Массовое внедрение ИИ в процессы Компании

Внедрение ИИ во все бизнес-процессы Компании

Снижение нагрузки на сотрудников клиентской поддержки (быстрое получение информации от чат-бота), снижение нагрузки на системных аналитиков (быстрый поиск внутренних связей в системах, помощь в написании БТ/ФТ), повышение точности прогнозов, возможность прогнозировать бОльшее количество метрик (переход от десятков до тысяч), повышение качества работы клиентской поддержки (проверка соответствия разговоров операторов корпоративным стандартам), снижение нагрузки на менеджеров отдела продаж - не нужно заниматься рутиной, вручную перенося итоги встреч в CRM

• Linux

• Python

• Rest API

• Docker, Kubernetes

Большое количество направлений ИИ и используемых технологий с ограниченным составом (4 человека) и ограниченными машинными и временными ресурсами

Прогнозные модели

В компании ПЭК активно развиваются технологии искусственного интеллекта.

Уже сейчас в боевом режиме работают прогнозные модели, которые помогают оптимизировать ключевые процессы — сейчас идет прогнозирование 209 продуктов, из которых 15 базовых (кубатура, индексы), и вспомогательные (стрейч, гвозди и т.д.)

Речевая аналитика

Уже реализован проект: звонки автоматически транскрибируются в текст, после чего проходят обработку средствами ИИ — выполняется суммаризация и категоризация обращений, выставляется оценка звонку – положительный / нейтральный или отрицательный (клиент недоволен) Сейчас идет второй этап, на котором повышается точность распознавания и понимания речи, оценка соответствия разговоров установленным скриптам и интеграция с CRM– автоматическое заполнение карточки клиента

 RAG и интеллектуальные чатботы

Развивается направление RAG (Retrieval-Augmented Generation) — построение интеллектуальных чатботов, способных работать с внутренними источниками знаний компании (Confluence, инструкции, регламенты, документация 1С). Система не просто ищет информацию, а формируют связные, точные ответы на естественном языке, интегрируясь с внутренними ИТ-инструментами ПЭК. Подход позволяет ускорить доступ к знаниям и снизить нагрузку на экспертов и ИТ-службы.

Анализ кода и графы 1С

В работе также и направление анализа кода 1С: строятся Code Property Graph-структуры, объединяющие синтаксические и семантические зависимости. Производится анализ AST-структур, интеграция данных в графовую базу Neo4j, визуализация связей и поиск взаимозависимостей между модулями и объектами системы. Этот инструмент помогает разработчикам лучше понимать архитектуру решений, ускоряет отладку и повышает качество корпоративного кода.

Локальные LLM и дообучение

Работа с локальными большими языковыми моделями (LLM) — Gemma, Qwen, Mistral, GPT. Проводится дообучение (CPT, SFT, LoRA) на внутренних данных ПЭК для создания специализированных моделей, адаптированных под корпоративную терминологию, 1С-код и логистические процессы.

Компьютерное зрение

Активно развиваемое направление — компьютерное зрение для складской логистики. На основе моделей YOLOv12 реализован проект по распознаванию и подсчету поддонов на складах. Идет расширение технологии на распознование и других объектов. Эти технологии позволяют автоматизировать контроль складских зон, повысить точность учёта и качество видеоаналитики.

Интеграция с MCP и управление Outlook

Разработан MCP-сервер (Model Control Protocol) для управления Outlook — универсальный интерфейс, позволяющий подключать LLM к корпоративной почте. С его помощью можно выполнять команды естественного языка: искать письма по содержанию, дате или отправителю, отмечать сообщения как прочитанные или непрочитанные, сохранять вложения, формировать ответы и краткие резюме писем. Такой подход открывает возможности для автоматизации рутины — от обработки входящих писем и генерации отчетов до интеллектуальной маршрутизации обращений клиентов.

Вся Компания 10000+ человек