Мы заботимся о данных клиента и всегда соблюдаем NDA. Название компании выдумано, а все совпадения случайны

Телеком — это технологичный бизнес, в котором основная ценность создается относительно небольшой командой разработки. Однако на пользовательскую поддержку нужны сотни тысяч человеко-часов в год: ежедневно компания нашего клиента получает свыше 7000 заявлений на перенос номера

С масштабированием бизнеса клиенту приходилось неминуемо масштабировать и количество операторов службы поддержки. Мы придумали, как обойти это узкое место

Вместо найма новых сотрудников, мы помогли входящему в топ-3 российских телеком-компаний клиенту создать новый айти-продукт на базе искусственного интеллекта — это сэкономило миллионы рублей уже сейчас, и сэкономит еще больше в будущем

Цели определили так: снизить расходы и оптимизировать обработку заявлений без расширения штата. Предстояло разработать инструмент для снижения нагрузки на операторов и повышения качества работы с документами. Обязательным требованием было сохранение высоких стандартов обработки персональных данных

Выбрали нейросеть на базе мультимодальной архитектуры LayoutLM. Эта технология позволила эффективно распознавать и обрабатывать текстовые данные с учетом их расположения на сканах документов, решая задачу выделения ключевых полей прямо с изображений. Мы также использовали нейросети на базе YOLO для распознавания подписей и печатей на документах

Разработали прототип и обучили базовую модель на ограниченном количестве обезличенных данных, чтобы быстро протестировать эффективность. Оценили вместе с заказчиком перспективность и целесообразность решения перед тем, как приступать к полноценной разработке

Собрали полноценный датасет и доработали прототип до полностью работающей модели

Сперва мы продемонстрировали эффективность на прототипе, а уже после начали работу с реальными датасетами. Процесс можно разделить на три этапа:

Развернули систему на инфраструктуре клиента, чтобы полностью защитить данные и соблюсти законодательство, включая 152-ФЗ. Наша нейросеть взаимодействовала с внутренними системами через REST API, обрабатывая заявления через менеджер очередей RabbitMQ для отказоустойчивости при высоких нагрузках

Время обработки одного запроса на перенос номера сократилось до 15 секунд. Научили нейросеть с точностью 93% обрабатывать 16 разных форм заявлений с 20 полями

Соцсети

Если у вас остались вопросы, напишите нам или оставьте заявку, и мы поможем с вашим вопросом

Связаться

© 2025 GenAI Lab
Политика Конфиденциальности