CorpGPT: корпоративный поиск
Сотрудники тратили 15–30 минут на поиск по разрозненным внутренним источникам. В пилоте CorpGPT это время сократилось до 5–10 минут.
Задачи, архитектурные решения и ограничения — в едином каталоге, который будет расти вместе с новыми кейсами.
Сотрудники тратили 15–30 минут на поиск по разрозненным внутренним источникам. В пилоте CorpGPT это время сократилось до 5–10 минут.
Ручная проверка изменений SQL-витрин занимала около 90 минут. Агент сократил анализ до 35 минут и помог снизить число инцидентов после релиза на 35%.
Разбор деградаций данных требовал ручной сверки пяти источников и в среднем занимал 4,5 часа. Stateful-агент сократил MTTR до 2,1 часа.
Поток из 20–30 тысяч строительных документов в месяц требовал ручного переноса данных. Гибридный пайплайн обрабатывал около 70% документов без человека.
Поиск нужной версии нормативного документа занимал 10–15 минут. Version-aware RAG сократил его до 1–2 минут, не смешивая редакции и условия из таблиц.
Короткие обращения со стройплощадок могли содержать несколько проблем сразу. Multi-label пайплайн снизил ошибки маршрутизации на 35–40%, сохранив ручной fallback.
В потоке было до 40% шумных или противоречивых событий. Transformer с ограничениями графа снизил Manual Correction Rate примерно с 70% до 15%.
Трансформер давал лишь 1–2% дополнительного F1 ценой GPU и роста latency. Гибридный LightGBM-пайплайн автоматически маршрутизировал 70–75% тикетов.
Модель приоритизировала B2B-заявки и учитывала drift входящего потока. В A/B-тесте конверсия выросла на 10,5%, а время первого контакта сократилось на 25%.