AI против Excel и 1C: как винный менеджер перестал тратить по 3 часа в день на рутину
Мой знакомый Сергей, менеджер одного из крупнейших винных дистрибьюторов, каждый день обрабатывал около 20 запросов на подбор вина. Вместо дегустаций с клиентами он часами зависал в Excel-таблицах и 1С, подбирая позиции вручную.
Я более 7 лет работаю с данными и машинным обучением, поэтому для меня это звучало как отличный вызов:
Сможет ли ИИ подбирать вина не хуже профессионального менеджера?
Базовое решение — голосовой ассистент в Telegram
Мы с командой собрали бота на базе ансамбля ИИ-агентов, который должен был выполнять подбор вин за менеджера: Сергея отправляет голосовой запрос, а ИИ автоматически отбирает все подходящие позиции из ассортимента.
В первых тестах всё было без ошибок…
Шабли и Кьянти не дают покоя
Но однажды не нашлось шабли. Проверили: голосовой запрос распознался правильно, на складе было пять вариантов. Оказалось, в базе у компании нет региона Шабли, а только аппеласьоны.
Настроил алгоритмы так, чтобы при запросе Шабли сразу искал по аппеласьонам (Petit Chablis, Chablis Premier Cru, Chablis Grand Cru).
Система перестала находить вина по регионам! Например, пропал Кьянти, который был оформлен как регион без аппеласьонов 🤦🏻♂
Я даже подумал:
Может, подбор вин вообще автоматизируется?
Инсайт: универсальной классификации не существует
После изучения баз данных нескольких компаний стало понятно, что проблема в стандартной классификации из интернета. Каждая компания по-своему классифицирует свои вина. Универсального подхода просто не может быть!
Решение 2.0
- Передали напрямую в LLM-модуль актуальные остатки: регионы, аппеласьоны, сорта, объёмы и прочее.
- ИИ строит динамические фильтры, отталкивая от ассортимента конкретной компании: есть аппеласьоны → ищем по ним, нет аппеласьонов, но есть регион → ищем по региону и т.д.
- Система учится на частоте запросов и продажах, меня приоритеты в реальном времени.
Результаты A/B-теста удивили
Мы сравнили две версии модели на 100 запросов разного типа и объема.
Оказалось, у старой системы 60 % попаданий в нужное вино, а у новой— 95 %.
Теперь Сергей дегустирует вино вместе с клиентами, а не сидит в таблицах. В результате через неделю количество заказов увеличилось на 30%. По-моему, отличный повод поднять бокал! 🥂
А какие задачи вы уже делегировали ИИ?
Ещё больше историй о создании «самого крутого AI для вина» — в моём телеграмм-канале. Подписывайтесь, будет интересно!)