OSMI IT
14
подписчиков
OSMI IT (Ex Осьминожка) — лидер по созданию Web- и AI-продуктов для среднего и крупного бизнеса.
Как мы создали 8 ИИ-агентов автоматизации процессов в сети пиццерий и что из этого вышло
Внутри компании незаметно накапливается ручной хаос: процессы хаотично существуют по письмам и таблицам, задачи теряются на стыках команд, ошибки обнаруживаются уже на согласованиях, а управленцы тонут в уточнениях и контроле вместо того, чтобы двигать бизнес вперёд. Мы решили эту боль комплексно — выстроили единую экосистему ИИ-агентов. Внедряли поэтапно, но результат работает как цельная система: меньше рутины и ошибок, меньше «провалов» между отделами, ниже нагрузка на руководителей и больше прозрачности и предсказуемости в ежедневных процессах...
Как мы создали AI-ассистента для сайта и личного кабинета крупного инновационного центра
Создали интеллектуального ИИ-ассистента для сайта и личного кабинета на базе LLM с RAG-архитектурой. Он способен вести контекстный диалог с пользователем, искать ответы в официальных источниках, учитывать приоритет базы знаний AutoFAQ и перенаправлять обращения операторам при необходимости Клиент — один из крупнейших инновационных центров России, а также экосистема поддержки инноваций, объединяющая стартапы, технологические компании, экспертов, менторов и жителей инновационного центра. Цель — создать...
ИИ в снабжении: как автоматизировать закупки, снизить риски и повысить устойчивость бизнеса
Управление снабжением — один из ключевых бизнес-процессов: от отбора поставщиков до планирования потребностей компании. Именно в этой области ИИ становится не просто полезным инструментом, а фактором, который напрямую влияет на устойчивость и эффективность бизнеса. Если раньше искусственный интеллект чаще рассматривали в контексте маркетинга и клиентского сервиса, то сегодня фокус все заметнее смещается на внутренние процессы, от которых зависят прибыль, бесперебойность работы и стабильность компании...
Универсальный ИИ-агент для поддержки пользователей и обработки запросов 2-го уровня
Для крупной металлургической компании мы внедрили универсального AI-агента, который работает поверх сервис-деска и базы знаний, понимает запросы пользователей и либо находит ответ в документации, либо направляет обращение в нужную команду. Решение автоматизировало типовые обращения, ускорило первые ответы и снизило нагрузку на экспертов поддержки. Клиент — крупная металлургическая компания с корпоративной системой, в которой множество ролей и сложная предметная область. Её поддержкой занимаются несколько...
Как Al-анализ отзывов в е-commerce сократил ручную аналитику и ускорил реакцию на негатив
Для одного из крупнейших издательско-дистрибьюторских холдингов мы создали AI-систему, которая собирает отзывы с маркетплейсов и других каналов в единый поток, автоматически определяет тональность и ключевые аспекты, выделяет риски и повторяющиеся проблемы и формирует управленческие отчёты почти в реальном времени. Решение снижает долю ручной аналитики, ускоряет подготовку отчётов и реакцию на негатив, помогает точечно дорабатывать продукт и сервис и повышать качество клиентского опыта. Клиент —...
Как мы создали AI-модель управления ценой
Для одного из ведущих российских онлайн-сервисов краткосрочной аренды мы внедрили динамическое ценообразование: AI-модель в реальном времени анализирует спрос, сезонность, географию, конкурентов и поведение пользователей и подсказывает оптимальную цену для каждого объекта. В результате конверсия из просмотра в бронирование выросла, простой объектов сократился, а доходность и LTV арендодателей увеличились за счёт более точного и прозрачного ценообразования. Из-за ручных правок цен, просадок конверсии и простоя объектов пользователи сервиса теряли выручку...
Автоматизация обработки актов приёма-осмотра (АПО) и экспертиз для одного из крупнейших девелоперов страны
Ручная обработка актов приёма-осмотра (АПО) и экспертиз растягивала сроки досудебных ответов, перегружала команду и повышала риск ошибок: из-за этого клиенты дольше ждали решения по компенсациям, накапливалась очередь и падало качество сервиса. Клиент входит в топ-3 крупнейших девелоперских компаний России с совокупным объёмом проектов >17 млн м² и 20 000 сотрудников в штате. Создание корпоративного сервиса, который позволит с помощью ИИ-агентов автоматически распознавать и категоризировать АПО,...
Как связать бизнес-цели с метриками LLM Многие команды оценивают ИИ по perplexity и accuracy — и удивляются, почему пилоты не сходятся с P&L. Мы решаем это иначе: сначала фиксируем бизнес-цель, и только потом под неё подбираем метрики LLM и прокси-показатели. На карточках — базовая карта метрик, которыми можно пользоваться и с нашей платформой OSMI AI, и в любых других проектах. Пример: если цель — увеличить средний чек в e-commerce, смотрите, как LLM-рекомендации влияют на конверсию в покупку и размер чека. А в качестве прокси-метрик используйте точность рекомендаций, время в приложении, долю заказов с up-sell / cross-sell. Подписывайтесь, сохраните пост и отправляйте коллегам. А в следующий раз разберём группы метрик, без которых LLM-фичи не взлетят.
Сервис прогнозирования поставок на склады маркетплейсов по модели FBO для международного бренда канцелярских товаров
Бизнес сталкивается с дисбалансом запасов: одни SKU быстро уходят в Out of Stock и теряют выручку, другие «зависают» на складе и замораживают оборотные средства. Нужен сервис, который прогнозирует продажи и спрос, поставки на склады маркетплейсов и формирует рекомендации для категорийных менеджеров и логистов. Это инструмент управления запасами, автоматизирующий расчёты и планирование поставок на Ozon и Wildberries. Клиент — международный бренд канцелярских товаров с 29-летней историей и присутствием в 65 странах мира, один из самых узнаваемых на российском рынке...
Зачем бизнесу переходить на low-code решения и когда они действительно работают?
В 2025-м переход на low-code решения — это способ ускорять изменения при заранее контролируемых затратах: рынок и практики показывают, что цикл «идея → релиз» укорачивается за счёт визуальной сборки и повторного использования блоков. По данным рыночных обзоров и практик вендоров, low-code сокращает время разработки до 90% (Red Hat) и позволяет снизить затраты на 50–70% (Forrester TEI) за счёт визуальной сборки, готовых коннекторов и повторного использования компонентов, поэтому первый релиз собирается за 2–3 недели вместо типичных 6–8, а значимая доля рутинных задач переходит к бизнес-командам...
ИИ и речевая аналитика: как по-новому контролировать продажи по звонкам
На рынке кажется, что все решения для контроля звонков внезапно «стали ИИ». Каждый второй вендор пишет про «умный контроль качества», «AI-анализ звонков» и «цифрового супервайзера». Но если отмотать всего на 3–4 года назад, становится ясно: речевая аналитика уже давно умеет контролировать качество работы отдела продаж.
Её базовая задача проста и понятна руководителю: не нужно вручную слушать каждый звонок; система автоматически расшифровывает разговор в текст; вы настраиваете теги, привязываете их к этапам скрипта; затем смотрите, где менеджеры соблюдают сценарий, а где нет...
Когда лидов мало, а хаоса много: как ИИ-агенты наводят порядок в отделах продаж малого и среднего бизнеса
В 2025 году российские предприниматели официально признают: данные и ИИ нужны, но работают всё равно «на ощущениях». Совместное исследование бизнес-школы МИРБИС и «Сбер Бизнес Софт» показывает, что больше 60% компаний верят в пользу CRM, ИИ и предиктивной аналитики, но регулярно используют эти инструменты только 25–30% респондентов. При этом, как отмечают «Ведомости», «каждый пятый предприниматель применяет ИИ без CRM-системы, а ещё 10% планируют запуск чат-ботов без клиентской базы» — данные рассеиваются, и отдел продаж продолжает жить не по процессу, а по интуиции менеджеров...