Я собираю ИИ-офис для маркетплейсов. Вот что уже работает

Я работаю в найме и параллельно развиваю собственный бизнес на нескольких маркетплейсах.

По мере роста появлялось всё больше повторяющихся задач: проверить продажи, сопоставить данные площадок, оценить рекламу, заметить дефицит товара, ответить покупателям. Данные были — но находились в разных кабинетах и требовали постоянного ручного внимания.

Так появилась идея ИИ-офиса: не отдельного чата с красивым названием, а внутренней рабочей системы для управления реальным бизнесом.

Сразу оговорюсь: категорию товаров и конкретные показатели я пока не раскрываю. Но сама логика работы от этого не меняется.

Система собирает показатели по магазинам и формирует сводку:

Ценность не в том, что ИИ показывает ещё одну таблицу. Он должен выделить отклонение и объяснить, на что посмотреть в первую очередь.

Например: у одной позиции заканчивается запас, другая теряет продажи, а третья показывает хорошие рекламные показатели и допускает осторожное увеличение бюджета. В обычном кабинете это несколько отдельных проверок. Здесь — один отчёт с приоритетами.

Самый неприятный дефицит — тот, который замечаешь уже после остановки продаж.

Поэтому система сопоставляет остаток с текущим темпом продаж и показывает не просто количество единиц, а предполагаемое число дней до дефицита.

Дальше решение остаётся за человеком: сколько отгружать, куда направить поставку и какой риск допустим. ИИ помогает раньше увидеть проблему, но не знает всех ограничений бизнеса.

Один из уже работающих сценариев — обработка отзывов.

Положительные отзывы можно обрабатывать автоматически: риск ошибки здесь невысок, а ручная проверка каждого ответа не создаёт дополнительной ценности.

Негативные отзывы и нестандартные вопросы идут человеку на подтверждение. Они могут касаться доставки, качества, возврата или спорной ситуации. Здесь неосторожный автоматический ответ способен ухудшить проблему.

Получается простое правило:

Сначала процесс должен быть понятным.

Я использую три признака задачи, которую имеет смысл автоматизировать:

Если процесс хаотичен, добавление ИИ не сделает его надёжным. Оно лишь позволит быстрее воспроизводить хаос.

Поэтому значительная часть работы над ИИ-офисом — это не выбор модели и не написание запросов. Это правила, источники данных, проверки, уровни доступа и сценарии на случай ошибки.

В моей системе он лучше всего справляется с четырьмя ролями:

Но я не воспринимаю его как самостоятельного управляющего бизнесом.

Изменение рекламного бюджета, спор с покупателем, решение о крупной поставке и необычная ситуация требуют контекста, которого может не быть в данных. Поэтому у системы нет права принимать любое решение только потому, что она способна сгенерировать уверенный ответ.

ИИ-офис пока не является готовым внешним продуктом. Я создаю его прежде всего для себя и проверяю на собственных рабочих задачах.

Уже сейчас он даёт главное: единый порядок контроля. Мне не нужно каждый раз заново вспоминать, какие кабинеты открыть, какие показатели сопоставить и где искать отклонение.

При этом я сознательно не пытаюсь автоматизировать всё сразу. Каждый новый сценарий сначала работает с подтверждением человека. Автоматическим он становится только тогда, когда понятны риски, накоплены примеры и есть возможность проверить результат.

В Telegram-канале «ЧТО ДАЛЬШЕ?» я показываю, как развиваю ИИ-офис, проверяю новые инструменты и постепенно создаю собственные проекты — без громких обещаний и с опорой на реальную практику.