«Не внедрять ИИ ради ИИ»: трезвый расчет e-commerce вместо всеобщего хайпа вокруг нейросетей
Индустрия электронной коммерции переходит от слепого увлечения нейросетями к прагматичному расчету. На Inside AI Meetup — крупнейшей встрече директоров по данным и ML-специалистов (экспертов по машинному обучению) — ведущие игроки рынка подвели первые итоги промышленной эксплуатации ИИ. Главный вывод звучит отрезвляюще: бизнесу пора перестать искать, «куда прикрутить нейросеть», и начать жестко оценивать экономическую эффективность каждого алгоритма.
Промышленный ИИ в RWB: эвристика против нейросетей
В объединенной компании Wildberries & Russ (RWB) сегодня действует жесткое правило: «не внедрять ИИ ради ИИ». Руководство формулирует ключевую задачу не как поиск применения для больших языковых моделей, а как поиск оптимального и наиболее дешевого инструмента для конкретной бизнес-проблемы.
Каждый день в RWB запускаются десятки и сотни технологических экспериментов. Значительная часть гипотез по внедрению ИИ в итоге сознательно отклоняется разработчиками. Причина проста: обычная эвристика — то есть простые, жестко прописанные логические правила и алгоритмы — в реальности оказывается значительно дешевле, стабильнее и надежнее в поддержке, чем сложные нейросетевые модели. Например, в системах антифрода (борьбы с мошенничеством) и анти-DDoS (защиты от сетевых атак) большинство инцидентов до сих пор успешно фильтруются стандартными скриптами. Машинное обучение подключается только тогда, когда объемы данных становятся колоссальными, а аномалии невозможно выявить классическими методами.
Тем не менее на тех участках, где ИИ экономически оправдан, масштабы применения поражают:
- Поиск по фото. Ежедневно этой функцией на витрине маркетплейса пользуются около 1,7 миллиона уникальных пользователей.
- Генерация контента. Инструменты автоматического создания и улучшения описаний помогли продавцам оптимизировать более 3 миллионов карточек товаров.
При этом самые ценные сценарии применения ИИ остаются абсолютно невидимыми для конечного покупателя. Нейросети работают «под капотом» платформы: прогнозируют суточный и сезонный спрос, оптимизируют логистические цепочки поставок, управляют маршрутизацией товаров на складах и помогают распределять нагрузку на серверы.
Инфраструктурный фундамент KeepHQ: экономия вычислительных мощностей
Масштабирование ИИ на миллионы пользователей неизбежно упирается в стоимость серверного оборудования. Рост количества ИИ-сервисов создает колоссальную нагрузку на видеокарты и процессоры, делая инфраструктуру крайне дорогой. Для решения этой проблемы технологические команды RWB разработали и внедрили специализированную платформу KeepHQ.
KeepHQ относится к классу AIOps-платформ (систем автоматизации IT-операций с помощью искусственного интеллекта). Ее главная задача — в автоматическом режиме мониторить состояние сотен работающих сервисов, моментально реагировать на сбои и перераспределять свободные вычислительные мощности. Внедрение KeepHQ позволило компании повысить эффективность использования серверного оборудования в 1,5 раза, существенно снизив операционные расходы на поддержание ИИ-инфраструктуры.
Это подтверждает тезис о том, что без надежного фундамента MLOps (методологии управления жизненным циклом моделей машинного обучения) внедрение ИИ превращается в крайне дорогую и хрупкую конструкцию. Крупный бизнес оценивает нейросети не по красоте интерфейса, а по стоимости одного запроса к модели и ее отказоустойчивости при пиковых нагрузках.
Технические барьеры и контуры LLM-продуктов
Разработчики RWB выделяют три вопроса перед запуском продуктов на базе больших языковых моделей (LLM):
- Качество данных. Подходят ли данные компании для обучения языковой модели?
- Масштабируемость. Выдержит ли текущая программная инфраструктура рост запросов от миллионов пользователей?
- Мощность железа. Хватит ли серверных ресурсов для обработки пиковых нагрузок?
Михаил Дьячков из RWB отмечает, что половине функций с ярлыком «ИИ» искусственный интеллект не нужен. Ему вторит Артем Аюпов из Сбера: если у задачи нет четких границ, ИИ эффективен; если границы определены, выигрывает обычная логика. Это подтверждает и опыт Альфа-Банка, где до промышленной эксплуатации доходит лишь 20–30% проектов R&D-команды (отдела исследований и разработок).
Селлерский рынок: от рекламных ассистентов до платформ «одного окна»
В то время как крупные технологические гиганты жестко оптимизируют инфраструктуру, на рынке обслуживания продавцов маркетплейсов наблюдается бум коммерческих ИИ-ассистентов. Они обещают избавить продавца от рутины и заменить целый штат сотрудников одним интерфейсом.
Ярким примером является коммерческий ИИ-агент AI007 для Wildberries. Продукт позиционируется как полноценный виртуальный сотрудник, способный выполнять роли аналитика, маркетолога, контент-менеджера и специалиста поддержки. Разработчики заявляют о наличии 44 специализированных навыков, среди которых:
- Контроль рекламных ставок и удержание целевых позиций в поиске каждые 30 минут.
- Прогнозирование остатков на складах за 4–5 дней до обнуления остатков.
- Автоматическая генерация ответов на отзывы клиентов в уникальном стиле продавца.
- Расчет чистой прибыли по каждому артикулу с учетом логистики и комиссий.
Агент работает через официальный API-интерфейс Wildberries, хранит данные на серверах в России в соответствии с законом 152-ФЗ и использует шифрование AES-256 для защиты конфиденциальной информации. Стоимость такого помощника составляет 19 900 рублей в месяц или 199 000 рублей при годовой оплате. Во втором полугодии разработчики обещают добавить поддержку Ozon.
Параллельно развиваются сервисы «одного окна», такие как «Ответо». Проект запускает закрытое тестирование платформы, объединяющей генерацию товарных фотосессий, создание Rich-контента (обогащенных карточек товаров с видео и графикой), SEO-оптимизацию описаний под поисковые запросы, анализ таблиц Excel и расшифровку телефонных переговоров.
Платформенные решения: Маркет AI от Яндекс Маркета
Помимо внешних коммерческих агентов, сами маркетплейсы активно встраивают ИИ в личные кабинеты продавцов. Яндекс Маркет развивает встроенного бесплатного помощника Маркет AI. В отличие от внешних платных утилит, он доступен всем селлерам без ограничений по количеству запросов.
Маркет AI помогает анализировать продажи, визуализирует динамику выручки в виде понятных графиков прямо в чате, сравнивает показатели текущего периода с прошлым, детализирует доходы по брендам или категориям и готовит прогнозы продаж. Это пример эволюционного пути развития: ИИ становится стандартной, базовой функцией личного кабинета, снижая порог входа для малого бизнеса.
Практическое руководство по внедрению ИИ для продавцов: как не слить бюджет
Коммерческие обещания разработчиков о росте выручки на 30% часто разбиваются о суровую реальность. Чтобы ИИ-ассистент приносил пользу, а не убытки, продавцам необходимо придерживаться строгих правил безопасности:
- Безопасность API-доступа Предоставляйте внешним сервисам только необходимые права. Если вам нужна аналитика, используйте ключи в режиме «только чтение». Никогда не давайте права на изменение цен или управление рекламным кабинетом без крайней необходимости. Убедитесь, что доступ можно отозвать в один клик.
- Контроль автодействий и лимиты Не доверяйте ИИ автономное управление ставками или ценами без жестких ограничителей. Задайте в кабинете минимальную цену товара (ниже которой авторепрайсинг не опустит цену даже при агрессивных скидках конкурентов) и максимальный суточный бюджет на рекламу.
- Модерация контента и ответов ИИ-модели склонны к галлюцинациям — генерации вымышленных фактов. Шаблонные или неуместные ответы на отзывы покупателей могут мгновенно разрушить репутацию бренда. На начальном этапе всегда проверяйте тексты и описания вручную перед публикацией.
- Сверка финансовых расчетов Помните, что языковая модель плохо справляется с точными математическими вычислениями без специальной программной обвязки (систем RAG). Всегда перепроверяйте отчеты о чистой прибыли, подготовленные ИИ, по реальным банковским выпискам и официальным отчетам маркетплейса.
Итоги эпохи хайпа: математика важнее красивых интерфейсов
Эра ИИ в e-commerce не отменяет базовую математику бизнеса, а делает требования к ней еще жестче. Красивый дашборд и общение с ботом в Telegram не имеют ценности, если они не влияют напрямую на P&L-отчет (отчет о прибылях и убытках). Победителями в этой технологической гонке станут не те селлеры, которые первыми подключили всех доступных чат-ботов, а те, кто научился измерять реальный экономический эффект от каждой автоматизации и вовремя отказываться от дорогих нейросетей в пользу простых и надежных алгоритмов.