{"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"], "organization": "Sompo Japan Insurance Inc. (Sompo Holdings)", "org_type": "действующая компания", "process": "Цифровизация урегулирования автостраховых убытков (loss adjustment): приём фото повреждений через приложение/LINE-чат, автоматическая ИИ-проверка обоснованности смет ремонта («AI Estimate Check», партнёр Tractable Ltd.) и определение полной гибели автомобиля по фотографиям («Okuruma Smart Evaluation»)", "period": "партнёрство с Tractable — DX-партнёр с июля 2021; фото-решение AI Estimating запущено в Японии в октябре 2021 (Coverager, 2021-08-12 — анонс до запуска); статус по состоянию на май 2023 — часть плана до 2025 года; страница Sompo Holdings прочитана 2026-09-24, дата последнего обновления самой страницы не указана", "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); для оформления выплат по страховому случаю клиенты ранее ожидали звонков сотрудников с 9:00 до 17:00 в будние дни, обработка занимала 2–3 недели", "after": "Клиент/СТО фотографирует повреждение и отправляет через приложение или LINE Claims Service; для личного страхования от несчастных случаев чат-бот запущен в августе 2020, для автостраховых случаев (одиночные ДТП) — в августе 2022. «AI Estimate Check» проверяет обоснованность смет ремонта по фото; «Claims service personnel only examine and verify cases that the system identifies as requiring human examination». По состоянию на май 2023 сервис обрабатывает ≈50 000 фотопроверок в месяц; заявленная цель — 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. Заявка через LINE-чат обрабатывается «as little as 30 minutes» вместо прежних 2–3 недель, доступна 24/7.", "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 описана как разработка партнёра «Tractable Ltd.» — «leverage the cutting-edge AI technology of Tractable Ltd.»; независимо — Coverager (2021-08-12): «Sompo Japan will use an AI solution, developed by technology company Tractable, to support some of the complex tasks that a human assessor would carry out when evaluating vehicle damage... analyzes images of the vehicle... 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": "end_to_end_process", "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": null, "period": "по состоянию на май 2023", "claimed_by": "Sompo Holdings (собственная публикация)", "status": "SOURCE_CLAIM"}, {"metric": "целевая доля автоматической проверки повреждений автомобиля", "value": "40", "unit": "% от ≈1 млн ежегодных случаев", "baseline": "0 (ручная проверка до внедрения)", "period": "план на 2025 год", "claimed_by": "Sompo Holdings", "status": "SOURCE_CLAIM"}, {"metric": "срок обработки заявки на выплату через LINE-чат", "value": "с 2–3 недель до 30 минут", "unit": "время обработки", "baseline": "2–3 недели (ожидание звонка сотрудника в рабочие часы)", "period": "после запуска чат-бота (2020/2022)", "claimed_by": "Sompo Holdings", "status": "SOURCE_CLAIM"}], "outcome": "uncertain", "uncertainty": "заявленная цель охвата 40% к 2025 году — план, а не подтверждённый достигнутый результат; независимой (не Sompo/не Tractable) проверки достижения цели или качества ИИ-оценок не найдено; статья Coverager (2021) написана автором, указанным как «Communications and Marketing Manager at Tractable» — то есть это фактически перепечатка анонса партнёра, а не независимая редакционная проверка", "alternative_explanations": "сокращение времени обработки могло быть частично связано с общим переходом на LINE-канал (доступность 24/7) независимо от качества самой ИИ-проверки смет", "costs_side_effects": "unknown — источники не раскрывают стоимость партнёрства с Tractable, затраты на внедрение или показатели ошибок/споров по итогам автоматической проверки", "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 целью 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": "Sompo Japan стала первым японским страховщиком, использующим ИИ-решение Tractable (AI Estimating) для расчёта приблизительной стоимости ремонта по фотографиям, с запуском в Японии в октябре 2021 года после успешных пилотных испытаний.", "status": "SOURCE_CLAIM", "verification_scope": "факт партнёрства и план запуска — независимая площадка (Coverager), но автор статьи — сотрудник коммуникаций Tractable, то есть фактически анонс партнёра, не независимая журналистская проверка", "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 и фактическое достижение цели 40% к 2025 году"}
{"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 не раскрывает стоимость внедрения, риски или жалобы клиентов; для контекста (другой процесс той же компании, не входит в эту карточку): по данным известного корпусу iteration2 кейса, три крупнейших телеком-оператора Кореи (SK Telecom, KT, LG Uplus), включая SK Telecom, сократили ≈10 000 рабочих мест за три года на фоне заявленной «ИИ-трансформации», при этом аналитики связывают это в первую очередь с демографией и практикой найма, а не напрямую с ИИ (см. W8-DISCLOSURE-2-12 в known-e4-cases.json) — не включено как часть эффектов данной карточки, поскольку относится к другому процессу (занятость), а не к A.(A-Dot)", "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 через приложение Porto", "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": "«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» (Marcelo Sebastião, диретор по убыткам и содействию Porto) — клиент фотографирует повреждение через приложение, получает предварительный расчёт стоимости ремонта «на месте» (мгновенно), после чего продолжается персональное обслуживание сотрудником", "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", "human_role": "«A partir dessas medidas, o atendimento humanizado segue em sequência» — после автоматического предварительного расчёта обслуживание клиента продолжает сотрудник", "agent_role": "анализирует присланную фотографию повреждения и выдаёт клиенту предварительный расчёт («pré-orçamento») стоимости ремонта", "authority": "система выдаёт предварительный расчёт клиенту мгновенно («ocorre na hora»), без явного указания на обязательное предварительное одобрение человеком именно этого шага; итоговое урегулирование убытка идёт далее через «humanizado» (человеческое) обслуживание", "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", "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 запустила решение на основе ИИ для клиентов автострахования: по фотографии повреждения, отправленной через приложение Porto, клиент мгновенно получает предварительный расчёт стоимости ремонта, после чего обслуживание продолжает сотрудник.", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения и механика — со слов директора по убыткам и содействию Porto, приведённых бразильским отраслевым изданием", "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)", "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) и независимую прессу вне TI Inside"}
{"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"}