{"id": "X07-P01", "record_kind": "practice", "novelty": "updated", "prior_id": "TG-RU-INDUSTRY-CASE-002", "links_prior": [{"old_id": "TG-RU-INDUSTRY-CASE-002", "layer": "v0.2", "relation": "same_practice", "basis_ru": "тот же URL (habr.com/ru/news/775658), та же организация (Ozon) и тот же процесс (автоматический замер габаритов/веса на фулфилменте); запись v0.2 была кандидатом без промотирования в практику итерации 2 — сейчас перепроверена и оформлена как карточка.", "author": "claude-sonnet-5"}], "early_candidate_id": "I3-EC-054", "stream_primary": "WAREHOUSE", "tags": ["RU", "vendor_material_own_dev"], "organization": "Ozon (Ozon Tech, команда в Иннополисе)", "org_type": "company", "process": "Автоматическое измерение габаритов и веса товара, поступающего на фулфилмент-центр, специально разработанным устройством с 3D-камерами и алгоритмом машинного обучения; данные передаются в систему управления складом для оптимизации размещения", "period": "внедрение зафиксировано на 22.11.2023; текущий статус далее не отслеживался", "industry": "e-commerce / логистика маркетплейса", "industry_std": "warehousing_transport", "process_stage": "warehouse_slotting_measurement", "function": "складская логистика — приёмка и слотирование товара", "role_in_chain": "other", "b2b_b2c": "b2b2c (маркетплейс, услуга для продавцов и собственная логистика)", "country": "Russia", "country_basis": "фулфилмент-центры Ozon, разработка — команда Ozon Tech в Иннополисе (текст источника)", "before": "unknown — источник не описывает, как габариты/вес измерялись до внедрения устройства", "after": "устройство автоматически измеряет объёмно-весовые характеристики товара при поступлении на ФЦ; данные используются WMS для подсказки сотруднику склада о доступном объёме в ячейке хранения", "technologies": ["CV"], "technology_basis": "несколько типов освещения для корректной работы алгоритма машинного обучения", "ai_component_established": true, "human_role": "сотрудник склада получает от системы управления складом подсказку о доступном свободном объёме в ячейке хранения и размещает товар; кто принимает финальное решение о месте размещения — не уточняется", "agent_role": "устройство автоматически измеряет 3D-модель и вес товара за 2–3 секунды; алгоритм МО обрабатывает данные с камер глубины", "authority": "unknown", "change_depth": "operation", "deployment_stage": "limited_production", "stage_marker_quote": "На текущий момент 20 устройств работают на 16 фулфилментах, в планах компании поставить его на все склады.", "ai_native_label": "none", "ai_native_label_basis": "источник не использует термин «AI-native» или аналог применительно к Ozon", "governance_change": {"established": false, "what_ru": "источник не описывает изменение ролей/прав решений — только новый инструмент, встроенный в существующий процесс приёмки", "basis_quote": null, "locator": null}, "effects": [{"metric": "среднее время расчёта габаритов одного товара", "value": "2-3", "unit": "секунды", "baseline": "unknown", "base_object": "один акт измерения на устройстве (не по всей организации)", "period": "на дату публикации, 22.11.2023", "claimed_by": "Ozon (слова компании, пересказ Хабра)", "status": "SOURCE_CLAIM", "original_number": "в среднем за 2–3 секунды"}, {"metric": "количество установленных устройств и охваченных фулфилмент-центров", "value": "20 устройств на 16 ФЦ", "unit": "штук/ФЦ", "baseline": "0 (новое устройство)", "base_object": "часть сети фулфилмент-центров Ozon (не вся сеть — компания только планирует поставить на все склады)", "period": "на дату публикации, 22.11.2023", "claimed_by": "Ozon (слова компании, пересказ Хабра)", "status": "SOURCE_CLAIM", "original_number": "20 устройств, 16 фулфилментов"}], "outcome": "mixed_unclear — заявлена оптимизация использования складских площадей и прозрачность расчётов с продавцами; независимого измерения эффекта нет", "uncertainty": "Источник — единственный материал (пересказ Хабром слов пресс-службы Ozon), интервью или независимой проверки нет; кто принимает решение о размещении (человек/система) не уточнено — authority оставлен unknown; сравнение с иностранными вендорами по стоимости и скорости не раскрыто (нет данных, с какими решениями сравнивали).", "alternative_explanations": null, "costs_side_effects": null, "pdca": null, "transfer_limits": "Собственная разработка Ozon (патент на полезную модель); применимость к другим ритейлерам не описана", "effect_evidence": "source_claim", "effect_evidence_note": "Единственный источник — пересказ Хабром заявления пресс-службы Ozon; независимой верификации времени измерения или охвата ФЦ не найдено", "claims": [{"text_ru": "Устройство Ozon Tech автоматически измеряет габариты и вес товара при поступлении на фулфилмент-центр с помощью двух камер с 3D-датчиком, веб-камеры, тензодатчиков и алгоритма машинного обучения; расчёт занимает в среднем 2–3 секунды", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения и принцип работы устройства", "source_url": "https://habr.com/ru/news/775658/", "locator": "текст статьи, абзацы 2–4", "original_number": "2–3 секунды"}, {"text_ru": "На момент публикации 20 устройств работают на 16 фулфилмент-центрах Ozon; компания планирует установить устройство на все склады", "status": "SOURCE_CLAIM", "verification_scope": "масштаб внедрения на дату публикации", "source_url": "https://habr.com/ru/news/775658/", "locator": "текст статьи, абзац 4", "original_number": "20 устройств, 16 фулфилментов"}, {"text_ru": "Устройство разработали внутри Ozon, оно дешевле и быстрее решений иностранных вендоров, отметили в компании", "status": "SOURCE_CLAIM", "verification_scope": "сравнительное заявление компании о собственной разработке (база сравнения не раскрыта)", "source_url": "https://habr.com/ru/news/775658/", "locator": "текст статьи, абзац 2", "original_number": null}], "sources": [{"url": "https://habr.com/ru/news/775658/", "title": "Ozon разработал устройство для измерения габаритов и веса любого товара", "publisher": "Хабр (Habr)", "author": "LizzieSimpson (публикация в разделе новостей Хабра; содержание — пересказ заявления пресс-службы Ozon)", "date": "2023-11-22", "type": "news_media_company_statement", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "X07-F01", "is_primary": true, "interested_party": "company"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "При следующей проверке — поискать материал самого Ozon Tech (блог/телеграм) о текущем охвате устройства на 2026 год, чтобы проверить, распространено ли оно на всю сеть ФЦ"}
{"id": "X07-P02", "record_kind": "practice", "novelty": "updated", "prior_id": "E2-CN-COM-CASE-008", "links_prior": [{"old_id": "E2-CN-COM-CASE-008", "layer": "v0.2", "relation": "same_practice", "basis_ru": "тот же URL (chinanews.com.cn/cj/2026/08-13/10677301), та же организация (JD Logistics) и тот же процесс (робототехника «智狼»/«异狼»); запись v0.2 была кандидатом без промотирования в практику — сейчас перепроверена по прочитанному материалу", "author": "claude-sonnet-5"}], "early_candidate_id": "I3-EC-056", "stream_primary": "WAREHOUSE", "tags": ["CN", "adjacent_digitalization"], "organization": "京东物流 (JD Logistics, JD.com Inc., Nasdaq: JD / HKEX: 9618)", "org_type": "company", "process": "Складская комплектация по принципу «товар к человеку» роботизированным решением «智狼» (Zhilang)", "period": "по состоянию на конец 2 квартала 2026 года (отчёт опубликован 13.08.2026)", "industry": "e-commerce логистика / складская робототехника", "industry_std": "warehousing_transport", "process_stage": "warehouse_robotics_picking", "function": "складская комплектация (picking) и внутрискладская логистика", "role_in_chain": "service_provider", "b2b_b2c": "b2b2c (собственная логистика группы JD.com, включая внешних клиентов JD Logistics)", "country": "CN", "country_basis": "JD Logistics — китайская логистическая «дочка» JD.com; часть решений внедрена также в Великобритании и Германии (указано в тексте)", "before": "unknown — источник не описывает состояние процесса до внедрения роботов", "after": "решение «智狼» «товар к человеку» применяется более чем в 60 складах по всему миру, в том числе в Великобритании и Германии", "technologies": [], "technology_basis": "Источник называет «智狼» «货到人решением» (goods-to-person) и относит его вместе с другими продуктами к разделу отчёта «物理AI深度嵌入供应链各环节» только в заголовке подраздела; в описании самого «智狼» нет слов об ИИ, машинном обучении или конкретном алгоритме — ИИ-функция словами источника не названа.", "ai_component_established": false, "human_role": "unknown — источник не описывает изменение роли складского персонала при появлении роботов", "agent_role": "робот «智狼» доставляет товар к человеку/станции комплектации (goods-to-person); конкретная ИИ-функция (распознавание, планирование маршрута и т.п.) источником не названа", "authority": "unknown", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "截至二季度，京东物流的“智狼”货到人解决方案已应用于全球超60个仓库，其中已在英国和德国落地", "ai_native_label": "none", "ai_native_label_basis": "источник не использует термин «AI-native»; используется собственный термин «物理AI» (физический ИИ) в заголовке раздела", "governance_change": {"established": false, "what_ru": "изменение ролей/прав решений в тексте не описано — только технические и масштабные показатели", "basis_quote": null, "locator": null}, "effects": [{"metric": "количество складов, где применяется решение «智狼»", "value": "60+", "unit": "складов", "baseline": "unknown", "base_object": "часть глобальной складской сети JD Logistics (не вся сеть; доля от общего числа складов JD не указана)", "period": "на конец 2 квартала 2026", "claimed_by": "JD.com Inc. (официальный отчёт о доходах за 2 квартал/полугодие 2026)", "status": "SOURCE_CLAIM", "original_number": "超60个仓库"}], "outcome": "неприменимо для смежной цифровизации без установленного ИИ-компонента — фиксируется масштаб роботизации, не эффект ИИ", "uncertainty": "Первая версия карточки объединяла два разных продукта JD Logistics — «智狼» (goods-to-person) и манипулятор «异狼» — в одну практику; по итогам независимой проверки (раунд 1) разделены: эта карточка описывает только «智狼». Манипулятор «异狼» исключён как отдельная запись — источник даёт только техническую характеристику обновления (10 секунд на цикл распознавание–захват–взятие–укладка) без места и масштаба эксплуатации, это ближе к анонсу продукта, чем к описанию внедрения (см. notes.md). ИИ-компонент для «智狼» источником не установлен словами о конкретной функции (только заголовок раздела отчёта «物理AI»), поэтому ai_component_established=false, тег adjacent_digitalization.", "alternative_explanations": null, "costs_side_effects": null, "pdca": null, "transfer_limits": "Собственная разработка JD Logistics для внутренней и части внешней логистики группы; данных о лицензировании третьим сторонам не приведено", "effect_evidence": "source_claim", "effect_evidence_note": "Официальный квартальный отчёт JD.com; независимого подтверждения масштаба (60+ складов) не найдено; эффект ИИ не заявляется, так как ИИ-компонент не установлен", "claims": [{"text_ru": "Решение JD Logistics «智狼» по принципу «товар к человеку» применяется более чем в 60 складах по всему миру, в том числе в Великобритании и Германии", "status": "SOURCE_CLAIM", "verification_scope": "масштаб внедрения на дату отчёта", "source_url": "https://www.chinanews.com.cn/cj/2026/08-13/10677301.shtml", "locator": "раздел «具身数据采集取得突破性进展 物理AI深度嵌入供应链各环节»", "original_number": "超60个仓库"}], "sources": [{"url": "https://www.chinanews.com.cn/cj/2026/08-13/10677301.shtml", "title": "京东集团发布2026年二季度及半年业绩：活跃用户保持双位数增长 服务收入占比进一步提升", "publisher": "中国新闻网 (chinanews.com.cn), автор строки — 曲克", "author": "曲克 (редактор/автор публикации на chinanews.com.cn; исходный текст — официальный пресс-релиз JD.com о финансовых результатах)", "date": "2026-08-13", "type": "company_earnings_release_reprint", "locator": "раздел о физическом ИИ и складской робототехнике, ближе к концу статьи", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "X07-F02", "is_primary": false, "interested_party": "company"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Проверить оригинал пресс-релиза на ir.jd.com для подтверждения текста и поиска доли складов от общей сети JD Logistics"}
{"id": "X07-P03", "record_kind": "practice", "novelty": "updated", "prior_id": "E2-CN-COM-CASE-009", "links_prior": [{"old_id": "E2-CN-COM-CASE-009", "layer": "v0.2", "relation": "same_practice", "basis_ru": "тот же URL, та же организация (JD Logistics), тот же процесс (беспилотная доставка последней мили машинами и дронами); запись v0.2 была кандидатом без промотирования — сейчас перепроверена", "author": "claude-sonnet-5"}], "early_candidate_id": "I3-EC-057", "stream_primary": "WAREHOUSE", "tags": ["CN"], "organization": "京东物流 (JD Logistics, JD.com Inc.)", "org_type": "company", "process": "Доставка последней мили беспилотными наземными машинами (в т.ч. ночные маршруты) и доставка дронами в сельские населённые пункты", "period": "по состоянию на конец 2 квартала 2026 года (отчёт опубликован 13.08.2026)", "industry": "логистика последней мили", "industry_std": "warehousing_transport", "process_stage": "last_mile_delivery_routing", "function": "доставка последней мили", "role_in_chain": "service_provider", "b2b_b2c": "b2c", "country": "CN", "country_basis": "маршруты и сети доставки описаны в Шэньчжэне и Цзычжуне (пров. Сычуань), КНР", "before": "unknown", "after": "свыше тысячи беспилотных машин работают в штатном режиме в более чем 20 провинциях; в Шэньчжэне впервые открыт ночной маршрут беспилотной доставки; в Цзычжуне (Сычуань) развёрнута сеть доставки дронами в 78 сельских поселений с временем перелёта через горы до 7 минут", "technologies": ["other"], "technology_basis": "具身数据采集取得突破性进展 物理AI深度嵌入供应链各环节", "ai_component_established": true, "human_role": "unknown — изменение роли водителя/курьера в тексте не описано", "agent_role": "беспилотные машины и дроны самостоятельно выполняют маршруты доставки", "authority": "unknown", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "上千台无人车在全国超20个省份常态化运行，在深圳首开无人车夜间配送路线", "ai_native_label": "none", "ai_native_label_basis": "источник не использует термин «AI-native»; общий заголовок раздела — «物理AI» (физический ИИ)", "governance_change": {"established": false, "what_ru": "изменения ролей/прав решений не описаны", "basis_quote": null, "locator": null}, "effects": [{"metric": "количество беспилотных машин и география работы", "value": ">1000 машин, >20 провинций", "unit": "машин/провинций", "baseline": "unknown", "base_object": "часть сети доставки JD Logistics по стране (доля от общего объёма доставок не указана)", "period": "на конец 2 квартала 2026", "claimed_by": "JD.com Inc.", "status": "SOURCE_CLAIM", "original_number": "上千台无人车，超20个省份"}, {"metric": "охват сети доставки дронами в Цзычжуне", "value": "78", "unit": "административных сельских поселений", "baseline": "unknown", "base_object": "один пилотный регион (уезд Цзычжун, пров. Сычуань), не вся страна", "period": "на конец 2 квартала 2026", "claimed_by": "JD.com Inc.", "status": "SOURCE_CLAIM", "original_number": "78个行政村"}], "outcome": "mixed_unclear — масштаб заявлен компанией, независимой проверки нет", "uncertainty": "Единственный источник — квартальный пресс-релиз JD.com через chinanews.com.cn; отдельно от складской робототехники (X07-P02), хотя оба факта — из одного абзаца отчёта компании", "alternative_explanations": null, "costs_side_effects": null, "pdca": null, "transfer_limits": "Собственная сеть JD Logistics; масштабирование на другие регионы/страны не описано (кроме упомянутых)", "effect_evidence": "source_claim", "effect_evidence_note": "Официальный квартальный отчёт JD.com, независимой верификации масштаба не найдено", "claims": [{"text_ru": "Свыше тысячи беспилотных машин JD Logistics работают в штатном режиме в более чем 20 провинциях страны; в Шэньчжэне впервые открыт ночной маршрут беспилотной доставки", "status": "SOURCE_CLAIM", "verification_scope": "масштаб внедрения на дату отчёта", "source_url": "https://www.chinanews.com.cn/cj/2026/08-13/10677301.shtml", "locator": "раздел «具身数据采集取得突破性进展 物理AI深度嵌入供应链各环节»", "original_number": "上千台无人车，超20个省份"}, {"text_ru": "В Цзычжуне (пров. Сычуань) открыта крупнейшая в стране по охвату сеть доставки дронами в деревни — 78 сельских поселений, максимальная скорость перелёта через горы — 7 минут", "status": "SOURCE_CLAIM", "verification_scope": "масштаб конкретного пилотного региона", "source_url": "https://www.chinanews.com.cn/cj/2026/08-13/10677301.shtml", "locator": "раздел «具身数据采集取得突破性进展 物理AI深度嵌入供应链各环节»", "original_number": "78个行政村，最快7分钟"}], "sources": [{"url": "https://www.chinanews.com.cn/cj/2026/08-13/10677301.shtml", "title": "京东集团发布2026年二季度及半年业绩：活跃用户保持双位数增长 服务收入占比进一步提升", "publisher": "中国新闻网 (chinanews.com.cn)", "author": "曲克 (редактор публикации; исходный текст — официальный пресс-релиз JD.com)", "date": "2026-08-13", "type": "company_earnings_release_reprint", "locator": "раздел о физическом ИИ и беспилотной доставке", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "X07-F02", "is_primary": false, "interested_party": "company"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Найти отдельный материал именно про программу беспилотной доставки (не квартальный отчёт), чтобы получить до/после и роль водителя"}
{"id": "X07-P04", "record_kind": "practice", "novelty": "updated", "prior_id": "E2B-CLOUD-CASE-001", "links_prior": [{"old_id": "E2B-CLOUD-CASE-001", "layer": "v0.2", "relation": "same_practice", "basis_ru": "тот же URL (aws.amazon.com/solutions/case-studies/cox-auto-case-study), та же организация (Cox Automotive) и тот же процесс (FleetMate, fleet repair-estimate); запись v0.2 была кандидатом без промотирования — сейчас прочитана и оформлена как карточка", "author": "claude-sonnet-5"}], "early_candidate_id": "I3-EC-055", "stream_primary": "WAREHOUSE", "tags": ["vendor_material"], "organization": "Cox Automotive (Fleet Services / FleetNet America — бренды в составе Cox Automotive, подразделение Cox Enterprises)", "org_type": "company", "process": "FleetMate Estimator Assistant — агентная платформа для автоматической подготовки сметы ремонта парка (repair estimate), построенная на Amazon Bedrock AgentCore; в составе FleetMate также описан Driver Agent (на стадии пилота) для поддержки при звонке водителя о поломке", "period": "начальная версия построена за 4 дня; развитие в 3 фазы, на дату публикации кейса (2026 г., точная дата не установлена)", "industry": "автомобильные услуги / управление парком", "industry_std": "warehousing_transport", "process_stage": "fleet_repair_estimate_dispatch", "function": "подготовка сметы ремонта парка и диспетчерская поддержка водителя при поломке", "role_in_chain": "service_provider", "b2b_b2c": "b2b (услуги для владельцев коммерческого автопарка)", "country": "United States", "country_basis": "штаб-квартира и операции Cox Automotive — США (согласно тексту кейса)", "before": "подготовка сложных смет ремонта парка занимала 8–48 часов", "after": "смета ремонта парка готовится за 30 минут вместо 8–48 часов (Estimator Assistant, в продакшене на AgentCore); отдельно, «piloting now», при звонке водителя о проблеме с автомобилем Driver Agent уже располагает данными о грузовике, маршруте и истории обслуживания — что источник делает дальше с этим контекстом (в т.ч. передаётся ли звонок человеку), не описано", "technologies": ["agent", "GenAI"], "technology_basis": "Piloting now, for Cox Automotive's Fleet Services, when a driver calls about a vehicle issue, the agent already knows their truck, route, and maintenance history.", "ai_component_established": true, "human_role": "unknown — источник не описывает, что происходит со звонком водителя после того, как агент собрал контекст (передача человеку в тексте не упомянута); финальное решение о ремонте не описано", "agent_role": "Estimator Assistant автоматически формирует смету ремонта; Driver Agent — оркестрированная мультиагентная система для поиска данных о водителе, отслеживания автомобиля, проактивных оповещений и расшифровки VIN", "authority": "unknown — кто утверждает итоговую смету/ремонт, не указано", "change_depth": "operation", "deployment_stage": "limited_production", "stage_marker_quote": "Now deployed on AgentCore, when a customer policy change threatened a tenfold volume increase, the estimator assistant absorbed the surge without proportional cost growth.", "ai_native_label": "none", "ai_native_label_basis": "источник (AWS) не применяет термин «AI-native» к Cox Automotive явно; используется «AI-First, Data Differentiated» как формулировка компании", "governance_change": {"established": false, "what_ru": "прямого описания изменения полномочий/ролей нет; есть общая фраза о переходе от «Data-First, AI-Enabled» к «AI-First, Data Differentiated», но это декларация подхода компании, а не описанное изменение конкретных прав решений", "basis_quote": "transform their entire technology approach from \"Data-First, AI-Enabled\" to \"AI-First, Data Differentiated\"", "locator": "раздел «Opportunity | Uniquely Positioned at the Intersection of Everything Automotive»"}, "effects": [{"metric": "время подготовки сметы ремонта парка (Estimator Assistant)", "value": "с 8-48 часов до 30 минут", "unit": "часы/минуты", "baseline": "8-48 часов", "base_object": "подготовка сложных смет ремонта парка в подразделении Fleet Services (FleetMate), не весь Cox Automotive", "period": "на дату публикации кейса", "claimed_by": "AWS (кейс о клиенте, раздел Outcome; не прямая цитата Marianne Johnson)", "status": "SOURCE_CLAIM", "original_number": "8-48 Hours to 30 Minutes"}, {"metric": "количество агентных решений, доведённых до продакшена по всей компании", "value": "17 из 57 оценённых идей", "unit": "решений", "baseline": "0", "base_object": "весь Cox Automotive (потребительский шопинг, работа с дилерами, аукционы, флот) — не только Fleet Services", "period": "на дату публикации кейса", "claimed_by": "Cox Automotive / AWS", "status": "SOURCE_CLAIM", "original_number": "17 production solutions deployed from 57 evaluated ideas"}, {"metric": "прогнозируемая экономия рабочих часов одной автоматизации процесса (пилот)", "value": "17000", "unit": "рабочих часов", "baseline": "unknown", "base_object": "один процесс на стадии пилота (конкретный процесс не назван)", "period": "прогноз, без указания даты", "claimed_by": "Cox Automotive / AWS", "status": "SOURCE_CLAIM", "original_number": "projected to save 17,000 work hours in pilot — прогноз/план, не достигнутый результат"}], "outcome": "success_partial — заявлено ускорение подготовки сметы и устойчивость к росту нагрузки; Driver Agent описан как «piloting now» (не полный продакшен); прогноз 17 000 часов — не достигнутый результат", "uncertainty": "Материал — кейс AWS о собственном клиенте (vendor_material), содержит прямые цитаты Marianne Johnson (EVP & Chief Product Officer, Cox Automotive) и Anand Nanda (AWS). Estimator Assistant описан как «Now deployed» (продакшен), а Driver Agent — как «Piloting now» (пилот); поэтому deployment_stage взят как limited_production, а не production, чтобы не завышать стадию наиболее нового компонента (Driver Agent) Исправление по независимой проверке (раунд 1): убрана недостоверная деталь «передача звонка человеку-агенту» — источник её не содержит; human_role переведён в unknown.", "alternative_explanations": "Ускорение могло быть также следствием общего перехода Cox на инфраструктуру AgentCore, а не только специфики FleetMate; источник не разделяет эти эффекты", "costs_side_effects": null, "pdca": null, "transfer_limits": "Кейс описывает внутреннюю платформу Cox Automotive на инфраструктуре AWS Bedrock AgentCore; переносимость на других операторов флота не описана", "effect_evidence": "source_claim", "effect_evidence_note": "Кейс AWS с цитатами именованного руководителя Cox Automotive; независимого измерения времени подготовки сметы не найдено", "claims": [{"text_ru": "FleetMate — внутреннее решение Cox Automotive — сокращает подготовку сложных смет ремонта парка с 8–48 часов до 30 минут; первая версия была построена за 4 дня", "status": "SOURCE_CLAIM", "verification_scope": "величина эффекта (время подготовки сметы)", "source_url": "https://aws.amazon.com/solutions/case-studies/cox-auto-case-study/", "locator": "раздел «Outcome | Production Impact Across the Enterprise», подраздел «FleetMate: 8-48 Hours to 30 Minutes»", "original_number": "8-48 Hours to 30 Minutes; initial version was built in just 4 days"}, {"text_ru": "«Piloting now» — на момент публикации кейса при звонке водителя о проблеме с автомобилем Driver Agent уже знает грузовик, маршрут и историю обслуживания; что происходит дальше со звонком, источник не говорит", "status": "SOURCE_CLAIM", "verification_scope": "стадия внедрения (пилот) и описание начального шага процесса Driver Agent", "source_url": "https://aws.amazon.com/solutions/case-studies/cox-auto-case-study/", "locator": "раздел «Solution | Amazon Bedrock AgentCore Provides the Foundation»", "original_number": null}, {"text_ru": "По всему предприятию Cox Automotive довело до продакшена 17 агентных решений из 57 оценённых идей", "status": "SOURCE_CLAIM", "verification_scope": "масштаб внедрения по всей компании (не только Fleet Services)", "source_url": "https://aws.amazon.com/solutions/case-studies/cox-auto-case-study/", "locator": "раздел «Outcome | Production Impact Across the Enterprise»", "original_number": "17 production solutions deployed from 57 evaluated ideas"}], "sources": [{"url": "https://aws.amazon.com/solutions/case-studies/cox-auto-case-study/", "title": "How Cox Automotive launched AI agents at scale using Amazon Bedrock AgentCore", "publisher": "Amazon Web Services (AWS) — раздел AWS Solutions Customer Stories", "author": "не указан отдельно; цитаты — Marianne Johnson (EVP & Chief Product Officer, Cox Automotive), Anand Nanda (Senior Customer Solutions Manager, AWS)", "date": "unknown (дата публикации на странице не найдена)", "type": "vendor_case_study", "locator": "полный текст кейса", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "X07-F03", "is_primary": true, "interested_party": "vendor"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Поискать материал самого Cox Automotive (блог coxautoinc.com) для независимого от AWS описания FleetMate"}
{"id": "X07-P05", "record_kind": "practice", "novelty": "new", "prior_id": null, "links_prior": [], "early_candidate_id": null, "stream_primary": "WAREHOUSE", "tags": [], "organization": "Knight-Swift Transportation Holdings Inc. (№7 в рейтинге TT Top 100 for-hire carriers Северной Америки)", "org_type": "company", "process": "Применение ИИ в парковых и ремонтных операциях: прогнозирование отказов деталей грузовиков для предотвращения аварийных эвакуаций (тоу)", "period": "по состоянию на май 2026 (дата публикации материала)", "industry": "грузовые автоперевозки (truckload carrier)", "industry_std": "warehousing_transport", "process_stage": "fleet_predictive_maintenance", "function": "техническое обслуживание и ремонт парка грузовиков", "role_in_chain": "service_provider", "b2b_b2c": "b2b", "country": "United States", "country_basis": "Knight-Swift — штаб-квартира в Финиксе (Phoenix), США, согласно тексту статьи", "before": "unknown — источник не описывает процесс ТО до внедрения ИИ-инструментов", "after": "ИИ используется в парковых и ремонтных операциях компании, включая прогнозирование отказов деталей; до 15 эвакуаций (тоу) в месяц предотвращается", "technologies": ["predictive_ML"], "technology_basis": "Today, artificial intelligence is driving tangible improvements in Knight-Swift Transportation's fleet and maintenance operations, including predicting parts failures and preventing as many as 15 tows a month.", "ai_component_established": true, "human_role": "unknown — источник не описывает, как изменилась работа техника/диспетчера ТО при появлении прогнозов", "agent_role": "ИИ-инструмент(ы) прогнозируют отказы деталей; конкретный поставщик/название инструмента для Knight-Swift в тексте не указаны (в отличие от примеров других компаний в этой же статье)", "authority": "unknown", "change_depth": "operation", "deployment_stage": "limited_production", "stage_marker_quote": "Knight-Swift, for example, has taken a distributed approach by testing AI tools across different parts of the organization rather than deploying a single system companywide.", "ai_native_label": "none", "ai_native_label_basis": "источник не применяет термин «AI-native» к Knight-Swift", "governance_change": {"established": false, "what_ru": "изменение прав решений не описано", "basis_quote": null, "locator": null}, "effects": [{"metric": "число предотвращённых аварийных эвакуаций (тоу) в месяц", "value": "до 15", "unit": "эвакуаций/месяц", "baseline": "unknown", "base_object": "весь парк Knight-Swift (масштаб парка в статье не указан)", "period": "на дату публикации, май 2026", "claimed_by": "Knight-Swift Transportation (через издание Transport Topics)", "status": "SOURCE_CLAIM", "original_number": "preventing as many as 15 tows a month"}], "outcome": "mixed_unclear — заявлен эффект, но без названного инструмента, конкретной методики и охвата парка", "uncertainty": "Отраслевая пресса (Transport Topics, платная секция PREMIUM, но текст получен без ограничения доступа при загрузке) с именованными цитируемыми руководителями (Steve Grover, Mark Kennedy), однако сам факт о 15 тоу в месяц не сопровождается цитатой конкретного руководителя — это фраза автора статьи; конкретный ИИ-инструмент Knight-Swift для этой задачи не назван (в отличие от примеров других вендоров в статье — Pedigree Technologies, Tensor Planet). Подход компании описан как распределённое тестирование ИИ-инструментов по разным частям организации, а не единая система — поэтому deployment_stage ограничен limited_production", "alternative_explanations": "Эффект мог быть частично обусловлен другими операционными изменениями, не только ИИ; источник не разделяет вклад факторов", "costs_side_effects": null, "pdca": null, "transfer_limits": null, "effect_evidence": "source_claim", "effect_evidence_note": "Независимая пресса, но без независимого измерения эффекта — оценка со слов компании/автора статьи", "claims": [{"text_ru": "Сегодня ИИ обеспечивает ощутимые улучшения в парковых и ремонтных операциях Knight-Swift Transportation, включая прогнозирование отказов деталей и предотвращение до 15 эвакуаций в месяц", "status": "SOURCE_CLAIM", "verification_scope": "факт применения ИИ и заявленная величина эффекта", "source_url": "https://www.ttnews.com/articles/ai-predictive-fleet-maintenance", "locator": "первый абзац статьи после врезки Key Takeaways", "original_number": "preventing as many as 15 tows a month"}, {"text_ru": "Knight-Swift использует распределённый подход — тестирует ИИ-инструменты в разных частях организации, а не разворачивает единую систему по всей компании", "status": "SOURCE_CLAIM", "verification_scope": "стадия и масштаб внедрения", "source_url": "https://www.ttnews.com/articles/ai-predictive-fleet-maintenance", "locator": "раздел «A Distributed Approach»", "original_number": null}], "sources": [{"url": "https://www.ttnews.com/articles/ai-predictive-fleet-maintenance", "title": "AI Provides a Predictive Edge for Fleet Maintenance — Carriers Including Knight-Swift Broadly Applying AI to Operations", "publisher": "Transport Topics (TT)", "author": "Steve Brawner, Special to Transport Topics", "date": "2026-05-11", "type": "trade_press", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "X07-F04", "is_primary": false, "interested_party": "independent"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Найти собственный материал Knight-Swift (пресс-релиз/отчёт) с названием конкретного ИИ-инструмента и базой расчёта «15 тоу в месяц»"}
{"id": "X07-P06", "record_kind": "practice", "novelty": "new", "prior_id": null, "links_prior": [], "early_candidate_id": null, "stream_primary": "WAREHOUSE", "tags": [], "organization": "Knight-Swift Transportation Holdings Inc.", "org_type": "company", "process": "Первичный приём звонков водителей о поломке в пути ИИ-системой, которая собирает детали и регистрирует проблему до передачи звонка человеку-диспетчеру", "period": "по состоянию на май 2026 (дата публикации материала)", "industry": "грузовые автоперевозки (truckload carrier)", "industry_std": "warehousing_transport", "process_stage": "field_dispatch_breakdown_triage", "function": "диспетчеризация выездного/аварийного обслуживания (roadside breakdown)", "role_in_chain": "service_provider", "b2b_b2c": "b2b", "country": "United States", "country_basis": "Knight-Swift — штаб-квартира в Финиксе, США", "before": "unknown — как именно обрабатывались звонки о поломке до появления ИИ-системы, не описано", "after": "водитель при поломке в пути сначала взаимодействует с ИИ-системой, которая собирает детали и регистрирует проблему; затем звонок передаётся человеку-диспетчеру", "technologies": ["NLP", "agent"], "technology_basis": "At Knight-Swift, drivers experiencing roadside breakdowns first interact with an AI system that gathers details and logs the issue before transferring the call to a human agent, reducing hold times.", "ai_component_established": true, "human_role": "человек-диспетчер (human agent) принимает звонок после первичной обработки ИИ-системой и продолжает работу с водителем; финальное решение о ремонте/эвакуации остаётся за человеком (не описано детально)", "agent_role": "ИИ-система собирает детали поломки и регистрирует (логирует) проблему на первом этапе звонка", "authority": "unknown", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "At Knight-Swift, drivers experiencing roadside breakdowns first interact with an AI system that gathers details and logs the issue before transferring the call to a human agent, reducing hold times.", "ai_native_label": "none", "ai_native_label_basis": "источник не применяет термин «AI-native»", "governance_change": {"established": false, "what_ru": "изменение конкретных прав решений не описано; изменился только порядок первого контакта (сначала ИИ, потом человек)", "basis_quote": null, "locator": null}, "effects": [{"metric": "время ожидания на линии (hold time) при звонке о поломке", "value": "снижено (величина не указана)", "unit": "качественно, без числа", "baseline": "unknown", "base_object": "звонки водителей Knight-Swift о поломке в пути", "period": "на дату публикации, май 2026", "claimed_by": "Knight-Swift Transportation (через издание Transport Topics)", "status": "SOURCE_CLAIM", "original_number": "reducing hold times"}], "outcome": "mixed_unclear — эффект заявлен качественно («reducing hold times»), без числового подтверждения", "uncertainty": "Единственный источник — независимая отраслевая пресса без числовой оценки эффекта; названия конкретного ИИ-инструмента/поставщика для этой функции в тексте нет", "alternative_explanations": null, "costs_side_effects": null, "pdca": null, "transfer_limits": null, "effect_evidence": "source_claim", "effect_evidence_note": "Независимая пресса без количественного измерения; качественное утверждение о снижении времени ожидания", "claims": [{"text_ru": "У Knight-Swift водители, столкнувшиеся с поломкой в пути, сначала взаимодействуют с ИИ-системой, которая собирает детали и регистрирует проблему, прежде чем звонок передаётся человеку-агенту, что снижает время ожидания", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения и описание процесса", "source_url": "https://www.ttnews.com/articles/ai-predictive-fleet-maintenance", "locator": "раздел «Beyond Maintenance»", "original_number": null}], "sources": [{"url": "https://www.ttnews.com/articles/ai-predictive-fleet-maintenance", "title": "AI Provides a Predictive Edge for Fleet Maintenance — Carriers Including Knight-Swift Broadly Applying AI to Operations", "publisher": "Transport Topics (TT)", "author": "Steve Brawner, Special to Transport Topics", "date": "2026-05-11", "type": "trade_press", "locator": "раздел «Beyond Maintenance»", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "X07-F04", "is_primary": false, "interested_party": "independent"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Найти собственный материал Knight-Swift о конкретном инструменте диспетчеризации поломок и числовую оценку сокращения времени ожидания"}
{"id": "X07-P07", "record_kind": "practice", "novelty": "updated", "prior_id": "W8-REG-LEGAL-6-01", "links_prior": [{"old_id": "W8-REG-LEGAL-6-01", "layer": "v0.2", "relation": "same_practice", "basis_ru": "та же организация (Amazon France Logistique) и тот же регуляторный кейс (санкция CNIL за контроль эффективности складских сотрудников через сканеры); ранее (I3-EC-067) отмечен evidence_level=A, verdict=reject_counting — перепроверено: ИИ/МО-компонент в системе (stow machine gun, idle time, temps de latence) источниками не установлен, поэтому карточка оформлена как смежная цифровизация (adjacent_digitalization), а не как ИИ-практика", "author": "claude-sonnet-5"}], "early_candidate_id": "I3-EC-067", "stream_primary": "WAREHOUSE", "tags": ["FR", "adjacent_digitalization", "negative", "regulatory", "historical_basis"], "organization": "Amazon France Logistique (AFL), подразделение Amazon в складской логистике Франции", "org_type": "company", "process": "Сбор точных индивидуальных показателей эффективности складских сотрудников через сканеры (устройства «stow machine gun», «idle time», «temps de latence») и видеонаблюдение; регуляторная санкция CNIL и частичный пересмотр Государственным советом (Conseil d'État)", "period": "проверки CNIL проведены в 2019 г.; санкция CNIL — 27.12.2023 (SAN-2023-021); решение Conseil d'État — 23.12.2025; текущий статус системы контроля после решений — unknown (источники не описывают, что Amazon изменила после решений)", "industry": "складская логистика e-commerce", "industry_std": "warehousing_transport", "process_stage": "warehouse_worker_monitoring", "function": "контроль эффективности и продуктивности складского персонала", "role_in_chain": "other", "b2b_b2c": "b2c (складская логистика Amazon)", "country": "France", "country_basis": "проверки CNIL проведены в 2019 году в нескольких складах (entrepôts) Amazon France Logistique", "before": "unknown", "after": "сканеры собирали точные индивидуальные показатели эффективности («stow machine gun», «idle time», «temps de latence»); данные о продуктивности хранились 31 день; применялось видеонаблюдение", "technologies": ["other"], "technology_basis": "d'avoir mis en place des outils permettant de collecter des indicateurs précis de performance individuelle, notamment via les dispositifs dits « stow machine gun », « idle time » et « temps de latence »", "ai_component_established": false, "human_role": "складской сотрудник работает со сканером; его действия (скорость, простои) фиксируются устройством; финальное дисциплинарное/управленческое решение — не описано в прочитанных материалах", "agent_role": "не установлено — источники описывают сбор данных сканерами и видеонаблюдение, не называя алгоритм ИИ/МО, лежащий в основе", "authority": "unknown", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "d'avoir mis en place des outils permettant de collecter des indicateurs précis de performance individuelle, notamment via les dispositifs dits « stow machine gun », « idle time » et « temps de latence »", "ai_native_label": "none", "ai_native_label_basis": "источники не используют термин «ИИ» или «AI-native» применительно к этой системе — это классифицировано как смежная цифровизация без установленного ИИ-компонента", "governance_change": {"established": false, "what_ru": "изменение полномочий/ролей менеджмента в связи с системой не описано; изменение принесло регуляторное решение (частичная отмена и снижение штрафа), а не внутреннее изменение управления Amazon", "basis_quote": null, "locator": null}, "effects": [{"metric": "штраф CNIL, наложенный на Amazon France Logistique", "value": "32", "unit": "млн евро", "baseline": "0", "base_object": "штраф, рассчитанный на основе глобального оборота Amazon France Logistique как экономической единицы", "period": "решение CNIL от 27.12.2023 (SAN-2023-021)", "claimed_by": "CNIL (французский регулятор защиты данных)", "status": "VERIFIED", "original_number": "32 millions d'euros"}, {"metric": "штраф после пересмотра Государственным советом (Conseil d'État)", "value": "15", "unit": "млн евро", "baseline": "32 млн евро (первоначальный штраф CNIL)", "base_object": "тот же штраф, пересчитанный судом по критериям ст. 83 GDPR", "period": "решение Conseil d'État от 23.12.2025", "claimed_by": "Conseil d'État (Государственный совет Франции)", "status": "VERIFIED", "original_number": "15 millions d'euros"}, {"metric": "срок хранения данных о продуктивности сотрудников", "value": "31", "unit": "день", "baseline": "unknown (сравнительный норматив не указан)", "base_object": "данные сканеров о продуктивности складских сотрудников AFL", "period": "на момент проверки CNIL", "claimed_by": "Haas Avocats (пересказ решения Conseil d'État)", "status": "SOURCE_CLAIM", "original_number": "31 jours"}], "outcome": "mixed — Conseil d'État подтвердил часть нарушений (минимизация данных, информирование временных работников, безопасность данных), но отменил вывод CNIL об отсутствии законного основания для самих показателей контроля активности, признав их законный интерес работодателя; итоговый штраф снижен вдвое", "uncertainty": "Ни один из двух прочитанных материалов (aefinfo, haas-avocats) не упоминает искусственный интеллект, машинное обучение или алгоритм применительно к системе AFL — только сбор данных сканерами и видеонаблюдение; поэтому карточка размечена как ai_component_established: false / adjacent_digitalization, а не как ИИ-практика. Это соответствует калибровке WORKER.md о похожем деле (анонимное агентство недвижимости), исключённом по той же причине", "alternative_explanations": null, "costs_side_effects": "Штраф 15 млн евро (после снижения); репутационные и регуляторные издержки; необходимость пересмотра политики хранения данных и информирования временных работников", "pdca": null, "transfer_limits": "Специфика французского и общеевропейского регулирования (RGPD/GDPR); решение Conseil d'État формирует прецедент для схожих систем контроля труда во Франции", "effect_evidence": "none", "effect_evidence_note": "Эффект практики (влияние на производительность/условия труда сотрудников) не измерен; есть независимые решения регулятора (CNIL) и суда (Conseil d'État) о законности самой системы контроля, но не об её эффекте", "claims": [{"text_ru": "CNIL наложила на Amazon France Logistique административный штраф в 32 млн евро (решение SAN-2023-021 от 27 декабря 2023 года) за избыточный сбор индивидуальных показателей эффективности сотрудников через сканеры и связанные нарушения RGPD", "status": "VERIFIED", "verification_scope": "факт вынесения решения CNIL и сумма штрафа", "source_url": "https://www.haas-avocats.com/reglementation/surveillance-des-salaries-chez-amazon-le-conseil-detat-precise-le-cadre-rgpd/", "locator": "текст статьи, абзац о санкции CNIL", "original_number": "32 millions d'euros"}, {"text_ru": "Conseil d'État решением от 23 декабря 2025 года подтвердил часть нарушений, но отменил вывод CNIL об отсутствии законного основания у показателей слежения за активностью (признав легитимный интерес работодателя), и снизил штраф до 15 млн евро", "status": "VERIFIED", "verification_scope": "факт решения Conseil d'État, содержание пересмотра и итоговая сумма штрафа — подтверждено двумя независимыми материалами (aefinfo.fr, haas-avocats.com)", "source_url": "https://www.haas-avocats.com/reglementation/surveillance-des-salaries-chez-amazon-le-conseil-detat-precise-le-cadre-rgpd/", "locator": "текст статьи, разделы о решении Conseil d'État и переоценке штрафа", "original_number": "15 millions d'euros"}, {"text_ru": "Ни в одном из прочитанных материалов не упоминается искусственный интеллект или машинное обучение как основа системы контроля сканеров и видеонаблюдения AFL", "status": "HYPOTHESIS", "verification_scope": "вывод об отсутствии установленного ИИ-компонента — основан на отсутствии соответствующих терминов в двух прочитанных материалах, составлен автором карточки", "source_url": "https://www.haas-avocats.com/reglementation/surveillance-des-salaries-chez-amazon-le-conseil-detat-precise-le-cadre-rgpd/", "locator": "весь текст статьи", "original_number": null}, {"text_ru": "Данные о продуктивности сотрудников хранились 31 день — по пересказу решения Conseil d'État юридической фирмой Haas Avocats; в доступном фрагменте второго материала (AEF info) эта деталь не встречается, второй независимый материал не подтверждает именно эту цифру", "status": "SOURCE_CLAIM", "verification_scope": "конкретная цифра срока хранения данных (31 день) — подтверждена только одним из двух прочитанных материалов", "source_url": "https://www.haas-avocats.com/reglementation/surveillance-des-salaries-chez-amazon-le-conseil-detat-precise-le-cadre-rgpd/", "locator": "раздел с перечислением подтверждённых Conseil d'État нарушений", "original_number": "pendant 31 jours"}], "sources": [{"url": "https://www.haas-avocats.com/reglementation/surveillance-des-salaries-chez-amazon-le-conseil-detat-precise-le-cadre-rgpd/", "title": "Surveillance des salariés chez Amazon : le Conseil d'État précise le cadre RGPD", "publisher": "Haas Avocats", "author": "Haas Avocats (юридическая фирма; статья без указания отдельного автора)", "date": "2026-01-27", "type": "legal_analysis", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "X07-F05", "is_primary": false, "interested_party": "independent"}, {"url": "https://www.aefinfo.fr/depeche/743330-le-conseil-detat-valide-des-outils-permettant-a-amazon-de-documenter-en-temps-reel-certaines-taches-des-salaries", "title": "Le Conseil d'État valide des outils permettant à Amazon de documenter en temps réel certaines tâches des salariés", "publisher": "AEF info (Groupe AEF)", "author": "Lucy Bateman", "date": "2025-12-29", "type": "trade_press", "locator": "доступный без подписки фрагмент депеши (заголовок и первый абзац)", "reading_scope": "partial", "accessed_at": "2026-09-25", "file_id": "X07-F06", "is_primary": false, "interested_party": "independent"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "При необходимости для итерации 4 — найти сам текст решения Conseil d'État (legifrance/conseil-etat.fr) как первоисточник вместо юридических блогов"}