中芸汇科技

Cas clients

Des résultats concrets parlent d’eux-mêmes

Par secteur:
Par technologie:
Par région:
Déploiement privé de grand modèle et application de contrôle des risques pour une banque commerciale par actions
FinanceIADéploiement privéAutomatisation

Déploiement privé de grand modèle et application de contrôle des risques pour une banque commerciale par actions

Before

Approbation de crédit : 3 jours, taux de fuite des risques : 3 %

After

Approbation de crédit : 4 heures, taux de fuite des risques : 0,5 %

Projet d'optimisation des opérations MLOps pour le système de recommandation IA d'une plateforme e-commerce
Commerce de détailAIMLOpsAutomatisation

Projet d'optimisation des opérations MLOps pour le système de recommandation IA d'une plateforme e-commerce

Before

Utilisation GPU à 35 %, coût mensuel 800 000 yuans

After

Utilisation GPU à 82 %, coût mensuel 440 000 yuans

Projet d'intégration ERP + IA pour la saisie intelligente chez Huadong Medicine
Industrie manufacturièreIAIntégrationAutomatisation

Projet d'intégration ERP + IA pour la saisie intelligente chez Huadong Medicine

Before

Saisie manuelle : 2 h par commande, taux d'erreur 8 %

After

Saisie IA : 5 min par commande, taux d'erreur 0,5 %

Système de questions-réponses intelligent de la base de connaissances privée de Pacific Insurance
FinanceIARAGBase de connaissances

Système de questions-réponses intelligent de la base de connaissances privée de Pacific Insurance

Before

Recherche de connaissances en 15 min, formation des nouveaux employés de 3 à 6 mois

After

Recherche en 10 s, formation des nouveaux employés de 1 à 2 mois

Projet d'automatisation IA de la commande à la livraison pour la fabrication d'équipements dans le delta du Yangtsé
Industrie manufacturièreIAAutomatisationIntégration

Projet d'automatisation IA de la commande à la livraison pour la fabrication d'équipements dans le delta du Yangtsé

Before

Traitement manuel 4 h/commande, taux d'erreur 5 %

After

Traitement IA 3 min/commande, taux d'erreur 0,3 %

Projet de fine-tuning d’un modèle sectoriel pour une plateforme LegalTech
GénéralAIFine-tuning de modèleBase de connaissances

Projet de fine-tuning d’un modèle sectoriel pour une plateforme LegalTech

Before

Précision des conseils juridiques : 71 %, taux d’hallucination : 28 %

After

Précision des conseils juridiques : 95 %, taux d’hallucination : 4 %