{"id": "P05-B2B-RU-P01", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2B", "tags": ["TRADE", "распределение и ценообразование", "фарма", "vendor_case"], "organization": "ООО «АрхиМед» (фармацевтический дистрибьютор)", "org_type": "действующая компания", "process": "прогнозирование спроса и динамическое ценообразование при оптовой дистрибуции фармацевтических товаров (планирование закупок/продаж, управление маржой и остатками)", "period": "материал опубликован 2025-09-18; точный период внедрения (год начала) в тексте не назван (unknown)", "industry": "фармацевтическая оптовая дистрибуция", "function": "продажи/ценообразование/закупки (B2B-дистрибуция)", "b2b_b2c": "B2B", "country": "Россия", "country_basis": "компания работает в 32 регионах России (по тексту источника)", "before": "цены и объёмы закупок анализировались вручную (по формулировке источника: «автоматизировать анализ цен» было одной из задач проекта); риск залеживания товара, непрозрачное управление маржой — по тексту раздела «Задачи проекта»", "after": "двухэтапная рекомендательная система: модель градиентного бустинга прогнозирует спрос по историческим данным и внешним факторам, алгоритм ценообразования (вероятностное прогнозирование + линейная регрессия + бизнес-правила) выдаёт рекомендованные цены; часть времени сотрудников перераспределена на аналитическую работу (дословно из источника)", "technologies": ["predictive_ML", "optimization"], "technology_basis": "«Модель прогнозирования спроса на основе градиентного бустинга, анализирующая исторические данные и внешние факторы. Алгоритм оптимизации цены на основе методов вероятностного прогнозирования и линейной регрессии в сочетании с бизнес-правилами» — раздел «Разработанный функционал»; GenAI/agent источником не упоминаются, поэтому в technologies не включены", "human_role": "источник не детализирует, кто именно работал с системой прежде и как изменилась роль; известно только дословно: «Время сотрудников перераспределено в пользу аналитической работы» (раздел «Результаты внедрения»)", "agent_role": "формирует рекомендации по прогнозу спроса и цене (модель + алгоритм)", "authority": "unknown — источник не указывает, кто принимает финальное решение по цене (система автономно или сотрудник); формулировка «рекомендательная система» в названии решения предполагает, что итоговое решение не описано как полностью автономное, но прямого текста об этом нет", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "заголовок раздела «Результаты внедрения» и перечисленные результаты («Скорость анализа информации по ценам и принятия решений увеличилась на 50%» и др.) — источник описывает уже полученные результаты работающего решения, а не план/пилот/R&D; явного маркера длительности эксплуатации (типа «уже N лет») в тексте нет", "ai_native_label": "none", "ai_native_label_basis": "источник не использует термин «AI-native»; это точечная замена аналитического процесса в рамках существующей операционной модели дистрибьютора, не описано сквозное изменение процесса или операционной модели", "effects": [{"metric": "скорость анализа информации по ценам и принятия решений", "value": "+50%", "unit": "%", "baseline": "unknown", "period": "unknown", "claimed_by": "vendor (Сбер2B / ООО «Сбер Бизнес Софт»)", "status": "SOURCE_CLAIM"}], "outcome": "success", "uncertainty": "метрика единственная и агрегированная, нет базовых цифр (было/стало в абсолютных величинах), нет независимого подтверждения, нет даты запуска и длительности эксплуатации; возможна публикационная селекция успешного кейса вендором; страница построена по шаблону кейсов Сбер2B (те же заголовки разделов у других кейсов), что снижает информативность формулировок", "alternative_explanations": "рост скорости мог быть связан с общей цифровизацией/новым ПО, а не конкретно с ИИ-компонентом; вклад именно ИИ-модели не выделен отдельно от процесса внедрения инструмента в целом", "costs_side_effects": "не раскрыты — нет данных о стоимости внедрения, привлечении подрядчиков, влиянии на качество прогнозов вне тестового периода", "pdca": null, "transfer_limits": "кейс одного дистрибьютора одной товарной категории (фарма) от вендора решения; неясно, переносим ли эффект на дистрибьюторов с другой структурой ассортимента", "claims": [{"text_ru": "ООО «АрхиМед» внедрило двухэтапную ИИ-систему прогнозирования спроса и ценообразования (градиентный бустинг + вероятностное прогнозирование/линейная регрессия), что, по словам вендора, ускорило анализ и принятие решений на 50%", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения инструмента и заявленная вендором величина эффекта; независимой верификации нет", "source_url": "https://sberbs.ru/blogs/cases/prognozirovanie-sprosa-i-avtomatizaciya-cenoobrazovaniya-dlya-farmacevticheskogo-distribyutora-k", "locator": "разделы «Разработанный функционал» и «Результаты внедрения»"}], "sources": [{"url": "https://sberbs.ru/blogs/cases/prognozirovanie-sprosa-i-avtomatizaciya-cenoobrazovaniya-dlya-farmacevticheskogo-distribyutora-k", "title": "Прогнозирование спроса и автоматизация ценообразования для фармацевтического дистрибьютора: кейс «Архимед»", "publisher": "Сбер2B (ООО «Сбер Бизнес Софт»)", "author": "unknown (byline на странице отсутствует)", "date": "2025-09-18", "type": "company_blog", "locator": "полный текст страницы", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P05-B2B-RU-F01"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "искать независимое подтверждение (пресс-релиз АрхиМед, отраслевая пресса о фармдистрибуции) либо доп. кейсы того же вендора с другими клиентами для сравнения; уточнить дату/длительность внедрения — в тексте не названа"}
{"id": "P05-B2B-RU-P02", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2B", "tags": ["TRADE", "дистрибуция", "прогнозирование спроса", "vendor_case"], "organization": "Группа «Фаско+» (Fasko+)", "org_type": "действующая компания", "process": "прогнозирование продаж (ассортиментное планирование) для производственно-дистрибьюторского направления группы — оптовые поставки грунтов, семян и садовой продукции в 12 федеральных и 16 региональных DIY/FMCG-сетей по 76 регионам России, Казахстана и Беларуси", "period": "пилотный запуск сервиса «1С:Прогнозирование продаж» в 2022 году (первые участники пилота 1С, со слов финдиректора); операционная эксплуатация — более 3 лет к моменту публикации 26.03.2026; сравнение показателей дано по годам: 2019 (до внедрения), 2022 (после внедрения), 2025 (после 3 лет эксплуатации)", "industry": "производство и дистрибуция товаров для сада, огорода и дома (торф, грунты, семена)", "function": "продажи/планирование спроса и ассортимента (канал прямой B2B-дистрибуции; сервис не затрагивает розничное направление группы — сады-центры «Дарвин» и интернет-магазин)", "b2b_b2c": "B2B", "country": "Россия", "country_basis": "дистрибуция по 76 регионам России, Казахстана и Беларуси; торфяные поля и производственно-складской комплекс группы — в России (по тексту источника)", "before": "составление ассортиментного плана занимало не менее 3 дней вручную и зависело от одного аналитика (риск критической зависимости от специалиста); точность планирования в 2019 г. (Excel + ручной ввод в ERP): в среднем 58,9% (мин. 49,2%, макс. 67,2%); доля невыполненных заказов в сезон — 10%; по ABC-анализу точность для группы A (80% продаж) — 60%, B — 70%, C — 57%, новинок — 21%; общая точность — 60,4%", "after": "сервис «1С:Прогнозирование продаж» на базе полиномиальной модели (совместная разработка 1С и «Фаско+», обучение модели на 10-летней истории продаж, учёт невыполненных заказов и восстановленного спроса); все этапы (настройка сценария, обучение модели, формирование прогноза) занимают не более 15 минут; работу выполняет «простой экономист» вместо штатного аналитика; точность выросла до среднего 71,8% в 2022 г. и 76,4% (макс. 84,4%) в 2025 г.; доля невыполненных заказов снижена до 1,5% к концу 2025 г.; 95% ассортиментного плана формирует ИИ, 5% (акции и VIP-заказы, «которых не было в прошлых периодах») корректируются вручную", "technologies": ["predictive_ML"], "technology_basis": "«используется технология на базе искусственного интеллекта, созданная совместно с сотрудниками “1С”» (цитата Анны Дорониной, финдиректора «Фаско+»); «Команда “Фаско+” проанализировала все возможные методы прогнозирования и выбрала метод полинома как наиболее подходящий» — раздел «Этапы проекта»; GenAI/agent источником не упоминаются", "human_role": "ранее — штатный аналитик (ФОТ 3,5 млн руб./год), выполнявший планирование вручную, критическая точка отказа; сейчас — «простой экономист» запускает сервис и вручную корректирует 5% плана (акции, VIP-заказы); должность аналитика упразднена (экономия ФОТ)", "agent_role": "формирует 95% ассортиментного плана автоматически на основе обученной модели; ИИ не знает заранее о промо-акциях и VIP-заказах без исторических аналогов — по прямой цитате: «Вручную корректируется полученный от ИИ план на акции и VIP-заказы, которых не было в прошлых периодах, поэтому ИИ про них не знает»", "authority": "система формирует 95% ассортиментного плана без участия человека; 5% (акции/VIP-заказы) — под ручной корректировкой (дословно из источника)", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "«Операционная эксплуатация этого сервиса длится уже более трех лет, и результаты доказали высокую точность прогноза на базе ИИ» (цитата Анны Дорониной); ранее — «мы посчастливилось стать первыми участниками пилотного проекта» (2022), то есть стадия pilot пройдена и завершилась переходом в постоянную эксплуатацию", "ai_native_label": "none", "ai_native_label_basis": "источник не использует термин «AI-native»; заменена аналитическая функция планирования спроса внутри существующей модели дистрибуции, сквозной процесс (закупки/производство/розница) и операционная модель компании в целом не переработаны", "effects": [{"metric": "точность прогноза продаж, средняя", "value": "58.9 → 71.8 → 76.4", "unit": "%", "baseline": "58.9% (2019, до внедрения)", "period": "2019 / 2022 (после внедрения) / 2025 (после 3 лет эксплуатации)", "claimed_by": "company (Анна Доронина, финдиректор «Фаско+») со ссылкой на совместную с 1С разработку", "status": "SOURCE_CLAIM"}, {"metric": "точность прогноза продаж, максимальное значение", "value": "67.2 → 79.9 → 84.4", "unit": "%", "baseline": "67.2% (2019)", "period": "2019 / 2022 / 2025", "claimed_by": "company", "status": "SOURCE_CLAIM"}, {"metric": "доля невыполненных заказов", "value": "10 → 1.5", "unit": "%", "baseline": "10% (2019)", "period": "2019 → конец 2025", "claimed_by": "company", "status": "SOURCE_CLAIM"}, {"metric": "время составления прогноза на 3 месяца", "value": "3 дня → 15 минут", "unit": "время", "baseline": "3 дня", "period": "до внедрения → 2025", "claimed_by": "company", "status": "SOURCE_CLAIM"}, {"metric": "экономия на ФОТ (упразднённая должность аналитика)", "value": "3.5", "unit": "млн руб./год", "baseline": "unknown", "period": "unknown", "claimed_by": "company", "status": "SOURCE_CLAIM"}], "outcome": "success", "uncertainty": "источник явно называет ограничение модели: погодозависимые сдвиги начала сезона (3–6 недель) ИИ не прогнозирует — дословно «с этим фактором искусственный интеллект пока не помогает» (сам источник фиксирует границу применимости); независимой верификации метрик нет — единственный источник — интервью финдиректора компании изданию Retail.ru, разработчик сервиса (1С) в материале выступает соавтором технологии, но не независимым проверяющим", "alternative_explanations": "часть роста точности прогноза может объясняться накоплением исторических данных (используются 10 лет истории) и общим улучшением процессов планирования, а не только моделью; сокращение штата аналитика — следствие автоматизации процесса в целом, не обязательно чистый эффект именно ИИ-компонента", "costs_side_effects": "упразднена штатная позиция аналитика (перенос/сокращение труда с высокооплачиваемого специалиста на «простого экономиста»); стоимость и сроки внедрения ИИ-модуля не раскрыты; явно признанное ограничение по погодным сдвигам спроса, требующее ручной корректировки планов", "pdca": null, "transfer_limits": "кейс одной торговой группы с длинной историей данных (10 лет) и сезонным, но предсказуемым в целом ассортиментом; сама компания отмечает, что компаниям без «такой острой сезонности» достаточно данных за 3 года — то есть требования к объёму истории переносимы не на все отрасли", "claims": [{"text_ru": "Группа «Фаско+» с 2022 года эксплуатирует сервис «1С:Прогнозирование продаж», за три года подняв среднюю точность прогноза с 58,9% до 76,4% (максимум — до 84,4%) и сократив время планирования с 3 дней до 15 минут; сама компания признаёт, что модель не учитывает краткосрочные погодные сдвиги спроса и требует ручной корректировки промо-акций", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения, факт продолжающейся эксплуатации (стадия production) и заявленные компанией величины эффекта, включая явно названное ограничение модели; независимой верификации нет", "source_url": "https://www.retail.ru/cases/ii-pomog-na-84-povysit-tochnost-prognoza-prodazh-proizvoditelyu-gruntov-i-semyan/", "locator": "полный текст кейса, цитаты Анны Дорониной"}], "sources": [{"url": "https://www.retail.ru/cases/ii-pomog-na-84-povysit-tochnost-prognoza-prodazh-proizvoditelyu-gruntov-i-semyan/", "title": "Кейс: ИИ помог на 84% повысить точность прогноза продаж производителю грунтов и семян", "publisher": "Retail.ru", "author": "Валерия Миронова, Retail.ru", "date": "2026-03-26", "type": "media", "locator": "полный текст статьи, дата в подписи «26 марта 2026, 5:00» (в JSON-LD страницы datePublished указан как 2026-03-24 — расхождение на 2 дня, использована дата из видимой подписи статьи)", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P05-B2B-RU-F02"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "проверить, есть ли первоисточник кейса на сайте 1С; искать независимую отраслевую заметку о «Фаско+» вне материалов 1С/Retail.ru"}
{"id": "P05-B2B-RU-P03", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2B", "tags": ["откат", "неудача", "холодные звонки", "rolled_back"], "organization": "Vagabond (брендинговое B2B-агентство)", "org_type": "действующая компания", "process": "автоматизация холодных звонков потенциальным B2B-клиентам ИИ-роботом подрядчика с целью минимизировать участие менеджеров по продажам", "period": "проект тестировался и был остановлен в течение примерно 4 месяцев; точные календарные даты начала/окончания в тексте не названы; материал опубликован 2026-02-17", "industry": "брендинг, дизайн и коммуникационные услуги", "function": "продажи (холодная генерация лидов, первичный контакт)", "b2b_b2c": "B2B", "country": "Россия", "country_basis": "компания и публикация (T-Банк, «Секреты бизнеса») — российские", "before": "клиенты приходят в основном по рекомендациям («Клиенты часто приходят по рекомендациям»); холодные звонки как отдельный канал привлечения ранее, по-видимому, не использовался — текст явно этого не утверждает, отмечена только попытка «протестировать новый канал привлечения»", "after": "запущен голосовой ИИ-робот подрядчика для автоматических холодных звонков (интеграция с CRM, загруженная база контактов, звонки записывались для контроля); за 4 месяца, при трёх сменах команды подрядчика, качественных лидов не получено — проект остановлен, сотрудничество с подрядчиком прекращено, «ИИ-обзвоны больше не применяют»", "technologies": ["agent", "NLP"], "technology_basis": "«ИИ‑робота для холодных продаж... который будет звонить потенциальным клиентам, вести диалог по скрипту, фиксировать ответы и передавать лиды в CRM. Робот должен был понимать контекст беседы и обучаться» — раздел «Что случилось»; GenAI дословно не упоминается (используются общие термины «ИИ-робот», «нейросеть»), поэтому статус технологии — agent/NLP, а не отдельно заявленный GenAI", "human_role": "сотрудники Vagabond вместе с подрядчиком составляли сценарии диалогов, интегрировали робота с CRM и загружали базу контактов; контроль осуществлялся постфактум — «Чтобы следить за работой нейросети, звонки записывали»; после провала — прекратили сотрудничество с подрядчиком и отказались от канала", "agent_role": "робот самостоятельно вёл диалог по скрипту в реальном времени, должен был квалифицировать интерес и передавать лид в CRM без участия менеджера на этапе звонка", "authority": "робот действовал автономно во время звонка (человек контролировал только постфактум по записям); именно эта автономия без контроля в моменте называется источником причиной провала (робот «не различал живых собеседников и автоответчик», «спорил с другим роботом»)", "change_depth": "operation", "deployment_stage": "rolled_back", "stage_marker_quote": "«решили протестировать новый канал привлечения — ИИ‑робота для холодных продаж» → «...проект остановили»; компания подтверждает: «Сотрудничество с подрядчиком в Vagabond прекратили и ИИ‑обзвоны больше не применяют»", "ai_native_label": "none", "ai_native_label_basis": "попытка автоматизации точечной операции (холодный звонок) без встраивания в более широкий процесс; сама компания термин «AI-native» не использует", "effects": [{"metric": "потраченный бюджет", "value": "200000", "unit": "руб.", "baseline": "0", "period": "~4 месяца", "claimed_by": "company (сооснователь Алина Ли Аскарова)", "status": "SOURCE_CLAIM"}, {"metric": "качественные лиды получены", "value": "0", "unit": "шт.", "baseline": "unknown", "period": "~4 месяца", "claimed_by": "company", "status": "SOURCE_CLAIM"}], "outcome": "negative", "uncertainty": "оценка провала дана самой компанией постфактум в интервью изданию; неизвестно, был ли скрипт/промпт-инжиниринг сделан качественно изначально (за 4 месяца трижды менялась команда подрядчика, что само по себе могло быть фактором неудачи наравне с ограничениями технологии) — источник не разделяет вклад качества исполнения подрядчика и вклад самой технологии", "alternative_explanations": "возможная причина неудачи — не только технология, но и слабая настройка диалоговых сценариев, частая смена команды подрядчика (3 раза за 4 месяца) и отсутствие пилота меньшего масштаба перед полноценным запуском", "costs_side_effects": "прямые финансовые потери (200 000 руб.), проект закрыт, откат к ручному процессу привлечения (в основном рекомендации), отказ от использования ИИ-обзвонов как канала в принципе (не только от конкретного подрядчика)", "pdca": null, "transfer_limits": "единичный кейс малого B2B-агентства со сложными консультативными продажами (брендинг); сама компания делает вывод, что причина — «попытка применить инструмент массмаркета к сложному продукту», то есть перенос на транзакционные/типовые B2B-продажи источником прямо не отрицается", "claims": [{"text_ru": "Компания Vagabond подключила голосового ИИ-робота подрядчика для холодных звонков в B2B-продажах, за 4 месяца (при трёх сменах команды подрядчика) не получила ни одного качественного лида, потратила 200 000 руб. и полностью отказалась от канала", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения, факт отказа от проекта (rolled_back) и заявленные компанией цифры — со слов сооснователя в интервью изданию; независимой сторонней верификации сумм нет", "source_url": "https://secrets.tbank.ru/trendy/kak-biznes-provalilsia-iz-za-ii/", "locator": "первый из трёх кейсов статьи, раздел «Подключили ИИ‑обзвоны и потеряли 200 000 ₽»"}], "sources": [{"url": "https://secrets.tbank.ru/trendy/kak-biznes-provalilsia-iz-za-ii/", "title": "Доверился ИИ и провалился: 3 кейса бизнеса из России", "publisher": "Т-Банк, «Т-Бизнес секреты» (secrets.tbank.ru)", "author": "Редактор: Артем Суровцев", "date": "2026-02-17", "type": "media", "locator": "первый из трёх описанных кейсов (Vagabond)", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P05-B2B-RU-F03"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "искать прямые публикации/посты сооснователя Vagabond с деталями для перекрёстной проверки цифр; уточнить название подрядчика (в источнике не названо)"}
{"id": "P05-B2B-RU-P04", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2B", "tags": ["телеком", "voice_AI", "vendor_case", "реселлинг/white_label"], "organization": "ПАО «Ростелеком» (B2B-продуктовый портфель, партнёрство с TWIN / ООО «Уралинновация»)", "org_type": "действующая компания", "process": "партнёрская интеграция голосовых и чат-ботов TWIN (white label) в продуктовый портфель Ростелекома для корпоративных клиентов — продажа ботов в составе АТС Ростелеком или как отдельного продукта существующим и новым B2B-клиентам", "period": "точные календарные даты не названы; в тексте — «За первые месяцы совместной работы»; этому предшествовал отдельный B2C-пилот (автообзвон по продлению услуги домашнего телефона), после успеха которого «началась полномасштабная интеграция продуктов TWIN», включая B2B-линейку", "industry": "телекоммуникации", "function": "продажи (расширение продуктового портфеля для существующих и новых корпоративных клиентов, партнёрская дистрибуция AI-продукта)", "b2b_b2c": "B2B", "country": "Россия", "country_basis": "Ростелеком — российский телеком-оператор, публикация на русском языке", "before": "Ростелеком продавал корпоративным клиентам стандартные продукты (корпоративные номера и связь, интернет, АТС); дословно из источника: «У Ростелеком наблюдалась проблема в продажах B2B клиентам: продать новые продукты старым клиентам становилось сложнее, а новые клиенты в условиях конкуренции чаще делали выбор в пользу другого оператора»", "after": "по партнёрству (white label) Ростелеком «предложили работать по партнерской системе, чтобы использовать роботов TWIN под своим брендом и перепродавать решение действующим корпоративным клиентам»; дословно: «Мы предложили интегрировать и продавать голосовых и чат-ботов в составе АТС Ростелеком или как новый отдельный продукт»; кому именно и как продавали (какой сбытовой процесс использовался — исходящие звонки менеджеров, включение в тарифные предложения и т.п.) источник не детализирует", "technologies": ["agent", "NLP"], "technology_basis": "«Собственная разработка платформы и движка искусственного интеллекта» (раздел «Выбор TWIN»); «Голосовой ИИ-агент TWIN.VoiceAIAgent: говорит как человек, понимает эмоции, обучается, распознаёт речь при шумах и ведёт тысячи диалогов одновременно» (раздел «Продукты Twin»); GenAI дословно не заявлен — используется общая формулировка «искусственный интеллект»/«ИИ-агент»", "human_role": "unknown для B2B-части — источник не описывает, кто и как продавал ботов корпоративным клиентам (менеджеры Ростелекома, автоматические каналы или комбинация); для смежного B2C-пилота (не входит в эту карточку) известно, что «обучили несколько менеджеров со стороны Ростелеком»", "agent_role": "боты TWIN становятся частью продукта/сервиса, который покупают корпоративные клиенты Ростелекома (в составе АТС или как отдельная услуга); роль ИИ именно в процессе продажи этим клиентам (кто и как их привлекал) в тексте не раскрыта — источник даёт только коммерческие результаты сделки-партнёрства", "authority": "unknown — источник не указывает контур автономии ИИ в самом процессе привлечения/продажи B2B-клиентам; известна только автономия ботов как конечного продукта (ведут диалог с клиентами Ростелекома самостоятельно), а не автономия в процессе их продажи корпоративным заказчикам", "change_depth": "operation", "deployment_stage": "limited_production", "stage_marker_quote": "«начали интегрировать и продавать голосовых и чат-ботов в составе АТС Ростелеком или как новый отдельный продукт... За первые месяцы совместной работы были заключены 3 контракта и более 10 намерений на подключение услуг TWIN» — коммерческая стадия уже за пределами пилота (есть подписанные контракты), но результаты приведены только за «первые месяцы», без подтверждения зрелой/полной эксплуатации", "ai_native_label": "none", "ai_native_label_basis": "источник не использует термин «AI-native»; добавлена одна новая товарная линия в существующий B2B-портфель телеком-оператора, сквозного пересмотра процесса продаж или операционной модели не описано", "effects": [{"metric": "подписанные контракты", "value": "3+", "unit": "шт. за первые месяцы", "baseline": "unknown", "period": "первые месяцы партнёрства", "claimed_by": "vendor (TWIN)", "status": "SOURCE_CLAIM"}, {"metric": "намерения на подключение", "value": "10+", "unit": "шт.", "baseline": "unknown", "period": "первые месяцы партнёрства", "claimed_by": "vendor (TWIN)", "status": "SOURCE_CLAIM"}, {"metric": "суммарная выручка по проектам", "value": "10+", "unit": "млн руб.", "baseline": "unknown", "period": "первые месяцы партнёрства", "claimed_by": "vendor (TWIN)", "status": "SOURCE_CLAIM"}, {"metric": "средний чек", "value": "рост в 2–3 раза", "unit": "×", "baseline": "unknown", "period": "первые месяцы партнёрства", "claimed_by": "vendor (TWIN)", "status": "SOURCE_CLAIM"}], "outcome": "success", "uncertainty": "материал — кейс поставщика (Twin/ООО «Уралинновация») без даты публикации, без независимого подтверждения со стороны Ростелекома; страница описывает два разных процесса (B2C-пилот с домашними телефонами и B2B-партнёрство), и часть впечатляющих формулировок заголовка («увеличили продажи для B2B клиентов... подняли средний чек в 3 раза») в тексте относится именно к выручке от продажи бот-продукта корпоративным клиентам, а не к тому, что ИИ применялся Ростелекомом для продажи своих услуг корпоративным клиентам через обзвон — при первом чтении карточки это было ошибочно смешано, при доработке разделено", "alternative_explanations": "рост числа контрактов и среднего чека может отражать общий эффект нового продукта в портфеле (новизна предложения) и партнёрские условия (white label, готовая библиотека скриптов), а не специфически эффект технологии ИИ как таковой; нет сравнения с продажей других новых продуктов без ИИ-компонента", "costs_side_effects": "не раскрыты — нет данных о стоимости партнёрства для Ростелекома, влиянии на удовлетворённость корпоративных клиентов, доле незакрытых/сорвавшихся сделок среди «10+ намерений»", "pdca": null, "transfer_limits": "кейс от вендора о партнёрстве с крупным телеком-оператором и готовой партнёрской программой (white label); для операторов без сопоставимой клиентской базы и готовых АТС-продуктов экономика партнёрства может не воспроизвестись", "claims": [{"text_ru": "Ростелеком по партнёрству white label с TWIN включил голосовых и чат-ботов в свой B2B-продуктовый портфель (в составе АТС или отдельным продуктом) и за первые месяцы партнёрства заключил 3+ контракта с корпоративными клиентами на сумму свыше 10 млн руб., средний чек вырос в 2–3 раза", "status": "SOURCE_CLAIM", "verification_scope": "факт партнёрства и факт продажи продукта корпоративным клиентам, заявленные поставщиком цифры; независимой верификации нет, материал поставщика об именованном клиенте", "source_url": "https://twin24.ai/clients/kak-golosovye-boty-twin-uvelichili-prodazhi-dlya-b2b-klientov-rostelekoma-i-podnyali-sredniy-chek-v-3-raza/", "locator": "разделы «Развитие B2B-линейки продуктов» и «Выбор TWIN»"}], "sources": [{"url": "https://twin24.ai/clients/kak-golosovye-boty-twin-uvelichili-prodazhi-dlya-b2b-klientov-rostelekoma-i-podnyali-sredniy-chek-v-3-raza/", "title": "Как голосовые боты Twin увеличили продажи для B2B-клиентов Ростелекома и подняли средний чек в 3 раза", "publisher": "Twin (twin24.ai, юрлицо ООО «Уралинновация») — материал поставщика", "author": "unknown (byline на странице отсутствует)", "date": "unknown", "type": "company_blog", "locator": "полный текст страницы, разделы «Тестовое задание», «Внедрение голосового робота», «Развитие B2B-линейки продуктов»", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P05-B2B-RU-F04"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "искать подтверждение/упоминание проекта на стороне Ростелекома (пресс-центр, отчётность) для повышения статуса выше SOURCE_CLAIM; уточнить, кто именно вёл процесс продажи бот-продукта корпоративным клиентам (менеджеры Ростелекома или TWIN)"}
{"id": "P05-B2B-RU-S01", "record_kind": "source", "novelty": "new", "prior_id": null, "stream_primary": "B2B", "tags": ["TRADE", "media_platform", "UGC"], "entity_type": "media", "name": "vc.ru — раздел «AI» и колонки о продажах/B2B", "author": "разные авторы (блог-платформа с открытой публикацией колонок)", "url": "https://vc.ru/ai/", "language": "ru", "country": "Россия", "country_basis": "домен .ru, редакция и большинство авторов — российские компании/предприниматели", "topics": ["ИИ в продажах", "B2B", "CRM", "генерация КП", "автоматизация бизнеса"], "processes": ["продажи", "маркетинг", "автоматизация КП"], "why_selected": "крупная русскоязычная бизнес-медиаплатформа с постоянным потоком практических колонок об ИИ в B2B-продажах от практиков и агентств; полезна для обнаружения новых именованных кейсов", "relevant_publications": [{"url": "https://vc.ru/ai/2856770-avtomatizatsiya-b2b-prodazh-s-pomoshchyu-ii", "title": "ИИ в B2B-продажах: как автоматизировать путь от холодного лида до сделки", "date": "2026-04-08", "summary_ru": "Колонка Максима Козлова (руководитель веб-студии АП-ИМ) о применении ИИ для генерации коммерческих предложений и outreach-писем в B2B; метрики даны в основном без названных компаний (открываемость писем 5-10%→15-25%); конкретный именованный клиентский кейс в статье отсутствует", "reading_scope": "full_text"}], "last_activity": {"date": "2026-09-24", "basis": "раздел активно пополняется новыми статьями на дату обращения (наблюдение по списку материалов при поиске)"}, "observed_frequency": {"value": "несколько материалов об ИИ в B2B в день по разделу /ai/", "period_observed": "24.09.2026 (однократное наблюдение через поиск)", "method": "оценка по числу разных статей раздела /ai/, найденных за один поисковый запрос"}, "audience": "unknown", "coverage_note": "площадка с открытой публикацией (любой автор может вести колонку), поэтому охват тем широкий, но качество и достоверность отдельных материалов сильно варьируются", "reliability_note": "часть материалов — маркетинговые колонки агентств без верифицируемых цифр (конкретные компании часто не названы); прочитанная публикация не содержит именованного кейса — требует выборочной проверки каждого материала по отдельности", "quality_limits": "не все публикации проходят редакционную проверку; агрегированные метрики отрасли (типа «конверсия +X%») часто даются без ссылки на первоисточник", "priority": "discovery", "update_methods": [{"type": "public_web", "url": "https://vc.ru/ai/", "how_found": "observed_on_page", "tested": false}], "recommended_check_frequency": "раз в 2-4 недели точечно по темам B2B/CRM (HYPOTHESIS)", "claims": [{"text_ru": "vc.ru в разделе /ai/ регулярно публикует практические колонки об использовании ИИ в B2B-продажах (генерация КП, outreach), но в прочитанной публикации конкретная компания-клиент не названа", "status": "SOURCE_CLAIM", "verification_scope": "существование и содержание одной прочитанной публикации раздела; не распространяется на остальные материалы раздела", "source_url": "https://vc.ru/ai/2856770-avtomatizatsiya-b2b-prodazh-s-pomoshchyu-ii", "locator": "полный текст статьи"}], "sources": [{"url": "https://vc.ru/ai/2856770-avtomatizatsiya-b2b-prodazh-s-pomoshchyu-ii", "title": "ИИ в B2B-продажах: как автоматизировать путь от холодного лида до сделки", "publisher": "vc.ru", "author": "Максим Козлов", "date": "2026-04-08", "type": "media", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P05-B2B-RU-F05"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "при следующем заходе — прочитать полностью 2-3 материала с именованными компаниями для повышения приоритета до watch/priority"}
{"id": "P05-B2B-RU-S02", "record_kind": "source", "novelty": "new", "prior_id": null, "stream_primary": "B2B", "tags": ["TRADE", "media", "кейсы"], "entity_type": "media", "name": "Retail.ru — раздел «Кейсы»", "author": "редакция Retail.ru", "url": "https://www.retail.ru/cases/", "language": "ru", "country": "Россия", "country_basis": "домен .ru, издание специализируется на российском ритейле и дистрибуции", "topics": ["ИИ в дистрибуции", "прогнозирование спроса", "ценообразование", "розница и опт"], "processes": ["планирование продаж", "ассортимент", "ценообразование"], "why_selected": "отраслевое издание о рознице и дистрибуции с регулярной рубрикой именованных кейсов внедрения технологий (в т.ч. ИИ) в B2B/дистрибуции — полезно для потока практик по стриму TRADE/B2B", "relevant_publications": [{"url": "https://www.retail.ru/cases/ii-pomog-na-84-povysit-tochnost-prognoza-prodazh-proizvoditelyu-gruntov-i-semyan/", "title": "Кейс: ИИ помог на 84% повысить точность прогноза продаж производителю грунтов и семян", "date": "2026-03-26", "summary_ru": "Именованный кейс группы «Фаско+» (автор Валерия Миронова): рост средней точности прогноза продаж с 58,9% до 76,4% (макс. до 84,4%) за 3 года эксплуатации, снижение доли невыполненных заказов с 10% до 1,5%, явное признание ограничения модели по погодным факторам", "reading_scope": "full_text"}], "last_activity": {"date": "2026-03-26", "basis": "дата публикации прочитанного материала из раздела (по видимой подписи на странице; в JSON-LD датировано 2026-03-24)"}, "observed_frequency": {"value": "unknown", "period_observed": "24.09.2026 (одно наблюдение)", "method": "не оценивалась системно — открыт один материал по прямой ссылке из поиска; в блоке «Читайте также» на той же странице видны ещё несколько кейсов раздела (не открывались)"}, "audience": "unknown", "coverage_note": "фокус на рознице и дистрибуции; кейсы преимущественно подготовлены с участием вендора решения (в прочитанном кейсе — 1С, соавтор технологии), но с указанием названия компании-клиента, автора статьи и конкретных метрик", "reliability_note": "кейс публикуется с участием вендора решения и цитатами представителя компании-клиента — оценивать как материал, близкий к вендорскому/корпоративному, а не независимое расследование; источник тем не менее явно указывает и ограничения технологии, что повышает доверие к конкретному прочитанному материалу", "quality_limits": "не проверялась глубина независимости редакционной обработки кейсов от вендоров на других материалах раздела", "priority": "discovery", "update_methods": [{"type": "public_web", "url": "https://www.retail.ru/cases/", "how_found": "observed_on_page", "tested": false}], "recommended_check_frequency": "раз в месяц по разделу «Кейсы» (HYPOTHESIS)", "claims": [{"text_ru": "Retail.ru в разделе «Кейсы» публикует именованные кейсы внедрения ИИ в дистрибуции и рознице с указанием конкретных метрик и автора; в прочитанном кейсе («Фаско+») источник прямо признаёт ограничение технологии (погодозависимые сдвиги спроса)", "status": "SOURCE_CLAIM", "verification_scope": "существование и содержание одной прочитанной публикации раздела «Кейсы»; не распространяется на остальные материалы раздела", "source_url": "https://www.retail.ru/cases/ii-pomog-na-84-povysit-tochnost-prognoza-prodazh-proizvoditelyu-gruntov-i-semyan/", "locator": "полный текст статьи"}], "sources": [{"url": "https://www.retail.ru/cases/ii-pomog-na-84-povysit-tochnost-prognoza-prodazh-proizvoditelyu-gruntov-i-semyan/", "title": "Кейс: ИИ помог на 84% повысить точность прогноза продаж производителю грунтов и семян", "publisher": "Retail.ru", "author": "Валерия Миронова", "date": "2026-03-26", "type": "media", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P05-B2B-RU-F02"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "прочитать больше кейсов раздела для оценки доли именно B2B/дистрибуции против розницы B2C"}