R77 AI: услуги, продукты и кейсы

Задача

Разгрузить поддержку и давать продавцам готовые выводы вместо отчётов.

Что сделали

AI-аналитик в чате переводит вопрос в SQL-запрос. Внутри RAG, датасет из 1800 проверенных вопросов и запросов и несколько уровней проверки SQL. Open-source Vanna AI отклонили из-за точности около 24%.

Результат

Точность SQL выросла до 94%, ответ приходит за 3–5 секунд. Retention продавцов вырос на 22%, LTV на 18%, обращений в поддержку стало на 35% меньше.

Задача

Собрать разрозненную документацию API в одном чате для разработчиков-партнёров.

Что сделали

RAG-пайплайн с индексацией документации, переранжированием результатов и разбором ошибок интеграции.

Результат

Время поиска информации сократилось на 65%, нагрузка на техподдержку на 48%. Интеграции запускают на 40% быстрее, удовлетворённость разработчиков выросла на 35%.

Задача

Снизить расход ферросплавов при выплавке стали.

Что сделали

ML-модель выдаёт рекомендации по присадкам, оператор видит их в отдельном интерфейсе. Проект шёл год, в команде было 8 человек, бюджет около 100 тыс. долларов.

Результат

Экономия ферросплавов в этом проекте до 3%. В кейсе упомянут и другой проект с экономией 3–5%, больше 500 млн ₽ в год, но к какому заводу относятся эти цифры, не уточняется.