Опыт компании Amazon по автоматизации модерации и структурирования товарного каталога с помощью автономных ИИ-агентов выявил серьезные экономические риски использования генеративных моделей. Первоначальный бюджет проекта в $200 тысяч вырос до $1,8 миллиона, показав перерасход в 860%.
Причиной колоссального перерасхода средств стали галлюцинации языковых моделей и зацикливание автономных агентов при обработке сложных товарных карточек. ИИ-агенты отправляли непрерывные повторные запросы к LLM API без выхода на финальное решение.
Главный практический урок данного кейса для e-commerce команд — необходимость внедрения жестких ограничений на количество итераций (rate limits) и установки финансовых лимитов затрат (cost caps) при любой автоматизации процессов каталогизации через ИИ-сервисы.
