Data&ML2Business

Расскажем, как большие языковые модели позволили автоматизировать ранее считавшиеся невозможными шаги в процессах клиентского сервиса: от обработки обращений до работы колл-центра, и почему использование облачных решений для определённых задач эффективнее собственной инфраструктуры.

История о построении гибридной платформы данных (on‑premises и Yandex Cloud), включающей все компоненты для реализации полного цикла работы: ETL, DWH, витрины и дашборды, — а также об опыте миграции аналитической части существующего решения в Yandex Cloud.

Расскажем, как сеть фитнес-клубов DDX автоматизировала продление подписок с помощью голосового LLM-агента. Агент обучен на базе знаний, отвечает на возражения и мотивирует клиентов к продлению или заморозке подписки. Поделимся, как создавали и тестировали агентов и как синтез Yandex SpeechKit Brand Voice помог достичь лучших результатов на исходящих звонках.

На примере практического опыта компании «Кама» покажем, как удалось создать единую аналитическую платформу, объединяющую данные телеметрии, систем ADAS, разработки, производства и взаимодействия с клиентами, и расскажем, как это помогает в процессе разработки электромобиля.

Расскажем про опыт внедрения речевых и LLM‑моделей в работу с населением. Разберём, как пришли к выбранному ансамблю моделей, какие были трудности и как их решали. Поделимся тем, какую команду нужно собрать для реализации такого проекта, какие подходы использовали и какие были затраты.

История о том, как управляемые сервисы Yandex Cloud помогли нам на пути к самостоятельной разработке на Modern Data Stack.

LLM в чатах — это не просто умные ответы, а способ слышать клиента и решать его реальные проблемы. Мы научили AI избегать шаблонности, отвечать естественно и выявлять глубинные боли клиентов. Вместо ручного разбора диалогов мы автоматизировали поиск инсайтов, превращая разрозненные вопросы в чёткие паттерны. В итоге AI не просто поддерживает клиентов, а помогает бизнесу менять процессы.

История о создании информационного пространства для аналитических задач, поддержки принятия управленческих решений и оптимизации бизнес-процессов на базе сервисов Yandex Cloud. Расскажем, как платформа на базе Greenplum® и ClickHouse® поддерживает работу с большими объёмами данных и обеспечивает высокую производительность при обработке запросов, а YTsaurus помогает с задачами машинного обучения.

На примере кейсов ЦИАН расскажем, как мы используем LLM для автоматизации: от проверки объявлений и отбора резюме до речевой аналитики в продажах. Поделимся, какие роли и экспертизы нужны в команде, как ускорить TTM и снизить затраты на внедрение, а также какими ошибками нас удивляли LLM и что с этим делать.

Как мы преобразуем видеопоток с периметровых камер стадиона в структурированные спортивные данные. На примере футбольных матчей покажем, как с помощью современных технологий Yandex Cloud видеопоток превращается в фитнес-показатели и другую продвинутую статистику.

Расскажем, как в «молочном» FMCG мы дошли от первых экспериментов с ML-моделью прогноза спроса к масштабируемой системе на базе Yandex Cloud. Поговорим о реальных бизнес-вызовах, неочевидных инсайтах после запуска, зрелости процессов и о том, как MLOps помогает объединить данные, инструменты и команды — чтобы ML стал не витриной, а рабочим продуктом с понятной бизнес-ценностью.

Управление на основе данных: как аналитика на базе Yandex Cloud превратила производственные показатели в экономический эффект.

FinGPT: как создаётся лучший в мире инвестиционный AI‑агент.

Опыт в банковской отрасли: построение отказоустойчивых высоконагруженных решений на базе YDB.