Как сэкономить 25 миллионов на внедрении простого ИИ
Обнаружили прикладной кейс использования искусственного интеллекта (а скорее компьютерного зрения) от Т2 – компания автоматизировала контроль рекламных материалов в торговых точках с помощью ИИ. За полгода система проверила 400 тысяч фотографий и, по заявлениям компании, поможет сэкономить 25 миллионов рублей в год.
Задача, на первый взгляд, выглядит не сложно – проверить правильность размещения промоматериалов в точках продаж. Пока не начинаешь думать о том, что этих точек десятки тысяч (включая партнёрские), они расположены по всей стране и для проверки нужно неприлично большое количество сотрудников. В Т2 вот говорят, что это задача физически не могла быть выполнена вручную.
Поэтому компания решила собственными силами, в Т2 in-house, сделать сервис для решения проблемы. Получился написанный на Python бот в Телеграме. Почему Телеграм – понятно, ведь так сотрудникам не надо ставить сторонние приложения и заново учиться ими пользоваться, да и цикл разработки быстрее. А национальные мессенджеры, к сожалению, пока не пользуются такой же народной любовью.
У компании уже есть опыт в использовании нейросетей для контроля оформления франшизных точек продаж, такой продукт был запущен ещё несколько лет назад. Теперь сделали сервис для POSM материалов. Следующий шаг – внедрение более сложных моделей компьютерного зрения на базе фидбэка и повторной экспертизы сотрудников. Так как базовая автоматизация окупилась, теперь можно инвестировать в расширение функциональности и перенаправить деньги куда-то ещё.
Обнаружили прикладной кейс использования искусственного интеллекта (а скорее компьютерного зрения) от Т2 – компания автоматизировала контроль рекламных материалов в торговых точках с помощью ИИ. За полгода система проверила 400 тысяч фотографий и, по заявлениям компании, поможет сэкономить 25 миллионов рублей в год.
Задача, на первый взгляд, выглядит не сложно – проверить правильность размещения промоматериалов в точках продаж. Пока не начинаешь думать о том, что этих точек десятки тысяч (включая партнёрские), они расположены по всей стране и для проверки нужно неприлично большое количество сотрудников. В Т2 вот говорят, что это задача физически не могла быть выполнена вручную.
Поэтому компания решила собственными силами, в Т2 in-house, сделать сервис для решения проблемы. Получился написанный на Python бот в Телеграме. Почему Телеграм – понятно, ведь так сотрудникам не надо ставить сторонние приложения и заново учиться ими пользоваться, да и цикл разработки быстрее. А национальные мессенджеры, к сожалению, пока не пользуются такой же народной любовью.
У компании уже есть опыт в использовании нейросетей для контроля оформления франшизных точек продаж, такой продукт был запущен ещё несколько лет назад. Теперь сделали сервис для POSM материалов. Следующий шаг – внедрение более сложных моделей компьютерного зрения на базе фидбэка и повторной экспертизы сотрудников. Так как базовая автоматизация окупилась, теперь можно инвестировать в расширение функциональности и перенаправить деньги куда-то ещё.