AI-платформа ФСК: снижение нагрузки на поддержку на 40% и точность ответов до 96%
Внедрение AI-платформы для застройщика ФСК позволило снизить нагрузку на поддержку на 30–40% и достичь точности ответов до 96%.
Задача
Сотрудникам ФСК требовалось быстро находить информацию по сотням страниц документации о жилых комплексах, а подрядчикам — оперативно получать ответы по тендерным процедурам. Поиск ответов мог занимать более суток.
Решение
Разработана AI-платформа с двумя агентами на базе RAG и Llama 3: один интегрирован в корпоративное приложение «Кнопка» для сотрудников, второй — на сайт для подрядчиков. Применён гибридный поиск с переранжированием, мультиагентная система с роутингом и защита от галлюцинаций.
Результат
- −30–40% Снижение нагрузки на поддержку и коммерческий департамент
- 96% Точность ответов системы по тендерной документации
Нагрузка на поддержку и коммерческий департамент снизилась на 30–40%. Точность ответов по тендерной документации достигла 96%.
Ещё 32 кейса в категории Застройщик → Чат-бот, mini-app
Похожие кейсы
Telegram-бот Sminex Brokers Bot с 3000+ регистраций брокеров
Разработали Telegram-бота и два Mini App для брокеров Sminex — регистраций уже более 3000.
Автоматизация генерации фидов для ДИДЖИТАЛ БУСТ
Автоматизировали генерацию фидов для площадок недвижимости с помощью LLM-агентов, полностью заменив ручной сбор данных.
Мини-приложение «Безопасность» для управления доступом и сервисами ЖК
Разработали мини-приложение «Безопасность» для жилого комплекса, объединив пропуска, видеонаблюдение и домофонию в одном интерфейсе.
AI-система обработки заявок для агентства недвижимости
Внедрили AI-систему первичной обработки лидов для агентства недвижимости: менеджеры получают квалифицированных клиентов с собранным контекстом, выручка выросла на 30%.
Рост продаж в 3 раза за 4 месяца для аренды коттеджей «Сердце природы»
Настроили таргетированную рекламу ВКонтакте для базы отдыха «Сердце природы» и увеличили продажи аренды коттеджей в 3 раза за 4 месяца без роста рекламного бюджета.
ML-модель динамического ценообразования для аренды жилья
Разработана ML-модель динамического ценообразования для аренды жилья, которая анализирует спрос, конкурентов и характеристики объектов, чтобы снизить время простоя и повысить доходность.