Запустить пилот

ARC AI AI-платформа для развития бизнеса

Анализ данных, выявление проблем, рекомендации и контроль результата

01

Как это работает

От данных к росту: единый цикл анализа, решений и внедрения

  1. Анализ

    Собираем данные и находим, где процесс теряет время и деньги.

  2. Рекомендации

    Формулируем гипотезы и расставляем приоритеты: что менять в первую очередь.

  3. Реализация

    Собираем пилот и встраиваем его в рабочие системы.

  4. Результат

    Измеряем эффект и масштабируем то, что сработало.

02

Решения

ИИ-решения под конкретные процессы: поддержка, документы, база знаний, встречи, экспертиза сотрудников

MVP, пилот на одной линии поддержки

Система сама сортирует обращения в поддержку, находит похожие решённые случаи и готовит черновик ответа. Первая линия перестаёт тратить время на рутину.

Как работает

  1. Заявки приходят из почты, мессенджера и формы на сайте и попадают в общую очередь.
  2. LLM определяет категорию, срочность и продукт и выделяет главное: ошибку, номер заказа, окружение клиента.
  3. По базе закрытых тикетов и документации система ищет похожие случаи сразу по тексту и по смыслу.
  4. Модель готовит черновик ответа со ссылками на источники. Оператор отправляет его в один клик или правит.
  5. Неоднозначные и VIP-заявки сразу уходят на вторую линию.

Ключевые особенности

  • Человек утверждает каждый ответ. Без оператора ничего не уходит клиенту.
  • Персональные данные маскируются до отправки в модель.
  • Метрики. Видно, какая доля черновиков ушла без правок и как изменилось время первого ответа.
  • Модель обучается на правках. Исправления операторов собираются в датасет для улучшения ответов.

Рабочий прототип на 3 типах документов

Сервис распознаёт счета, акты и накладные и выгружает данные в учётную систему. Ручной ввод бухгалтерии больше не нужен.

Как работает

  1. Документы загружаются пачкой: сканы, фото или PDF из почты.
  2. Vision-модель определяет тип документа и извлекает реквизиты, суммы, НДС, позиции и даты.
  3. Данные проверяются: сходятся ли суммы и есть ли контрагент в справочнике.
  4. Если модель не уверена, документ попадает в очередь ручной проверки, а сомнительные поля подсвечиваются.
  5. Проверенные данные выгружаются в учётную систему через API или файл обмена.

Ключевые особенности

  • Понятная уверенность модели. По каждому полю видно, насколько модель уверена и откуда взято значение (подсветка на скане).
  • Дубли не проходят. Документ, который уже загружали, система отсекает.
  • Офлайн-режим для компаний, где документы нельзя передавать во внешние сервисы.
  • Статистика экономии. Видно, сколько ручного ввода сэкономлено за неделю или месяц.

MVP, пилот в одном отделе

Чат-бот отвечает сотрудникам на вопросы по регламентам, инструкциям и внутренним системам и всегда даёт ссылки на источники.

Как работает

  1. Система собирает документы из вики, общих папок, PDF-регламентов и тикет-системы.
  2. Тексты режутся на фрагменты и индексируются для поиска по смыслу.
  3. Сотрудник задаёт вопрос в мессенджере. Ассистент находит нужные фрагменты и отвечает по ним (RAG).
  4. Если ответа в базе нет, ассистент честно говорит «не знаю» и предлагает связаться с ответственным.
  5. Вопросы без ответа собираются в список «чего не хватает в документации».

Ключевые особенности

  • Права доступа. Ответы строятся только по документам, которые этому сотруднику разрешено видеть.
  • Источник в каждом ответе. Галлюцинации проверяются тем, что каждое утверждение подкреплено ссылкой.
  • Актуальность. Индекс обновляется автоматически, когда меняются документы.
  • Аналитика спроса. Видно, о чём спрашивают чаще всего и где база знаний устарела.

Прототип: обработка записей и выгрузка задач работают, напоминания в разработке

Агент превращает запись созвона в протокол с решениями и задачами, ставит задачи в таск-трекер и следит, чтобы их выполнили.

Как работает

  1. Запись встречи загружается вручную или подтягивается из календаря и сервиса видеосвязи.
  2. Локальная модель распознавания речи расшифровывает её и разделяет по спикерам.
  3. LLM выделяет повестку, принятые решения, задачи, ответственных и сроки.
  4. Участники получают протокол на подтверждение. После подтверждения задачи автоматически создаются в трекере.
  5. Агент напоминает о дедлайнах и в начале следующей встречи готовит сводку «что сделано, что нет».

Ключевые особенности

  • Локальная обработка. Аудио не отправляется во внешние сервисы.
  • Поиск по истории встреч. Можно спросить, например, «когда решили перенести релиз и почему».
  • Ответственные отмечены явно, спорные пункты помечаются для уточнения.
  • Интеграции: календарь, трекер задач, мессенджер.

Рабочий прототип (MVP)

Локальная система, которая собирает рабочие знания ключевого IT-специалиста и сохраняет их в компании, если сотрудник уйдёт, уедет в отпуск или станет недоступен.

Как работает

  1. На вход подаются скриншоты рабочего экрана сотрудника. Их можно принести пачкой или система сама подхватывает их из папки.
  2. Локальная vision-модель разбирает каждый кадр: в каком приложении работает человек, чем занят, какие видны ошибки, задачи, технологии и бизнес-правила.
  3. События сохраняются в локальную базу. Поиск по ней работает двумя способами одновременно: по тексту и по смыслу.
  4. Из событий строятся дневные и недельные сводки и профиль знаний специалиста.
  5. Двойнику можно задавать вопросы, и он отвечает по накопленной истории работы. Раз в неделю система сама проверяет двойника тестом и показывает, как растут его знания.

Ключевые особенности

  • Полностью офлайн. Данные не покидают компьютер.
  • Защита секретов (DLP). Пароли, токены и ключи вырезаются автоматически ещё до записи в базу.
  • Повторы отсеиваются. Если человек 20 минут смотрел в один экран, модель разберёт 1 кадр, а не 20.
  • Тестовый режим. Можно запустить без нейросети и проверить всю цепочку от начала до конца.
  • Простой интерфейс. Веб-страница из 6 вкладок, запуск на Windows двойным кликом.

03

Сценарии

Задачи, которые мы уже решили: от входящих заявок до аналитики соцсетей

Сервисная компания

Telegram-ассистент для обработки входящих заявок

Задача
В небольшую сервисную компанию заявки приходили сразу из нескольких мест: Telegram, сайт, Авито, почта. Менеджеры вручную переносили их в таблицу, отвечали с задержкой и теряли часть обращений.
Решение
Сделали единого Telegram-бота с ИИ-обработкой и простой админкой.

Что умеет

  • Собирает заявки со всех каналов в одну ленту.
  • С помощью LLM разбирает текст обращения: определяет тип услуги и срочность, достаёт контакты и бюджет.
  • Сразу отправляет клиенту ответ по шаблону и задаёт уточняющие вопросы, если чего-то не хватает.
  • Раздаёт заявки менеджерам по загрузке и специализации.
  • Напоминает о заявках без ответа и показывает дневную сводку в чате руководителя.
  • Выгружает данные в Google Sheets и CRM.

Результат

  • За минутуприходит первый ответ клиенту, а не за несколько часов
  • Ни одназаявка не теряется
  • ≈ 40%времени на рутину экономят менеджеры

Розничная сеть

AI-панель для работы с отзывами на картах

Веб-сервис для розничной сети с десятками магазинов. Собирает отзывы покупателей с Яндекс Карт, 2ГИС и Google Maps через агрегатор отзывов и автоматизирует работу с ними.

Что делает
  • Сбор и анализ. Подтягивает отзывы по всем точкам и привязывает каждый к конкретному магазину. Показывает статистику и динамику рейтинга за выбранный период.
  • Ответы с помощью ИИ. Многошаговый конвейер разбирает отзыв, пишет черновик публичного ответа и проверяет его по набору правил: тон, отсутствие пустых обещаний, соответствие политике бренда. Если проверка не пройдена, ответ дорабатывается автоматически.
  • Очередь модерации. Оператор просматривает, правит и одобряет ответы. После одобрения ответ публикуется на карту в один клик, повторно на уже отвеченные отзывы не уходит.
  • Разборы для управляющих. По негативным отзывам ИИ готовит письмо управляющему магазина. Письмо можно отредактировать до отправки. Этот поток полностью отделён от публичных ответов.
  • Отчёты и выгрузки. Периодические отчёты проходят согласование перед рассылкой. Есть выгрузка отзывов в Excel и обработка анкет: ИИ делит комментарии на позитивные и негативные по смыслу.
  • Администрирование. Роли и доступы сотрудников. LLM-провайдер переключается из интерфейса, ключи в нём маскируются. Тумблеры для боевой публикации и рассылок вынесены отдельно.

Розничная сеть, отдел маркетинга

Платформа генерации рекламного контента

Сотрудник загружает рекламный креатив (фото или PDF) или описывает акцию текстом. Система распознаёт данные, собирает бриф и через цепочку LLM-моделей генерирует готовые варианты сразу под несколько каналов.

Что делает
  • Каналы: короткое сообщение (лимит 70 символов), пост для Telegram и соцсетей, рассылка для чат-ботов (Telegram и MAX), пуш-уведомление, email-письмо в фирменном шаблоне.
  • Пошаговый мастер. Контент проверяют, правят форматирование и одобряют по одному каналу; ненужное можно пропустить одной кнопкой.
  • Мультимодальное распознавание креатива и генерация текста в tone of voice бренда.
  • Разные модели под разные задачи через единый LLM-шлюз: легко A/B-тестировать и переключать провайдера без изменения кода.
  • Единый формат контента и автоматический рендер под разметку каждого канала.
  • Email собирается в формате реальных рассылок сети: карточки товаров с фото, ценами и ссылками подтягиваются автоматически по артикулу.
  • Программная валидация (лимиты символов, обязательные поля) с авторегенерацией при ошибке.
  • Трекинг правок: что сгенерировано, что изменил редактор, доля одобрений без правок. Сводка в админ-панели.
  • Ролевой доступ: редактор и администратор.

Готовый сервис

Аналитика сообществ ВКонтакте

Сервис раз в час собирает публикации из заданного списка открытых сообществ ВКонтакте через официальный API и строит отчёты об активности за любой период.

Что умеет
  • Собирает данные автоматически каждый час. Первая загрузка забирает всю историю стены, дальше подгружаются только новые и обновлённые посты.
  • По каждому посту хранит просмотры, реакции, репосты и комментарии.
  • Строит отчёт за выбранный период: число постов, сумму просмотров и реакций, график по дням, неделям или месяцам и разбивку по сообществам.
  • Выгружает отчёты в Excel и CSV.
  • Управляет списком сообществ из интерфейса. При добавлении по ссылке сервис проверяет, что стена доступна для чтения.
  • Показывает предупреждение, если данные устарели, был сбой API или период выходит за пределы собранной истории. Так в отчёте не появляются нули, похожие на настоящие данные.

04

Дорожная карта

От анализа данных до масштабирования

  1. 0–2 недели

    Анализ данных, постановка гипотез

  2. 2–6 недель

    Разработка и пилот (MVP)

  3. 6–10 недель

    Внедрение и интеграции

  4. Далее

    Масштабирование и развитие

05

Запустить пилот

Расскажите о задаче. Первые две недели уходят на анализ данных и гипотезы.

Telegram
уточняется
Почта
уточняется