Итоги Yandex B2B Tech Awards 2026

Yandex B2B Tech объявила о результатах премии Yandex B2B Tech Awards 2026 для российских компаний. Экспертное жюри — рыночные аналитики, представители бизнеса, консалтинговых компаний, интеграторов и академического сообщества, журналисты деловых изданий и эксперты Яндекса — выделили лучшие проекты цифровой трансформации в России с реальным бизнес-эффектом: от применения искусственного интеллекта и аналитики до корпоративной инфраструктуры.

Рассказываем о 16 победителях в каждой номинации в этой статье.

Номинация «Проект с наибольшим бизнес-эффектом»

Победитель: «Металлокомплект-М»

«Металлокомплект-М» планировал создать единую систему управления на всех уровнях компании, повысить эффективность процессов и скорость адаптации сотрудников в условиях кадрового дефицита. Кроме того, компания хотела устранить разные системы продаж и их учёта у филиалов.

В операционную деятельность коммерческих подразделений всех филиалов и корпоративного центра была внедрена платформа МХ для интеллектуального управления продажами всего холдинга. Реализовали функции:

• Управление сделками
• Модели интеллектуального ценообразования
• Сдельная, план-фактная и нематериальная мотивация сотрудников
• Контроль оплат по сделкам и кредитный менеджмент
• Планирование по клиентам, подразделениям
• Управление задачами
• Интеграция с различными системами

В результате удалось вернуть в оборот бизнеса 4,5 млрд рублей и реактивировать более 9,5 тыс. клиентов, а скорость ответа сократилась с 2–3 дней до 10 минут.

Номинация «Эффективное применение ИИ в бизнесе»

Победитель: Ivideon

Ivideon планировала создать облачный ИИ-сервис, который превратил бы существующую инфраструктуру видеонаблюдения в инструмент непрерывного операционного управления розничными сетями — с измеримым влиянием на выручку, стандарты обслуживания и дисциплину персонала.

В результате получился MaaS (Management as a Service) — облачный сервис, который трансформирует видеонаблюдение из инструмента безопасности в инструмент управления бизнесом. Решение объединяет компьютерное зрение, речевую аналитику на базе Yandex SpeechKit и операторскую валидацию в единый контур, выдающий руководителю не видео, а готовые управленческие выводы: рейтинги точек, корреляцию стандартов с выручкой и видеоклипы нарушений.

Сейчас MaaS работает в десятках розничных сетей в сегментах HoReCa, продуктового и непродовольственного ритейла, сервисных бизнесов. В крупнейшем проекте — федеральной сети алкомаркетов (более 60 точек и более 500 камер) — число нарушений сократилось в 5–6 раз за первые месяцы. В сетях общественного питания зафиксировали рост возвращаемости клиентов на 12%. MaaS эффективно работает в сетях от 2 до 70+ точек, адаптируется под разные форматы — от кофеен до ювелирных магазинов и ПВЗ. Подключение занимает 1–2 дня и не требует замены инфраструктуры.

Номинация «Лучшее решение в области аналитики и работы с данными»

Победитель: «ТехноНиколь»

Цель внедрения корпоративной платформы данных «ТехноНиколь» — трансформировать накопленный массив информации в стратегический актив, который позволил бы компании масштабировать рост выручки и обеспечил бы системное снижение затрат за счёт решения ключевых бизнес-задач.

Платформа объединила в единую систему инструменты для управления данными на всех этапах жизненного цикла. Она быстро адаптируется к росту объёмов данных и вычислительной нагрузки, способна работать в режиме загрузки больших архивов по расписанию и в режиме анализа данных в реальном времени.

За счёт повышения эффективности оборудования, оптимизации производственных циклов и цепочки поставок, снижения брака и гибкого ценообразования удалось добиться роста выручки на 2–3%. Отчётность собирается быстрее: то, на что раньше сотрудники тратили около трёх дней, собирая вручную в Excel, теперь занимает 5–10 минут. Снизилась нагрузка на IT-департамент — им поступает на 30% меньше запросов на выгрузку данных, так как пользователи делают это самостоятельно.

Номинация «Цифровая трансформация с использованием виртуального офиса»

Победитель: Тюменский государственный университет

В ТюмГУ реализуется модель индивидуальных образовательных траекторий — студент сам выбирает дисциплины и участвует в разных учебных командах. Индивидуальные расписания и графики обучения создают трудности учёта и представления данных. Сотрудники университета использовали офисные решения зарубежного вендора для планирования встреч, быстрой коммуникации и совместной работы с документами, но решение было ненадёжным из-за риска ограничения доступа и безопасности данных.

ТюмГУ искал российское решение для создания среды корпоративных коммуникаций. Важно было перенести образовательные и административные процессы в новый виртуальный офис без прерывания деятельности и потери данных.

В результате 42 тыс. учётных записей и их данные (почта, файлы, календарь, контакты) мигрировали в экосистему сервисов Яндекс 360. Для автоматизации настроили механизмы синхронизации данных учётных записей, назначения прав на делегированные почты и группы рассылок. Для повышения информационной безопасности настроили единый вход (SSO), создали более 200 транспортных правил для управления группами рассылок в Почте и для выявления и предотвращения рассылки вредоносных писем.

Создали общий канал (более 41 тыс. пользователей) с помощью глобальных групп для сотрудников и студентов, где оперативно публикуются важные новости. В 25 мультиформатных аудиториях применяют Телемост для гибридного обучения, а чат-бот в Мессенджере на 80% сократил ежемесячные финансовые затраты на рассылку писем, которая ранее была реализована в стороннем платном сервисе. Количество созданных активных чатов в Мессенджере в декабре 2025 года достигло более 111 тыс., пиковое число встреч в Телемосте — более 12 тыс. Пользователи создали более 8 тыс. онлайн-досок.

Номинация «Лучшее решение в области кибербезопасности»

Победитель: AstraZeneca

Главным драйвером проекта стала необходимость локализации данных российского подразделения AstraZeneca в соответствии с требованиями 152-ФЗ. Компания искала облачную платформу, которая не только соответствовала бы привычным международным стандартам безопасности и внутренней политике отказоустойчивости, но и позволяла бы гибко управлять инфраструктурой. Чтобы обеспечить безопасную миграцию без увеличения нагрузки на in-house-команду ИБ, решили внедрить сервис класса MDR/SOCaaS — Yandex Cloud Detection and Response (YCDR). Пилотный проект реализовали всего за 2,5 месяца.

Внедрение экосистемы безопасности Yandex Cloud помогло компании снизить трудозатраты и предотвратить утечки. Благодаря тонкой настройке YCDR количество ложных срабатываний было сведено к минимуму. Сейчас ИБ-специалисты тратят не более 5% своего рабочего времени на обработку алертов, так как система выдает только максимально релевантные инциденты.

Номинация «Корпоративная трансформация года»

Победитель: ПИК

ПИК трансформировал корпоративную среду с помощью виртуального офиса Яндекс 360. Требовалось облачное решение с доступом с любых устройств, поддерживающее совместную работу (почта, документы, таблицы, видеоконференции) и расположенное на российских серверах.

На новое решение перевели 15 тыс. сотрудников. Простои бизнеса полностью отсутствуют, а стоимость владения Яндекс 360 оказалась на 2–2,5 млн рублей в год ниже, чем аналогичный пакет предыдущего решения. ПИК ежедневно проводит от 2,5 до 4 тыс. встреч в Телемосте, сотрудники отправляют около 400 тыс. писем. Более 7 тыс. пользователей одновременно используют Документы, а общий объём данных на Яндекс Диске — 822 ТБ. Сотрудники создали более 200 тыс. документов и 700 тыс. таблиц. Вся информация хранится на российских серверах, исключён риск внезапной потери доступа к корпоративным сервисам.

Номинация «Оптимизация управления процессами и проектами»

Победитель: «Гранд-Трейд»

В «Гранд-Трейд» работает 1,5 тыс. сотрудников, которых обслуживают 12 сервисных департаментов: от IT и HR до ВЭД и логистики. Каталог услуг насчитывает 84 уникальных сервиса. Управляли этим объёмом хаотично: заявки терялись в почте и Excel, не было единой точки входа. Поиск нужного специалиста превращался в квест, и это тормозило работу бизнеса. Компания хотела провести цифровую трансформацию сервисной культуры: объединить разрозненные департаменты в единую экосистему и дать сотрудникам интуитивный инструмент для получения любой услуги в «один клик».

Для решения этой задачи построили ESM-платформу на базе сервисов Яндекс 360 и Yandex Cloud. В её основе — Трекер, который используют для управления всеми сервисными процессами компании. Формы выступают в роли единого окна и интеграционного слоя для сбора данных, а в качестве базы знаний используют Вики. Для BI и мониторинга используют Yandex DataLens.

В результате время прохождения заявки от инициатора до исполнителя сократилось в два раза. Решилась проблема «потерянных писем»: раньше в почте и чатах терялось до 20% входящих запросов. Масштабную систему корпоративного уровня развернул и настроил один внутренний архитектор за полгода. Компания сэкономила миллионы рублей на услугах внешних интеграторов или содержании целого отдела внедрения.

Номинация «Модернизация IT-архитектуры на отечественных решениях»

Победитель: Добро.рф

Добро.рф — национальная платформа добровольчества России: 9,6 млн волонтёров, 200 тыс. организаторов, 129 тыс. проектов и более 1,3 млн мероприятий в год. Платформа связана с десятками внутренних и внешних систем: госорганами, региональными ресурсными центрами, НКО, образовательными сервисами, корпоративными партнёрами. Исторически интеграции развивались точечно: под каждую новую систему создавались отдельные сервисы и скрипты, различающиеся по технологиям, качеству кода и уровню документированности. Это приводило к росту стоимости поддержки, длинному SLA на любые изменения (5–10 рабочих дней), высокой зависимости от конкретных разработчиков и сложности масштабирования под пиковые нагрузки.

Ассоциация планировала перейти к единому интеграционному ядру на базе российской low-code-платформы 7TECH INTEGRA в Yandex Cloud, сократить сроки разработки и изменений по интеграциям, а также обеспечить прозрачный мониторинг потоков данных и управляемость интеграционного ландшафта.

Продакшен-контур развернули за 36 дней без остановки платформы. Теперь внесение изменений в интеграционный сценарий сократилось с 5–10 до 1–2 дней, а подключение новых партнёров — с нескольких месяцев до нескольких недель. В результате удалось освободить 20–40 человеко-часов в месяц.

Номинация «Лучший проект в ритейле, e-com и FMCG»

Победитель: INDEEPA

Цель INDEEPA — автоматизировать управление ценами, продажами и финансовым результатом на маркетплейсах в реальном времени. Было необходимо автоматизировать динамическое ценообразование по тысячам SKU: цена для покупателя, участие в акциях, скидках и конкурентные стратегии управляются из единой системы, а не из набора кабинетов и файлов Excel.

Компания построила единый слой работы с данными ключевых маркетплейсов СНГ, который автоматически собирает, очищает и нормализует информацию. На этом слое реализовали постоянный R&D-контур, где тестируются новые источники данных, механики промо и маркетинговые инструменты, чтобы система всегда корректно отражала реальную расходную часть.

Сердце проекта — математический движок динамического ценообразования, управляемый из одного пользовательского интерфейса для ключевых маркетплейсов. По сути это финтех-система управления реальными активами: каждая цена, скидка, участие в акции рассматриваются как инвестиционное решение с ожидаемым финансовым результатом. Система позволяет задавать и контролировать целевые параметры: маржинальность на всех уровнях, ценовые коридоры и РРЦ, участие в акциях и соинвесте, конкурентные стратегии, оборачиваемость и план/факт продаж.

INDEEPA управляет 3,8 млн товаров, из них более 1,9 млн — по индивидуальным стратегиям. Система выполнила 2,6 млрд расчётов цен и маржинальности с учётом KPI каждого SKU в моменте. Под управлением платформы продано 258 млн товаров на сумму 370 млрд рублей. С компанией работают более 2,5 тыс. юридических лиц.

Номинация «Лучший кейс в логистике и транспортной отрасли»

Победитель: «Каргономика Тех»

«Каргономика» — это цифровая экосистема для управления транспортной компанией в одном окне, построенная как единый сквозной контур данных от транспортного средства и рейса до финансового результата. В основе платформы — собственная система GPS/ГЛОНАСС-мониторинга, способная масштабироваться до сотен тысяч транспортных средств. Внедрение платформы для клиента выстроено по поэтапной логике, позволяющей последовательно оцифровать ключевые процессы перевозки и снизить порог входа в цифровизацию.

Проект реализовали на базе платформы Yandex Cloud с использованием управляемых сервисов, обеспечивающих масштабируемость, отказоустойчивость и обработку больших объёмов данных в реальном времени.

Сейчас к платформе подключено более 7,5 тыс. транспортных компаний, совокупный GMV экосистемы превысил 40 млрд рублей, а под мониторингом находятся десятки тысяч транспортных средств. Клиенты фиксируют снижение себестоимости перевозок за счёт оптимизации маршрутов, топлива, простоев и загрузки транспорта. Расчёт плановой и фактической себестоимости рейсов стал доступен в реальном времени, а расчёт заработной платы водителей автоматизировали. Уровень оттока клиентов — меньше 2%, нового клиента подключают за сутки.

Номинация «Финтех-трансформация»

Победитель: «Альфа-Банк»

На сайте «Альфа-Банка» не было удобного поиска. Существующее решение работало медленно, а нужная информация находилась не всегда — пользователи обращались в поддержку с вопросами, когда не могли найти данные о тарифах, условиях или отделениях банка.

Внедрили умный поиск, который отвечает на запрос пользователей понятно и быстро. Разработали UI, интеграцию с Yandex Serch API с функцией генеративного ответа, который работает на Yandex AI Studio. Провели переиндексацию сайта поисковыми роботами Яндекса, актуализировали информацию на страницах и удалили старые. Умный поиск в рамках A/B-теста запустили в мае 2025 года, а уже через месяц раскатили на всех пользователей.

SEO-показатели видимости сайта выросли на 12%. Запросы из поддержки перешли в инструмент поиска на 17,3%. На 6,8% увеличился коэффициент конверсии в заявку в разделе ипотеки. Дополнительно команда сайта добавила баннеры, релевантные запросу пользователя: конверсия в клик по этим местам составляет в среднем 18,5%, что дало +3,5% продаж дебетовых и кредитных карт.

Номинация «Инновации технологического сектора»

Победитель: Fork-Tech

PWS (Product Web Services) — первая российская on-premises-платформа класса «Управление продуктом без релизов», которую разработала компания Fork-Tech. У платформы несколько модулей:

• App Distribution — безопасная дистрибуция предрелизных сборок iOS и Android внутри команды и среди тестировщиков.
• Remote Config — централизованное управление конфигурацией приложений в реальном времени без выпуска обновлений.
• Feature Toggles — управление переключателями функций с сегментацией по группам пользователей.
• MCP-сервер — интеграционный модуль, позволяющий подключать ИИ-ассистентов к конфигурациям PWS.
• Клиентский API — унифицированный REST API для интеграции любых мобильных и веб-приложений, а также бэкенд-сервисов с платформой PWS.

Yandex Cloud — основная облачная инфраструктура для разработки PWS и оперативного создания выделенных демо-стендов.

Платформа соответствует требованиям ЦБ РФ по безопасности каналов доставки. Благодаря PWS доставка билдов сократилась с часов до минут. Изменения продукта применяются за минуты вместо 3–5 дней релизного цикла.

Номинация «Лучший проект в промышленности, производстве и энергетике»

Победитель: «Норникель»

«Норникелю» было важно определить технологическую возможность применения комплексных ИИ-агентов в задачах промышленного B2B.

В проекте реализовали восемь пилотных агентов в функциях проектирования, управления запасами, финансово-экономическом контроле и поддержке пользователей внутреннего портала.

В основе проекта — Yandex AI Studio, в первую очередь Model Gallery, Web Search, Responses API. Совместно с Yandex Cloud компания разработала и использует Private Endpoints и Interconnect для безопасного подключения к облачным LLM. Это первый в России кейс использования такого инструментария в промышленности.

Получить эффект от решения планируется в горизонте от трёх месяцев до года:

• экономию десятков миллионов долларов за счёт вовлечения запасов (снижения количества закупок) благодаря поиску аналогов через LLM;
• сокращение процессов с десятков дней до нескольких часов;
• освобождение времени сотрудников.

Номинация «Цифровизация недвижимости и строительства»

Победитель: «Брусника»

Компании «Брусника» нужно было разработать и внедрить единый подход к управлению компанией во всех аспектах: операционном, проектном, процессном и корпоративном — на базе Яндекс 360, где Трекер стал ключевым инструментом управления.

Нужно было за пять календарных дней извлечь и перенести свыше 3 млн задач, 9 тыс. артефактов и 3 тыс. проектов в новое рабочее пространство.

Кроме того, в предыдущем рабочем пространстве отсутствовали общие стандарты, из-за чего более 80% незавершённых задач сотрудники перестали обновлять и поддерживать. Графики проектов и ответственные лица велись в таблицах, артефакты не прикреплялись. Из‑за этого невозможно было проверить версионность и актуальность графика, приёмку задач ответственными лицами.

В системе не фиксировались регулярные обновления задач и сбор статистики работы подразделений. Задачи часто ставили устно — в коридоре, в мессенджере или на флипчарте, — а практики приёмки поставленных задач не было.

Данные из предыдущей системы мигрировали в формате JSON, настроили структуру Трекера, создали единую очередь и типовые доски для 30+ процессов: разработки, поддержки, HR-адаптации, финансов и т. д. Настроили интеграции с телеграм-ботами, Формами, BI-сервисами, реализовали автогенерацию задач по шаблонам и автоматический расчёт дедлайнов.

Теперь 87% всех открытых задач обновляются не реже одного раза в месяц, а количество обращений в техподдержку из-за проблем с правами доступа уменьшилось на 50%. Системой пользуются 1775 сотрудников, 964 — еженедельно. Более 15% ручных операций по оформлению задач сократилось вовсе.

Номинация «Лучший кейс в медицине и фармацевтике»

Победитель: Raft

Raft реализовал проект ИИ-оценки медицинских карт и автоматизировал контроль качества их заполнения врачами.

ИИ-анализатор проверяет каждый раздел карты и выставляет оценку от 0 до 100 баллов, используя систему «светофор»: зелёный — без ошибок, жёлтый — есть недочёты, красный — значительные нарушения. Кроме балла, врач получает подробное объяснение выявленных ошибок с указанием источников (МКБ, клинические рекомендации) и советами по исправлению.

Система основана на технологиях Yandex AI Studio и использует RAG, обращаясь к векторной базе Qdrant и базе знаний для сверхбыстрого семантического поиска по проверенным картам, справочникам МКБ и алгоритмам лечения. Также в проекте реализовали автоматизированную проверку по уникальным шаблонам и критериям для гинекологии, акушерства, эндокринологии, педиатрии, терапии и других нозологий.

Средняя абсолютная ошибка ИИ по сравнению с оценками врачей-экспертов — около 8–14 баллов в зависимости от специализации. Это классифицируется как «отличное» и «хорошее» качество проверки. Время анализа одной медкарты не превышает 2–5 минут, а архитектура позволяет обрабатывать до 500 тыс. карт в месяц. Средняя стоимость ИИ-проверки одной карты оптимизирована до 4,5–7 рублей за счёт применения RAG-подхода и точечной передачи секций. Врачи моментально получают обратную связь по заполненным картам с возможностью внести правки до следующего дня, а с экспертов снята рутина первичной валидации текстов.

Номинация «Инновационный образовательный проект»

Победитель: ИнтернетУрок

ИнтернетУрок и Антиплагиат представили aiПушкин — ИИ-сервис для проверки школьных сочинений на базе технологий Yandex AI Studio, а также Yandex DataLens и других сервисов Yandex Cloud.

Подготовка к ОГЭ и ЕГЭ занимает у старшеклассников очень много времени. Почти каждую неделю им приходится писать пробные варианты экзамена, а преподавателям — проверять их.

Ученики могут самостоятельно:

• решить тестовую часть экзамена (вопросы блоков A и B);
• сверить ответы с ключами;
• прикинуть оценку — без помощи педагога.

Но проверить сочинение в части C без привлечения эксперта раньше было невозможно. Стандартное ПО умеет анализировать пунктуацию и орфографию, находить речевые ошибки, а отдельные LLM‑модели хорошо оценивают структуру текста. Но даже при чётко заданном промпте языковые модели не дают результата, эквивалентного оценке реального эксперта ЕГЭ.
Цель проекта — дать ученикам возможность полностью самостоятельно и гарантированно качественно проверять аттестационную работу — не только сверять тестовую часть, но и анализировать сочинение. А также помочь педагогам снизить объём рутинной работы и освободить время для задач, которые нельзя автоматизировать.

Модель обучили более чем на 20 тыс. экзаменационных работ, чтобы результат проверки был аналогичен оценке реального проверяющего. Проверка доступна круглосуточно и занимает в среднем 1–2 минуты (вместо 40 минут при ручной проверке). В проверку входят:

• анализ по всем критериям ФИПИ;
• выявление орфографических, пунктуационных и речевых ошибок;
• проверка на логические, фактические и этические недочёты;
• оценка качества аргументации и соответствия теме.

Персональные данные защищены от утечки: у проекта отдельные серверы и автономная система, в aiПушкин не интегрированы другие нейросети.

За время работы сервиса больше 15 тыс. пользователей совершили более 9 тыс. проверок. Средний балл одной проверенной работы увеличился на 3 балла.