ИИ для ритейла и e-commerce: что можно доверить модели в магазине и на маркетплейсе

Ассистент поддержки не «знает магазин». Он читает два источника: статус заказа в учёте и текст регламентов. Всё остальное отдаётся человеку. Поэтому первая работа — разделить вопросы на три класса и записать это в таблицу, которую можно проверить.

Три класса вопросов

• Справка. Где заказ, сколько идёт доставка, как оформить возврат, какие документы нужны. Ответ берётся из учёта или регламента, ассистент отвечает сам и показывает источник.
• Действие в пределах правил. Продлить срок хранения, изменить адрес до отгрузки, оформить заявку на возврат. Ассистент собирает данные и создаёт заявку, а выполняет её сотрудник или правило, которое вы описали заранее.
• Решение. Компенсация, исключение из политики возврата, жалоба, спор о качестве. Ассистент готовит краткое изложение и вариант ответа, решает оператор.

Что запрещаем ассистенту

Он не обещает скидку, срок и компенсацию, которых нет в регламенте. Не раскрывает данные другого покупателя: перед показом заказа проверяется, что вопрос задан из аккаунта владельца или после подтверждения по номеру заказа и контакту. Пороги уверенности и поведение «не знаю» разобраны в статье «Порог уверенности модели».

Как подключается канал

Окно на сайте, Telegram и чат площадки — это разные каналы с одним ядром: логика, база знаний и права одни, меняется только оболочка. Если нужно связать диалоги с карточкой покупателя в CRM, смотрите интеграцию чат-бота с CRM и общую страницу «Чат-бот для бизнеса».

Правило для карточек одно: модель не добавляет фактов, которых нет в источнике. Если в файле поставщика не указан материал, поле остаётся пустым, а не заполняется «правдоподобно». Контролируется это на двух уровнях.

• Извлечение, а не сочинение. Характеристики берутся из исходного текста, и у каждого значения хранится фрагмент, откуда оно взято. Значение без фрагмента не принимается.
• Проверка по справочнику. Единицы, допустимые значения и обязательные поля сверяются с вашим справочником и требованиями площадки. Нарушение — повод вернуть карточку человеку.
• Описание по шаблону. Текст пишется поверх проверенных характеристик, а не вместо них. Чужие описания не копируем.
• Выборочная проверка. Часть готовых карточек читает человек, и доля ошибок считается отдельно по характеристикам и по тексту.

Сопоставление номенклатуры

Сопоставление работает как рекомендация с уверенностью. Совпадение по штрихкоду принимается без людей. Совпадение по названию и характеристикам с высокой уверенностью идёт на быструю проверку, низкой — на ручную. Отдельно описываем «опасные пары»: комплекты и одиночные позиции, фасовки, цвета и размеры. Ошибка в этих парах приводит к неверным остаткам и убыткам на заказах, поэтому для них порог строже. Аналогичная проблема описана в статье «Остатки в 1С и на маркетплейсе не совпадают», а обмен с площадками — на странице интеграции 1С с маркетплейсами.

Часть задач ритейла решается без модели. Статус заказа в чат подтягивает обычная интеграция, а не языковая модель. Сверку остатков с площадкой делает обмен с проверкой, а не нейросеть. Если задача сводится к «взять поле из одной системы и положить в другую», сначала смотрим на интеграцию 1С и обмен сайта с 1С. Модель нужна там, где вход неструктурирован: свободный текст обращения, файл поставщика, отзыв, описание товара.

Если нужен исполнитель цепочки действий в нескольких системах, это ИИ-агент, и полномочия для него прописываются строже. Общий порядок внедрения описан на странице «Внедрение ИИ».