{"id": "P14-B2C-2-P01", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2C", "tags": ["E2E", "pricing", "travel", "airline", "historical_basis", "vendor_case_study", "SEA"], "organization": "AirAsia (AirAsia Group Berhad)", "org_type": "действующая компания", "process": "Ценообразование дополнительных услуг (ancillary revenue: багаж, места, питание) на основе машинного обучения — прогноз спроса через Google AI Platform поверх данных в BigQuery", "period": "программа «data-first business» начата в 2016; работы по ML-ценообразованию — с марта 2018; кейс-стади Google Cloud опубликован не позднее апреля 2019 (по данным Wayback Machine, archive.org, первый снимок страницы — 2019-04-10); более поздних независимых подтверждений текущего статуса не найдено", "industry": "пассажирские авиаперевозки (бюджетный перевозчик)", "function": "ценообразование дополнительных услуг / revenue management", "b2b_b2c": "B2C", "country": "Малайзия", "country_basis": "AirAsia — авиакомпания со штаб-квартирой в Малайзии, обслуживающая 150+ направлений в 25 рынках Азии; кейс описывает практику головной организации, без разбивки по странам применения", "before": "источник не описывает процесс ценообразования дополнительных услуг до внедрения ИИ; общий контекст — переход AirAsia с 2016 года к «data-first business»", "after": "«In March 2018, AirAsia established the groundwork to use machine learning to optimize pricing for a range of services and began by using AI Platform to sort and predict demand for ancillary services such as baggage, seats, and meals» (Google Cloud). Прямая цитата сотрудника: «By using AI Platform, we can sort based on data about history to predict the future» (Lye Kong Wei, Chief of Data Science, Group Head, AirAsia). Данные обрабатывались и визуализировались через BigQuery и Looker Studio.", "technologies": ["predictive_ML"], "technology_basis": "Google Cloud, кейс-стади AirAsia: «AirAsia established the groundwork to use machine learning to optimize pricing... using AI Platform to sort and predict demand for ancillary services»; технология не детализирована глубже названия платформы (AI Platform — предшественник Vertex AI)", "human_role": "unknown — источник не называет, кто принимает итоговое решение о цене на основе прогноза спроса", "agent_role": "сортировка исторических данных и прогноз будущего спроса на дополнительные услуги (багаж, места, питание) для целей ценообразования", "authority": "unknown — источник не указывает, применяются ли прогнозы автоматически к ценам или только информируют человека", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "«In March 2018, AirAsia established the groundwork to use machine learning to optimize pricing for a range of services and began by using AI Platform to sort and predict demand for ancillary services such as baggage, seats, and meals»", "ai_native_label": "none", "ai_native_label_basis": "AirAsia не позиционирует практику как «AI-native»; это точечное применение ML в одной функции (ценообразование допуслуг) в рамках более широкой пятилетней программы цифровизации", "effects": [], "outcome": "unknown", "uncertainty": "источник (материал поставщика Google Cloud) не приводит количественных эффектов именно по ценообразованию дополнительных услуг (нет данных о росте cross-sell, марже или выручке); упоминаемые в открытых пересказах в интернете цифры (рост cross-sell ~13,5%, маржи ~9,3%) при непосредственном чтении сохранённой страницы (raw/airasia-google-cloud.html) не обнаружены — не включены в карточку во избежание домысливания по неподтверждённому пересказу", "alternative_explanations": "unknown — источник не обсуждает", "costs_side_effects": "unknown — источник (промо-материал поставщика) не описывает издержки, риски или сопутствующий эффект внедрения", "pdca": null, "transfer_limits": "кейс описывает раннюю (2016–2018) стадию цифровой трансформации одной авиакомпании через конкретного облачного поставщика (Google Cloud); прямой перенос выводов на другие авиакомпании или более поздние периоды ограничен отсутствием количественных результатов и датировкой материала", "claims": [{"text_ru": "В марте 2018 года AirAsia начала применять машинное обучение (Google AI Platform) для прогноза спроса на дополнительные услуги (багаж, места, питание) с целью оптимизации их цены.", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения — по материалу поставщика (Google Cloud), с прямой цитатой сотрудника AirAsia", "source_url": "https://cloud.google.com/customers/airasia", "locator": "раздел «Machine learning employed to increase ancillary revenue»"}, {"text_ru": "Страница кейс-стади AirAsia на cloud.google.com существовала не позднее 10 апреля 2019 года.", "status": "SOURCE_CLAIM", "verification_scope": "факт существования публикации на указанную дату — подтверждено снимком Wayback Machine", "source_url": "http://web.archive.org/web/20190410182838/https://cloud.google.com/customers/airasia/", "locator": "ответ Wayback Machine Availability API на запрос по URL cloud.google.com/customers/airasia"}], "sources": [{"url": "https://cloud.google.com/customers/airasia", "title": "AirAsia Case Study | Google Cloud", "publisher": "Google Cloud (материал поставщика)", "author": "unknown (byline не найден)", "date": "unknown (не позднее 2019-04-10 по данным Wayback Machine)", "type": "company_blog", "locator": "полный текст страницы", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P14-B2C-2-F01"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "проверить, есть ли более свежий (2023+) независимый материал о текущем состоянии ML-ценообразования AirAsia; данный кейс исторический и однобокий (только материал поставщика)"}
{"id": "P14-B2C-2-P02", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2C", "tags": ["insurance", "claims", "Japan", "CV", "production", "historical_basis"], "organization": "Sompo Japan Insurance Inc. (Sompo Holdings)", "org_type": "действующая компания", "process": "Автоматическая ИИ-проверка обоснованности смет ремонта по фотографиям повреждений и репарационным сметам («AI Estimate Check») в рамках цифровизации урегулирования автостраховых убытков Sompo Japan; отдельно в том же разделе описано определение полной гибели автомобиля по фото («Okuruma Smart Evaluation»). Страница Sompo Holdings не утверждает прямо, что «AI Estimate Check» — это тот же продукт, что и «AI Estimating» партнёра Tractable из анонса 2021 года (Tractable упомянут как DX-партнёр компании в целом, с июля 2021 года) — тождество этих двух названий помечено как HYPOTHESIS, не факт", "period": "Tractable Ltd. — DX-партнёр Sompo Japan с июля 2021 года (по собственной публикации Sompo Holdings); клиентский фото-сервис «AI Estimating» Tractable анонсирован 12.08.2021 с формулировкой «Sompo will launch... in October 2021» — это план на дату анонса, факт запуска в октябре 2021 источниками не подтверждён; данные по объёму работы «AI Estimate Check» — по состоянию на май 2023; цель 40%-охвата — прогноз на 2025 год (план, не достигнутый результат)", "industry": "розничное автострахование (P&C)", "function": "урегулирование убытков (claims / loss adjustment)", "b2b_b2c": "B2C", "country": "Япония", "country_basis": "Sompo Japan Insurance Inc. — японский страховщик; описанные сервисы (LINE, AI Estimate Check) — для японского рынка, по собственной публикации Sompo Holdings", "before": "«Sompo Japan Insurance Inc. handles more than two million claims service cases per year, and has traditionally relied mainly on people with specialized skills to provide these services» (Sompo Holdings). Отдельно, до появления AI Estimate Check, компания уже цифровизировала канал подачи заявлений через LINE-чат (без указания ИИ в описании этой функции источником): для личного страхования от несчастных случаев — с августа 2020 года, для автостраховых случаев (одиночные ДТП) — с августа 2022 года; ранее клиенты ожидали звонка сотрудника в рабочие часы (9:00–17:00), после запуска LINE-канала заявление можно подать 24/7, и процесс, по словам Sompo, занимает «as little as 30 minutes» — источник не называет эту функцию (подачу заявления через LINE) применением ИИ, поэтому её эффект не отнесён к карточке ИИ-проверки смет", "after": "«AI Estimate Check» — «solution where AI checks the validity of repairs and costs based on images of damages and repair estimates»; «Claims service personnel only examine and verify cases that the system identifies as requiring human examination» (Sompo Holdings). По состоянию на май 2023 сервис обрабатывает ≈50 000 фотопроверок в месяц; заявленная цель (план, не факт) — к 2025 году автоматически проверять 40% из ≈1 млн ежегодных случаев повреждения автомобиля. Отдельно «Okuruma Smart Evaluation» определяет полную гибель автомобиля по фото без выезда сотрудника и, по описанию Sompo, «enables insurance claims to be paid out as quickly as the same day the claim is received». Компания также заявляет план (не текущее состояние): «we plan to enhance our services to enable same-day claims payment to customers by fully automating the claims process for simple cases by integrating AI-based automatic assessments and paying insurance benefits through electronic money»", "technologies": ["CV"], "technology_basis": "Sompo Holdings: «AI Estimate Check... This is a solution where AI checks the validity of repairs and costs based on images of damages and repair estimates»; технология не детализирована глубже названия продукта. Партнёрство с Tractable Ltd. упомянуто на той же странице как общий DX-партнёр («leverage the cutting-edge AI technology of Tractable Ltd.»), но прямого указания, что именно «AI Estimate Check» разработан Tractable, в тексте нет — связь с продуктом «AI Estimating», описанным Coverager (2021), не подтверждена явно и помечена как HYPOTHESIS. Coverager (со слов Tractable): «analyzes images of the vehicle involved in an accident submitted through a policyholder's smartphone, and quickly assesses the damage and calculates the approximate repair cost»", "human_role": "«Claims service personnel only examine and verify cases that the system identifies as requiring human examination»; высвобождённое время сотрудники направляют на «highly specialized domains that can only be performed by humans, such as providing consulting services to repair shops and creating systems to eliminate fraudulent claims» (Sompo Holdings)", "agent_role": "анализ фотографий повреждений и смет ремонта, автоматическая проверка их обоснованности, маршрутизация случаев, требующих проверки человеком; отдельно — определение полной гибели автомобиля по фото", "authority": "система самостоятельно определяет, какие случаи требуют проверки человеком («cases that the system identifies as requiring human examination»); для не отмеченных системой случаев прямого указания на выплату без участия человека в тексте нет — трактуется как HYPOTHESIS, не факт", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "«As of May 2023, this AI service checks approximately 50,000 image inspection cases per month»", "ai_native_label": "none", "ai_native_label_basis": "Sompo Holdings описывает это как «DX» (digital transformation) и «human-digital hybrid services», не использует термин «AI-native»", "effects": [{"metric": "объём фотопроверок AI Estimate Check", "value": "≈50 000", "unit": "проверок в месяц", "baseline": "unknown — источник не приводит исходный (до внедрения) объём или долю", "period": "по состоянию на май 2023", "claimed_by": "Sompo Holdings (собственная публикация)", "status": "SOURCE_CLAIM"}, {"metric": "целевая (плановая, не достигнутая) доля автоматической проверки повреждений автомобиля — прогноз/план (expect), не результат", "value": "40", "unit": "% от ≈1 млн ежегодных случаев", "baseline": "unknown", "period": "план на 2025 год", "claimed_by": "Sompo Holdings", "status": "SOURCE_CLAIM"}, {"metric": "заявленная возможность: выплата в день получения заявления при признании полной гибели автомобиля (Okuruma Smart Evaluation)", "value": "тот же день (as quickly as the same day)", "unit": null, "baseline": "прежде — выезд сотрудника для осмотра на месте, что удлиняло сроки", "period": "unknown (дата запуска Okuruma Smart Evaluation источником не названа)", "claimed_by": "Sompo Holdings (собственная публикация)", "status": "SOURCE_CLAIM"}], "outcome": "uncertain", "uncertainty": "Цель 40%-охвата к 2025 году — план/прогноз, а не подтверждённый достигнутый результат; независимой (не Sompo, не Tractable) проверки достижения цели, точности ИИ-оценок или доли оспариваемых смет не найдено. Тождество «AI Estimate Check» (страница Sompo) и «AI Estimating» (анонс Tractable, Coverager 2021) источником прямо не устанавливается — трактуется как HYPOTHESIS. Дата фактического запуска клиентского сервиса Tractable в октябре 2021 не подтверждена: в источнике это план на момент анонса («After successful trials, Sompo will launch... in October 2021»), а не состоявшийся факт. Статья Coverager (2021) написана автором, указанным как «Communications and Marketing Manager at Tractable» — то есть это перепечатка анонса партнёра, а не независимая редакционная проверка.", "alternative_explanations": "Рост числа автоматических проверок в месяц может отражать не только точность модели, но и общий рост числа заявок, поданных через цифровые каналы (включая LINE) — HYPOTHESIS, отдельно от эффекта самой AI Estimate Check", "costs_side_effects": "Источники не раскрывают стоимость партнёрства с Tractable, затраты на внедрение или показатели ошибок/споров по итогам автоматической проверки. Связь между внутренним продуктом Sompo «AI Estimate Check» и анонсированным Tractable клиентским сервисом «AI Estimating» остаётся неясной (см. uncertainty) — это ограничивает доверие к тому, что все цифры на странице Sompo относятся к одному и тому же инструменту.", "pdca": null, "transfer_limits": "практика специфична для автострахования в Японии с высокой стандартизацией процессов ремонта через сеть СТО-партнёров; перенос на другие виды страхования (не авто) источником не описан", "claims": [{"text_ru": "По состоянию на май 2023 года сервис Sompo Japan «AI Estimate Check» проверял приблизительно 50 000 фотографий повреждений автомобилей в месяц, с заявленной плановой целью (не достигнутым результатом) автоматически проверять 40% из примерно 1 млн ежегодных случаев к 2025 году.", "status": "SOURCE_CLAIM", "verification_scope": "масштаб внедрения и плановая цель — собственная публикация Sompo Holdings", "source_url": "https://www.sompo-hd.com/en/csr/action/customer/content4/", "locator": "раздел «DX in Loss Adjustment (Automobile)» → «AI Estimate Check»"}, {"text_ru": "По анонсу от 12.08.2021 (Coverager, со слов представителя Tractable) Sompo Japan планировала после успешных испытаний запустить в Японии в октябре 2021 года фото-сервис Tractable «AI Estimating» для расчёта приблизительной стоимости ремонта; факт состоявшегося запуска в указанную дату источниками не подтверждён — это план на момент анонса, а не подтверждённый результат.", "status": "SOURCE_CLAIM", "verification_scope": "факт партнёрства и содержание анонса — независимая площадка (Coverager), но автор статьи указан как сотрудник коммуникаций Tractable, то есть фактически анонс партнёра, не независимая журналистская проверка; факт запуска не верифицирован", "source_url": "https://coverager.com/sompo-japan-is-first-japanese-insurer-to-use-ai-to-calculate-approximate-repair-costs/", "locator": "полный текст статьи от 2021-08-12"}], "sources": [{"url": "https://www.sompo-hd.com/en/csr/action/customer/content4/", "title": "Products and Services Using Digital Technology | Sompo Holdings", "publisher": "Sompo Holdings (собственная публикация)", "author": "unknown (корпоративная страница, без индивидуального byline)", "date": "unknown (страница содержит данные по состоянию на май 2023 и план до 2025; дата последнего обновления страницы не указана)", "type": "company_blog", "locator": "раздел «Products and Services Using Digital Technology» → «DX in Loss Adjustment (Automobile)»", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P14-B2C-2-F02"}, {"url": "https://coverager.com/sompo-japan-is-first-japanese-insurer-to-use-ai-to-calculate-approximate-repair-costs/", "title": "Sompo Japan is first Japanese insurer to use AI to calculate approximate repair costs", "publisher": "Coverager", "author": "Casey Sobota (указана как Communications and Marketing Manager at Tractable)", "date": "2021-08-12", "type": "media", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P14-B2C-2-F03"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "искать независимую (не Sompo, не Tractable) оценку точности/оспариваемости ИИ-смет, фактическое достижение цели 40% к 2025 году и прямое подтверждение (или опровержение) того, что «AI Estimate Check» и анонсированный Tractable сервис «AI Estimating» — один и тот же продукт"}
{"id": "P14-B2C-2-P03", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2C", "tags": ["restaurant", "GenAI", "Japan", "pilot", "vendor_case_study", "uncertain_outcome"], "organization": "Skylark Holdings Co., Ltd. (Skylark Group; бренды Gusto, Bamiyan, Jonathan's)", "org_type": "действующая компания", "process": "«Co Store Manager» — разговорный ИИ-помощник заказа блюд («AI Robo») на цифровом меню-планшете одного ресторана сети, на основе Azure OpenAI Service, с автоматическим суммированием диалогов в ежедневные отчёты", "period": "концепция — декабрь 2023; начало разработки системы — март 2024; старт пилота в ресторане Gusto Akihabara — сентябрь 2024; кейс-стади Microsoft опубликован 2025-05-13; по тексту источника пилот на дату публикации не завершён", "industry": "сетевой ресторанный бизнес (семейные/буфетные рестораны)", "function": "обслуживание клиентов / приём заказа", "b2b_b2c": "B2C", "country": "Япония", "country_basis": "пилот проведён в одном ресторане сети Gusto (станция Акихабара, Токио), по материалу Microsoft о Skylark Holdings (Япония)", "before": "цифровое меню (введено в 2020) с двумя опциями заказа: «Select meal from menu photos» и «Select meal with menu number or coupon number»; с 2022 года — доставка блюд кото-образным роботом; по словам директора Skylark, эти инициативы «improved customer convenience and streamlined store operations», но одновременно «left fewer points of contact between customers and workers»", "after": "в ресторане Gusto Akihabara к цифровому меню добавлена третья опция — «Talk to AI Robo to select meal»: разговор с ИИ-персонажем («AI Robo») через экранную клавиатуру или голос, рекомендации блюд (по три варианта за раз) на основе мастер-данных меню (Azure Cosmos DB) через RAG-поиск (Azure AI Search); диалоги велись на японском/английском (само меню доступно на японском, английском, китайском, корейском); диалоги ежедневно проверялись и промпты донастраивались командой Customer DX; часть клиентов стали заходить в ресторан повторно ради общения с AI Robo", "technologies": ["GenAI", "NLP"], "technology_basis": "Microsoft: «A trial of the Azure OpenAI Service-based AI Robo began in September 2024»; «We were already using ChatGPT on a daily basis, and the advent of GPT-4o significantly reduced hallucinations» (Yutaka Ikeda, Skylark); «RAG searches implemented through Azure AI Search», данные меню — в Azure Cosmos DB", "human_role": "команда Customer DX Group ежедневно проверяет логи диалогов и donастраивает промпты («Conversation logs are checked daily and prompts are tuned as needed»); в самом диалоге с клиентом сотрудник ресторана не участвует, за исключением стандартной подачи заказа", "agent_role": "ведёт диалог с клиентом, рекомендует блюда (по три варианта за раз), выполняет автоматическое суммирование разговоров в ежедневные отчёты; может призывать к порядку клиентов, использующих неприемлемые выражения", "authority": "unknown — источник не уточняет, оформляет ли AI Robo заказ самостоятельно (без дополнительного подтверждения через стандартный интерфейс меню) или только даёт рекомендацию, которую клиент оформляет отдельно", "change_depth": "operation", "deployment_stage": "pilot", "stage_marker_quote": "«conducted a proof-of-concept project called “Co Store Manager”»; «Skylark Holdings started building a system in March 2024 and began trials at Gusto Akihabara in September»; «After the trial concludes, the company will consider expanding the solution to more stores»", "ai_native_label": "none", "ai_native_label_basis": "Skylark описывает инициативу как пилот/PoC по внедрению генеративного ИИ в один процесс (заказ блюд) одного ресторана, не как переход к «AI-native» операционной модели", "effects": [{"metric": "повторные визиты клиентов ради общения с AI Robo", "value": "unknown (не квантифицировано)", "unit": null, "baseline": null, "period": "во время пилота (с сентября 2024)", "claimed_by": "сотрудники Skylark (цитаты Manami Nakazaki, Yoshie Fujimoto) — анекдотические наблюдения без цифр", "status": "SOURCE_CLAIM"}], "outcome": "uncertain", "uncertainty": "прямая цитата директора Customer DX Group: «It’s still too early to say that it’s actually enhancing customer experience. However, marketing teams and store crews are gaining a new awareness of generative AI» (Yutaka Ikeda) — сама компания не утверждает доказанный эффект", "alternative_explanations": "повторные визиты «ради общения с AI Robo» могут отражать эффект новизны/любопытства, а не устойчивое улучшение удержания клиентов — HYPOTHESIS", "costs_side_effects": "команда отмечает высокий расход токенов («We have a significant number of tokens as a result») и необходимость упрощать промпты; разговоры с ИИ ограничены японским/английским, тогда как само меню доступно на 4 языках — функциональное ограничение относительно остального интерфейса; пилот ограничен одним рестораном сети из ≈3000 точек", "pdca": null, "transfer_limits": "пилот в единственном флагманском ресторане (Gusto Akihabara), с языковой настройкой под японский; прямой перенос на другие рестораны сети или страны (Тайвань, Малайзия, США, где также присутствует Skylark) источником не подтверждён", "claims": [{"text_ru": "Skylark Holdings провела пилот генеративного ИИ-помощника заказа («AI Robo» / «Co Store Manager» на базе Azure OpenAI Service и GPT-4o) в одном ресторане Gusto (Akihabara), начиная с сентября 2024 года; по словам директора Customer DX Group, на момент публикации кейса ещё рано утверждать, что решение действительно улучшает клиентский опыт.", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения, масштаб (один ресторан) и оценка результата — собственные слова сотрудников Skylark, пересказанные в материале поставщика (Microsoft)", "source_url": "https://www.microsoft.com/en/customers/story/23639-skylark-holdings-co-ltd-azure-ai-content-safety", "locator": "полный текст кейс-стади, опубликован 2025-05-13"}], "sources": [{"url": "https://www.microsoft.com/en/customers/story/23639-skylark-holdings-co-ltd-azure-ai-content-safety", "title": "Skylark Group serves up better dining experiences with generative AI and Azure OpenAI", "publisher": "Microsoft (материал поставщика, Microsoft Customer Stories)", "author": "unknown (byline не найден, материал маркетинговый)", "date": "2025-05-13", "type": "company_blog", "locator": "полный текст кейс-стади", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P14-B2C-2-F04"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "мониторить, объявит ли Skylark расширение «Co Store Manager» на другие рестораны и появятся ли количественные показатели (конверсия, удержание, стоимость токенов на заказ)"}
{"id": "P14-B2C-2-P04", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2C", "tags": ["telecom", "agent", "GenAI", "Korea", "production", "vendor_case_study"], "organization": "SK Telecom", "org_type": "действующая компания", "process": "Мультиагентная оркестрация персонального ИИ-ассистента «A.(A-Dot)» (планирование, поиск, медиа, интеграция со сторонними сервисами) на платформе Microsoft Foundry / Azure OpenAI", "period": "A.(A-Dot) запущен на Azure OpenAI в конце 2023 года; переход к мультиагентной оркестрации — даты начала работ источником не названы; MAU превысили 10 млн к 2025 году; кейс-стади Microsoft опубликован 2025-11-18", "industry": "мобильная связь (телеком-оператор)", "function": "клиентский сервис / персональный цифровой ассистент как продукт для абонентов", "b2b_b2c": "B2C", "country": "Республика Корея", "country_basis": "SK Telecom — южнокорейский оператор мобильной связи; сервис соответствует требованиям Закона о защите личной информации Кореи (PIPA), по тексту источника", "before": "«The company’s next goal was to move beyond simple, single-turn responses to orchestrate complex, multistep tasks capable of managing real-world user goals such as scheduling, daily routines, and multimodal interactions» — то есть до апгрейда A.(A-Dot) отвечал только на одиночные (single-turn) запросы", "after": "мультиагентная архитектура: пользовательская задача разбивается на подзадачи, которые координирует оркестратор между специализированными агентами (расписание, медиа, поиск); контекст диалога и RAG сохраняют историю и предпочтения пользователя; голосовые сценарии — через Azure Speech; интеграция с локальными API (например, бронирование отеля) и повторное использование агентных компонентов в других продуктах (сервис мобильности TMAP); модели дообучены под корейский язык; для контроля затрат и стабильности при пиковых нагрузках применяется схема Prepaid Token Unit (PTU)", "technologies": ["agent", "GenAI", "NLP"], "technology_basis": "Microsoft: «SK Telecom built an agentic solution, using Microsoft Foundry for its multi-agent orchestration»; «Azure OpenAI in Foundry Models provides the backbone for reasoning and conversation, with models such as GPT-4.1 and GPT-4.1 mini»; «The A.(A-Dot) agent does not generate an answer in one single call. It goes up several steps. Sometimes many different agents cooperate to generate the best answer» (SungWon Han, SK Telecom)", "human_role": "инженерные команды SK Telecom «curated expert data and used prompt evaluation tools to rigorously assess language model performance», процесс дообучения «was iterative, involving cycles of tuning and validation with use-case planners»; роль человека в самом клиентском диалоге (эскалация, подтверждение действий агента) источником не описана — unknown", "agent_role": "разбивает цель пользователя на подзадачи, координирует специализированные агенты (расписание, медиа, поиск), удерживает историю использования и предпочтения, интегрируется с внешними API (например, бронирование отеля)", "authority": "unknown — источник не уточняет, может ли агент завершать транзакции (например, бронирование) полностью автономно или только готовит их для подтверждения пользователем", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "«The platform supports millions of monthly active users, maintaining stable performance during traffic spikes thanks to PTU provisioning»", "ai_native_label": "none", "ai_native_label_basis": "источник описывает продуктовую агентную функцию внутри существующего приложения-ассистента, не заявляет о полной перестройке операционной модели телеком-оператора", "effects": [{"metric": "число ежемесячно активных пользователей (MAU) A.(A-Dot)", "value": "≈1,1 млн → более 10 млн", "unit": "MAU", "baseline": "≈1,1 млн на старте", "period": "конец 2023 — 2025 (менее двух лет)", "claimed_by": "SK Telecom (через кейс-стади Microsoft)", "status": "SOURCE_CLAIM"}, {"metric": "сокращение сроков вывода новых функций сервиса", "value": "3–4", "unit": "месяца (сокращение срока разработки)", "baseline": null, "period": "в период сотрудничества с Microsoft", "claimed_by": "SK Telecom (через кейс-стади Microsoft)", "status": "SOURCE_CLAIM"}], "outcome": "success", "uncertainty": "результаты полностью самозаявленные компанией и партнёром-поставщиком (Microsoft); независимого (не SK Telecom, не Microsoft) подтверждения роста MAU, ускорения разработки или влияния конкретно A.(A-Dot) на выручку/удержание абонентов не найдено; в материале также нет разбивки, какая доля роста MAU объясняется собственно агентной архитектурой, а не общим ростом популярности приложения", "alternative_explanations": "рост MAU с 1,1 млн до 10+ млн мог быть в значительной мере обусловлен общим ростом узнаваемости и маркетингом приложения A.(A-Dot), а не именно переходом на мультиагентную архитектуру — HYPOTHESIS", "costs_side_effects": "Материал (совместный кейс-стади SK Telecom и Microsoft) не раскрывает стоимость внедрения, риски или жалобы клиентов, связанные именно с A.(A-Dot). Отдельный, не связанный напрямую с этим продуктом кейс о сокращении рабочих мест тремя крупнейшими корейскими операторами на фоне заявленной «ИИ-трансформации» уже есть в общем корпусе (known-e4-cases.json, W8-DISCLOSURE-2-12) и не отнесён к этой карточке, чтобы не приписывать показатель другого процесса (занятость) продукту A.(A-Dot) — см. notes.md.", "pdca": null, "transfer_limits": "решение дообучено под корейский язык и построено с учётом требований корейского регулирования (Закон о защите личной информации), что ограничивает прямой перенос на другие рынки без повторного дообучения моделей и пересмотра комплаенс-контуров", "claims": [{"text_ru": "SK Telecom перевела персонального ИИ-ассистента A.(A-Dot) на мультиагентную архитектуру на платформе Microsoft Foundry/Azure OpenAI (модели GPT-4.1/GPT-4.1 mini); число ежемесячно активных пользователей выросло примерно с 1,1 млн до более чем 10 млн в период с конца 2023 по 2025 год, а вывод новых функций ускорился на 3–4 месяца.", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения, архитектура и заявленные показатели роста — по совместному материалу SK Telecom и Microsoft (кейс-стади поставщика), независимого подтверждения не найдено", "source_url": "https://www.microsoft.com/en/customers/story/25680-sk-telecom-azure-ai-foundry", "locator": "полный текст кейс-стади, опубликован 2025-11-18"}], "sources": [{"url": "https://www.microsoft.com/en/customers/story/25680-sk-telecom-azure-ai-foundry", "title": "SK Telecom deepens customer connections with agentic workflows in Microsoft Foundry", "publisher": "Microsoft (материал поставщика, Microsoft Customer Stories)", "author": "unknown (byline не найден, материал маркетинговый)", "date": "2025-11-18", "type": "company_blog", "locator": "полный текст кейс-стади", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P14-B2C-2-F05"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "попытаться прочитать собственные пресс-релизы SK Telecom (news.sktelecom.com) для независимой от Microsoft формулировки; попытка WebFetch/curl на news.sktelecom.com/en/1647 не удалась дважды (сетевая ошибка) — см. notes.md"}
{"id": "P14-B2C-2-P05", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2C", "tags": ["insurance", "claims", "Brazil", "LatAm", "production"], "organization": "Porto Seguro (Porto Seguro S.A.)", "org_type": "действующая компания", "process": "Автоматический предварительный расчёт («orçamentação automática») стоимости ремонта по фотографии повреждения для клиентов автострахования, доступный через два канала — мобильное приложение Porto и телефонный контакт-центр («via aplicativo e central de atendimento»); по формулировке издания — собственная разработка Porto («sua própria solução apoiada em inteligência artificial»)", "period": "решение «já disponível para os clientes de seguro automóvel» (уже доступно клиентам) на дату публикации статьи — 2023-04-05; точная дата запуска источником не названа", "industry": "розничное автострахование", "function": "урегулирование убытков (claims) — предварительная оценка стоимости ремонта", "b2b_b2c": "B2C", "country": "Бразилия", "country_basis": "Porto Seguro — бразильский страховщик, сервис описан для клиентов автострахования в Бразилии (приложение Porto), по материалу бразильского издания", "before": "unknown — источник не детализирует процесс оценки ущерба до внедрения инструмента", "after": "В приложении Porto клиент фотографирует повреждение, отправляет изображение и ожидает анализа — срок ожидания в источнике не назван. Через телефон контакт-центра предварительная смета («pré-orçamento») выдаётся сразу же на месте («a liberação do pré-orçamento ocorre na hora»). После этого шага обслуживание клиента продолжает сотрудник («o atendimento humanizado segue em sequência»).", "technologies": ["CV"], "technology_basis": "Источник использует общий термин «solução apoiada em inteligência artificial» (решение на основе ИИ) и описывает механизм как анализ отправленной фотографии повреждения («enviar a imagem e aguardar a análise»); более специфичный термин (например, «computer vision») источник не использует — категория CV присвоена по описанному механизму (анализ изображения), а не по дословной терминологии источника — HYPOTHESIS/интерпретация. По формулировке издания, решение — собственная разработка Porto («sua própria solução»), в отличие от вендорского партнёрства (ср. Sompo/Tractable в карточке P02)", "human_role": "«A partir dessas medidas, o atendimento humanizado segue em sequência» — после предварительного расчёта (по любому из двух каналов) обслуживание клиента продолжает сотрудник; кто именно подтверждает предварительную смету, выданную через приложение, источник не уточняет", "agent_role": "анализирует присланную фотографию повреждения и выдаёт клиенту предварительный расчёт («pré-orçamento») стоимости ремонта", "authority": "unknown — источник не уточняет, кто (человек-оператор или система автоматически) утверждает предварительную смету, выдаваемую через телефонный контакт-центр «на месте»; для канала приложения источник вообще не называет срок выдачи расчёта, только факт «отправки фото и ожидания анализа»", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "«a Porto Seguro lança sua própria solução apoiada em inteligência artificial. A iniciativa, já disponível para os clientes de seguro automóvel...»", "ai_native_label": "none", "ai_native_label_basis": "источник описывает точечный инструмент внутри существующего процесса урегулирования убытков, не заявляет о комплексной ИИ-трансформации компании", "effects": [], "outcome": "unknown", "uncertainty": "Источник не приводит количественных показателей (сроки обработки до/после, доля автоматизированных случаев, объём охваченных заявок, точность оценки) — только качественное описание возможности. Заметка TI INSIDE Online не имеет указанного индивидуального автора («Redação») и построена на цитате директора Porto и формулировках корпоративного анонса — это фактически сообщение компании в пересказе издания, а не независимая журналистская проверка.", "alternative_explanations": "unknown — источник не обсуждает", "costs_side_effects": "unknown — источник не описывает издержки, риски или спорные случаи по итогам автоматической предварительной оценки", "pdca": null, "transfer_limits": "практика ограничена одним рынком (Бразилия) и собственным приложением Porto; данных о точности ИИ-оценки, частоте расхождений с итоговым ремонтом или удовлетворённости клиентов не приведено", "claims": [{"text_ru": "Porto Seguro предлагает клиентам автострахования автоматический предварительный расчёт стоимости ремонта на основе ИИ по фотографии повреждения: в приложении Porto клиент отправляет фото и ожидает анализа (срок не назван источником), а через контакт-центр предварительная смета выдаётся сразу же на месте; далее обслуживание продолжает сотрудник.", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения и механика по двум каналам — заметка редакции TI INSIDE Online, построенная на цитате директора Porto по убыткам и содействию и на формулировках корпоративного анонса; независимой (вне компании) проверки нет", "source_url": "https://tiinside.com.br/05/04/2023/porto-usa-inteligencia-artificial-para-automatizar-orcamentos-de-seguro-de-automoveis/", "locator": "полный текст статьи от 2023-04-05"}], "sources": [{"url": "https://tiinside.com.br/05/04/2023/porto-usa-inteligencia-artificial-para-automatizar-orcamentos-de-seguro-de-automoveis/", "title": "Porto usa inteligência artificial para automatizar orçamentos de seguro de automóveis", "publisher": "TI INSIDE Online (Бразилия) — заметка редакции по сообщению компании, не независимое расследование", "author": "Redação (редакция, индивидуальный автор не указан)", "date": "2023-04-05", "type": "media", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P14-B2C-2-F06"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "искать более поздний (2024–2025) материал Porto Seguro с количественными эффектами (сроки, объём, точность) по каждому из двух каналов (приложение / контакт-центр) отдельно и независимую прессу вне TI Inside", "quote_original": "Pelo app Porto, basta captar uma foto, enviar a imagem e aguardar a análise. Através do telefone da central, a liberação do pré-orçamento ocorre na hora. A partir dessas medidas, o atendimento humanizado segue em sequência.", "quote_ru": "В приложении Porto достаточно сделать фото, отправить изображение и дождаться анализа. Через телефон контакт-центра предварительная смета выдаётся сразу же на месте. После этого обслуживание продолжает сотрудник."}
{"id": "P14-B2C-2-P06", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "B2C", "tags": ["travel", "airline", "pricing", "India", "plan_stage", "no_effects_yet"], "organization": "IndiGo (InterGlobe Aviation Ltd.)", "org_type": "действующая компания", "process": "Апгрейд облачной системы revenue management (Amadeus Segment Revenue Management Flex) с интеграцией собственных данных и моделей машинного обучения IndiGo", "period": "объявлено 11 марта 2025 года; дата завершения внедрения и первых измеримых результатов источником не названа", "industry": "пассажирские авиаперевозки (низкобюджетный перевозчик)", "function": "ценообразование / revenue management", "b2b_b2c": "B2C", "country": "Индия", "country_basis": "IndiGo — индийская авиакомпания, апгрейд описан для собственных операций перевозчика, по материалу отраслевого издания Travel And Tour World / World Aviation Festival", "before": "unknown в деталях; фраза «consolidating interfaces into one» подразумевает, что ранее использовалось несколько разрозненных интерфейсов/систем revenue management", "after": "«The upgrade has been provided by Amadeus through the cloud-based Amadeus Segment Revenue Management Flex (Amadeus SRM Flex). This new system will receive information from the airline’s Passenger Service System (PSS) to facilitate near real-time data exchange»; по словам SVP IndiGo Абхиджита Дасгупты, решение «enable IndiGo’s revenue management team to have more granular steering controls, make quicker business decisions, drive greater automation and increase efficiency» и «merge its own growing data science & machine learning capabilities with the solution»", "technologies": ["predictive_ML", "optimization"], "technology_basis": "прямая цитата SVP IndiGo: «it enables IndiGo to merge its own growing data science & machine learning capabilities with the solution, leveraging the strengths of both IndiGo and Amadeus»", "human_role": "unknown — источник упоминает «revenue management team» как получателя «more granular steering controls», но не детализирует роль людей в новом процессе", "agent_role": "unknown — источник описывает апгрейд корпоративной платформы revenue management, а не поведение отдельного агента/ассистента", "authority": "unknown", "change_depth": "operation", "deployment_stage": "plan", "stage_marker_quote": "«Today, low-cost Indian airline, IndiGo, announced a “major” Revenue Management systems upgrade with increased automation and more granular steering controls» — объявление о внедрении, описание эффектов дано в будущем времени («will enable», «will help maximize»), фактические результаты в источнике не приведены", "ai_native_label": "none", "ai_native_label_basis": "источник — совместный анонс перевозчика и поставщика (Amadeus) об апгрейде существующей функции revenue management, без заявлений об «AI-native» трансформации", "effects": [], "outcome": "unknown", "uncertainty": "статья представляет собой анонс на дату объявления (11.03.2025); измеримых результатов (изменение выручки, точности прогноза спроса, доли ручного вмешательства) источник не приводит — намеренно не додуманы", "alternative_explanations": "unknown — источник не обсуждает", "costs_side_effects": "unknown — источник (совместный анонс перевозчика и поставщика) не раскрывает стоимость, риски или переходные издержки внедрения", "pdca": null, "transfer_limits": "единичный анонс на момент объявления, без последующих данных о результатах; привязан к конкретному поставщику (Amadeus SRM Flex) и собственной инфраструктуре данных IndiGo", "claims": [{"text_ru": "11 марта 2025 года IndiGo объявила об апгрейде облачной системы revenue management на базе Amadeus SRM Flex с интеграцией собственных возможностей машинного обучения и данных авиакомпании; заявленные эффекты (более гранулярное управление тарифами, более быстрые решения, рост автоматизации) описаны в источнике в будущем времени, без представленных результатов на момент публикации.", "status": "SOURCE_CLAIM", "verification_scope": "факт объявления и содержание — совместный анонс IndiGo и Amadeus, пересказанный отраслевым изданием; факт достижения эффектов не подтверждён", "source_url": "https://worldaviationfestival.com/blog/airlines/indigo-upgrades-cloud-based-revenue-management-systems-with-increased-automation/", "locator": "полный текст статьи, автор Jess Brownlow, опубликовано 11.03.2025"}], "sources": [{"url": "https://worldaviationfestival.com/blog/airlines/indigo-upgrades-cloud-based-revenue-management-systems-with-increased-automation/", "title": "IndiGo upgrades cloud-based Revenue Management systems with increased automation", "publisher": "World Aviation Festival / Travel And Tour World (отраслевое издание)", "author": "Jess Brownlow", "date": "2025-03-11", "type": "media", "locator": "полный текст статьи", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P14-B2C-2-F07"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "искать материал за 2025–2026 годы с фактическими результатами апгрейда Amadeus SRM Flex у IndiGo (доля сети под управлением, влияние на доходность); текущая карточка намеренно зафиксирована на стадии plan без додумывания эффектов"}