложными сделками была начата в 2023 году в период интеграции в «Рексофт» команд российских подразделений крупных международных корпораций. За год штат вырос с 500 до 1,5 тыс. сотрудников. Активное масштабирование потребовало внедрения CRM для удобной работы коммерческого департамента и координации продаж. Перед компанией стояла задача не только перенести данные из существующих ИТ-систем, но и создать внутреннюю платформу для поддержки нового многопрофильного бизнеса, охватывающего разработку, консалтинг, промышленную автоматизацию и комплексные проекты. В результате было выбрано решение BPMSoft, способное выдерживать высокие нагрузки, гарантировать распределенное управление доступом на основе ролей и обеспечивающее необходимое масштабирование.

CRM-система на базе BPMSoft учитывает интересы всех стейкхолдеров и поддерживает разные типы воронки продаж: комплексные сделки с участием нескольких бизнес-юнитов и сделки с длинным циклом, включая этапы Go/No-Go и Deal Review. В настоящий момент в системе работают более 150 активных пользователей из различных подразделений компании.

Внедрение CRM позволило консолидировать данные в разрезе ключевых заказчиков и строить аналитику по индустриям и отраслям, а также анализировать ключевые показатели клиента: прогноз выручки, LTV, Win Rate, конверсию воронки, средний цикл сделки, объем Pipeline и Backlog, рентабельность проектов, динамику продаж и историю взаимодействия. Единое информационное пространство и прозрачные метрики стали основой для формирования data-driven подхода, в котором управленческие решения принимаются на основе данных, единых KPI и объективной оценки эффективности продаж.

Важным элементом проекта стала интеграция CRM с внутренним ИТ-ландшафтом «Рексофт». Платформа была объединена с корпоративной HR-системой для синхронизации организационной структуры и ролевой модели, с сервисом проектного учета для отслеживания фактического выполнения работ по закрытым сделкам, а также с финансовой системой для формирования сквозной аналитики. Было сформировано единое пространство данных между коммерческим блоком, проектными командами и финансовым департаментом, что исключило двойной ввод информации и повысило точность управленческой отчетности.

Переход на новую CRM стал частью стратегии компании по развитию собственных бизнес-процессов. Развитая внутренняя ИТ-инфраструктура помогает эффективно управлять растущим портфелем проектов в ключевых индустриальных вертикалях – финансах, промышленности, ретейле и госсекторе.