Тач 42

В логистике планы приходится менять постоянно. Порт перегружен, перевозчик задержался, погода изменила маршрут. Раньше такие ситуации решал диспетчер — звонил, согласовывал, перестраивал план вручную. Сегодня это делает ИИ-агент — за секунды, без участия человека.

⚫ DHL развернул ИИ-агентов по всей грузовой сети для управления исключениями в реальном времени. Время реакции на нештатные ситуации сократилось больше чем на 50%. Роль сотрудника при этом смещается: меньше рутинных звонков и согласований, больше работы с ситуациями, которые алгоритм не может решить самостоятельно.

В карточках — как устроена эта система внутри, что ещё автоматизируют крупные игроки и где в этой картине находится Россия.

#исследование

Приложения для ЖК улучшают пользовательский опыт и могут значительно влиять на процессы, облегчая их, поэтому собрали гайд по запуску и развитию такого приложения:

1️⃣ ЦА и цели

Сценарии разных аудиторий будут отличаться. Сначала определите ключевые сегменты, а затем зафиксируйте цели продукта: сократить звонки в УК, ускорить обработку заявок или повысить удовлетворённость.

2️⃣ Набор функций

Не перегружайте приложение модулями — каждая функция должна быть связана с потребностью пользователя и бизнес-метрикой: статус заявок снижает повторные обращения, уведомления разгружают поддержку, онлайн-оплата уменьшает задолженность, бронирование услуг повышает вовлечённость.

3️⃣ Варианты интеграций

Настройте перед запуском API, продумайте готовые интеграции с платёжными системами, умным домом и рассчитайте стоимость доработок. Без интеграций сотрудники переносят данные вручную, а пользователи видят разные статусы в разных каналах.

4️⃣ Пилот

Запустите сервис в одном доме или группе жителей. В течение нескольких недель отслеживайте ключевые метрики: долю активных пользователей, скорость и количество закрытых заявок, снижение звонков в УК, NPS и обратную связь.

Тест покажет, какие функции действительно работают, а какие только хорошо выглядели на презентации.

5️⃣ Масштабирование

После запуска анализируйте частоту использования, повторные обращения, время решения задач и востребованность функций. Дополнительно собирайте обратную связь жителей и сотрудников — аналитика не всегда показывает реальные проблемы процессов.

На выходе должен получиться не цифровой дубль УК, а единое окно для повседневных задач жителя: от оплаты и пропуска до заявки мастеру и отслеживания её статуса.

#сервис

Покупка квартиры — один из самых длинных потребительских сценариев. Человек месяцами переключается между агрегаторами, ипотечными калькуляторами и звонками агентам — и на каждом шаге теряет контекст того, что уже выяснил.

В марте 2026 года Zillow запустил AI mode. Вместо фильтров — диалог: пользователь описывает ситуацию своими словами, система понимает запрос и ведёт дальше. «Ищу двушку до 12 млн, въезд в июне, поближе к метро» — ИИ не просто показывает список, а объясняет компромиссы, считает реальную доступность с учётом ипотеки и сразу предлагает записаться на просмотр.

⭐ Ключевое: система запоминает контекст между сессиями. Пользователь не начинает каждый раз с нуля — и быстрее доходит до решения.

Это меняет не только удобство поиска, но и логику самого продукта: чем точнее система понимает намерение, тем короче путь от первого запроса до сделки. Именно здесь ИИ становится не просто фичей, а частью бизнес-модели.

#фича

Когда говорят об ИИ в страховании, обычно обсуждают технологии. Но настоящая продуктовая задача звучит иначе:

Что именно стоит автоматизировать, чтобы клиенту стало проще?

Вместе с Ильёй Баскаковым, директором по стратегическому развитию страховой компании «Согласие», разбираем, какие процессы уже работают с помощью ИИ, какие метрики показывают эффект и почему в критически важных сценариях технологии всё ещё не заменяют человека.

#говорит_эксперт

В 2025 году британский страховщик Aviva выявил мошеннических выплат на £233 млн. Среди схем — ИИ-сгенерированные фото аварий и поддельные документы, которые визуально не отличить от настоящих.

Это новая реальность: мошенники используют те же инструменты, что и сами страховщики. И гонка идёт не между человеком и системой, а между двумя ИИ.

В ответ страховщики всё активнее внедряют платформы, которые анализируют не отдельную заявку, а паттерны поведения, связи между данными и историю клиента. Один из таких игроков — LexisNexis Risk Solutions. Их инструменты помогают определить, какую заявку можно пропустить быстро, какую поставить на дополнительную проверку — и выявить мошенника ещё до выплаты.

Детали кейса и обзор инструментов — в карточках.

#сервис

Прежде чем страховая выдаст полис, она должна решить: а стоит ли вообще вас страховать? Это называется андеррайтинг.

Специалист по андеррайтингу раньше проводил день так: читал письма от брокеров, вручную извлекал данные из документов, запрашивал недостающее, сверял с базами. Типичная заявка — несколько дней. Сложная — две недели.

ИИ-агенты меняют не отдельные шаги, а всю логику процесса. Агент читает заявку, собирает данные из десятков источников, оценивает риск и готовит рекомендацию. Дальше — в зависимости от сложности случая: простые проходят без участия человека, сложные попадают к эксперту уже упакованными.

Специалист при этом не исчезает — он перестаёт быть оператором очереди и начинает управлять портфелем и принимать решения там, где это действительно нужно.

➡️ Как устроена автоматизация внутри — в карточках.

#фича