⚡️Как интернет-магазину экономить ₽2,5 млн за год с ROI 822%
В ход пошёл тяжёлый люкс: в этот раз речь пойдёт не о принципе «Написал промт — и вуаля, сократил кучу времени». Будем говорить про интеграцию и обучение модели Gemma 3 4B.
Немного контекста:
- Магазин с 15К товаров и 500 новинок ежемесячно тратит ₽320 000 на ручное описание карточек товара (4 сотрудника с ЗП ₽80 000).
- Одна карточка занимает ~40 минут и стоит магазину ₽267. При этом тексты часто с ошибками и без SEO — это тормозит продажи.
Системное решение:
- Развернута дешёвая GenAI-модель Gemma 3 4B. Она генерирует 3 варианта описаний на основе таблицы характеристик от поставщика и SEO-фразы.
- Сотрудник выбирает вариант, а публикация происходит автоматически через API.
- Модель работает локально: нет подписок и внешних сервисов. Она работает даже без интернета. Что по инвестициям ❓
- CAPEX: ₽273 000 (видеокарта RTX 3060 12GB и всякая всячина типа i5, 32 GB RAM)
- OPEX (год): ₽89 600_Итого: ₽362 600 Эффекты
- Снижение времени на карточку: ↓39 мин. (–97,5%)
- Снижение стоимости: ↓₽243 (–91%)
- Окупаемость: - Сокращение ФОТ: ₽240 000 в месяц
🎁Экономия: ₽2,5М в год🎁 _PS. да, можно подключить внешние модели типа ChatGPT, GigaChat, YandexGPT через API, но: – подписки и счёт за токены выйдут на порядок дороже – отсутствует контроль данных – сильная зависимость от стабильности внешнего сервера
Кстати, YandexGPT 5, по сути, использует китайскую модель Qwen-2.5-32B-base которую взял, дообучил и обернул в тариф_ 👀
⭐ Друзья, а как вам идея в следующих постах обсудить открытые модели, которые можно дообучать и интегрировать в бизнес-процессы?
