В промышленном IT-сегменте бренд не существует «для красоты». Он либо работает на узнаваемость и доверие во всех каналах — либо рассыпается, оставляя решение продаваться исключительно за счёт личных связей и «полевых» презентаций.
Мы, Haiku.dev — лаборатория по адаптации ИИ для решения реальных задач крупного бизнеса — представляем второе исследование о применении передовых технологий искусственного интеллекта.
RAG работает как библиотекарь-аналитик — сначала находит релевантную информацию в корпоративных документах, затем формулирует ответ на ее основе. В отличие от обычных языковых моделей, которые могут галлюцинировать, RAG находит реальный ответ в корпоративной базе данных.
Система работает в три этапа: сначала анализирует запрос пользователя и векторизует его, затем извлекает релевантную информацию из внутренних документов компании через семантический поиск, и наконец генерирует точный ответ на основе найденных данных, обогащая контекст запроса проверенными фактами. Это превращает статичную LLM в систему с «непараметрической памятью», которую можно обновлять на лету.
В нашем исследовании мы охватили применение RAG в следующих отраслях:
IT и телекоммуникации:
Так, например, McKinsey смог высвободить свыше 50,000 часов консультационной работы ежемесячно благодаря платформе Lilli, что эквивалентно $12 миллионам в пересчете на стоимость труда. LinkedIn улучшил качество поиска по корпоративной базе на 28%, а Pinterest автоматизировал работу с базами данных.
Консалтинг и информационные сервисы:
Bloomberg использует RAG для расшифровки звонков по отчетности компаний, а TIME экономит часы на поиске в 100-летнем архиве.
Банки и финансы:
Расскажем, как Сбербанк разработал AI-помощника для трейдеров, который выявляет до ста аномалий в месяц, а московская биржа ускорила поиск в нормативной базе в 72 раза — с 18 минут до 15 секунд. А Bank of America обрабатывает более 58 миллионов обращений ежемесячно через виртуального ассистента Erica с точностью ответов 100%.
Но отметим, что технология универсальна и применима различных отраслях.
В рамках исследования мы также представляем два собственных RAG-решения, которые уже внедряем для клиентов:
AI-суфлер для менеджеров по продажам, который помогает быстро и индивидуально обрабатывать обращения клиентов, предлагая готовые ответы с учетом корпоративного стиля и сценариев диалогов.
AI-поиск по базе знаний, который обеспечивает быстрый доступ к корпоративной информации, понимая смысл запроса и возвращая актуальные ответы из всех источников компании.
RAG становится инфраструктурным фундаментом для корпоративного ИИ. Технология универсальна и легко адаптируется под особенности разных отраслей, сокращая время поиска и анализа информации в десятки раз.
Хотите изучить подробнее кейсы внедрения и узнать, как RAG может трансформировать вашу компанию? Скачайте полное исследование технологии RAG с обзором международных и российских кейсов.
Если вы готовы обсудить внедрение RAG-технологии в вашей компании, напишите на почту sergey.ershov@haiku.dev или в телеграм @Ershovsa.
Исследование подготовлено нашей лабораторией по адаптации ИИ на основе анализа реальных кейсов внедрения RAG в крупном бизнесе.
В промышленном IT-сегменте бренд не существует «для красоты». Он либо работает на узнаваемость и доверие во всех каналах — либо рассыпается, оставляя решение продаваться исключительно за счёт личных связей и «полевых» презентаций.
Видеоконтент уже давно используется в маркетинге как инструмент первичного вовлечения, но сегодня он всё чаще становится частью транзакционного поведения пользователя. Одним из заметных форматов здесь является кросс-сейл видео — ролики, которые предлагают сопутствующие товары или услуги после просмотра основного контента или в момент принятия решения. По сути, это развитие классических механизмов cross-sell, но адаптированное под видеопотребление и интерактивность.