Примеры проектов

Профиль

3 клиники в городе-миллионнике, 70 сотрудников, 4 администратора. Заявки приходят в мессенджеры (WhatsApp, Telegram), на сайт и по телефону, запись ведётся в медицинской учётной системе.

Проблема

В часы пик обращения в мессенджерах ждут ответа 20⁠-⁠40 минут, часть теряется. Администраторы тратят время на одни и те же вопросы: цены, адреса, подготовка к приёму.

Решение

Ассистент в мессенджерах и на сайте отвечает по базе знаний клиники, предлагает свободные слоты и создаёт запись через API учётной системы, сложные случаи передаёт администратору с кратким резюме. Стек: n8n на сервере в российском облаке, YandexGPT (в диалогах есть ПДн пациентов), RAG по прайсу и памяткам, amoCRM для воронки, сайт и телефония как основные каналы, WhatsApp и Telegram через коннектор, пока ими пользуются пациенты. Запасной маршрут: при недоступности модели обращение сразу уходит администратору.

Срок

Пилот 4 недели на одной клинике, затем подключение двух остальных за 3 недели.

Цель в договоре пилота

• 40⁠-⁠60% обращений закрыты без администратора
• время первого ответа меньше 2 минут в 90% случаев
• доля потерянных обращений снижается на 50⁠-⁠70%

Профиль

35 сотрудников, продажи на Ozon, Wildberries и собственном сайте, около 1 200 SKU. Клиентский сервис из 3 человек.

Проблема

Сотни вопросов и отзывов в неделю на маркетплейсах. Ответы запаздывают, рейтинг карточек проседает, в сезон сервис не справляется.

Решение

Сервис на Python забирает вопросы и отзывы через API маркетплейсов, GigaChat Pro готовит ответ по карточке товара и истории похожих ответов, менеджер подтверждает черновик одной кнопкой в Bitrix24. Негативные отзывы с упоминанием брака создают задачу в Bitrix24. Ответы на типовые вопросы о размерах и наличии публикуются без подтверждения.

Срок

Пилот 3 недели, внедрение с подключением сайта и Bitrix24 ещё 5 недель.

Цель в договоре пилота

• 70⁠-⁠85% ответов готовы черновиком без правок
• время на обработку отзывов снижается на 60⁠-⁠75%
• средний срок ответа на вопрос до 1 часа

Профиль

120 сотрудников, перевозки по РФ, бухгалтерия из 6 человек, учёт в 1С. Сотни входящих документов в месяц от перевозчиков: счета, акты, УПД, ТТН.

Проблема

Бухгалтеры вручную сверяют документы с заявками на перевозку. Расхождения в суммах и реквизитах всплывают после оплаты, на сверку уходит 2⁠-⁠3 дня в конце месяца.

Решение

Документы из почты и ЭДО разбираются OCR, открытая модель Qwen на сервере компании извлекает поля и сверяет их с заявками в 1С через HTTP-сервис. Совпадения проводятся автоматически, расхождения уходят бухгалтеру с подсвеченным полем. Стек: Python, PaddleOCR, Qwen в контуре клиента, 1С, n8n для оркестрации. Данные не покидают инфраструктуру компании.

Срок

Разбор 1 неделя, пилот на одном типе документа (УПД) 4 недели, внедрение на остальные типы 7 недель.

Цель в договоре пилота

• 60⁠-⁠80% документов сверяются без участия человека
• время закрытия месяца сокращается на 40⁠-⁠60%
• расхождения находятся до оплаты в 95% случаев

Профиль

Школа программирования для детей, команда 25 человек, основатели живут в ЕС, ученики в Европе, Казахстане и Сербии. Оплата в EUR.

Проблема

Заявки из Telegram и Instagram копятся, менеджеры отвечают через несколько часов, пробный урок назначается в лучшем случае на следующий день.

Решение

Ассистент в Telegram квалифицирует заявку (возраст, уровень, часовой пояс), предлагает время пробного урока из календаря преподавателей и создаёт сделку в amoCRM. Стек: n8n Cloud, Claude через API для диалога, GigaChat как запасная модель, amoCRM, Google Calendar. Перед стартом юрист школы проверяет применимость 152-ФЗ и законов других стран к её ученикам (это обязательный пункт Разбора).

Срок

Пилот 3 недели.

Цель в договоре пилота

• время первого ответа меньше 5 минут круглосуточно
• конверсия заявки в пробный урок растёт на 15⁠-⁠30%
• менеджеры работают только с квалифицированными заявками

Обсудить похожую задачу