Всем привет!

Хочу поделиться с вами историей о создании проекта на базе AI для ритейла.

Часто самые простые вещи дают повод задуматься. Однажды я заметил, что на подготовку коммуникации с одним клиентом уходит очень много времени - и почти всё уходит на навигацию по системе и подбор релевантного товара. Каждый раз, начиная работу, я чувствовал усталость и понимал, сколько времени это займёт. Именно это осознание стало отправной точкой для проекта, который полностью изменил подход к работе с клиентами.

Весной 2025 года я поймал себя на простой мысли: консультанты тратят около трех минут на подготовку и отправку коммуникации одному клиенту (а таких клиентов ща день могло быть 50, 70, 100)!!! И только малая часть этого времени уходит на саму отправку сообщения, ну буквально один клик - остальное «съедают» системы: поиск товара, шаблонные тексты, сомнения, что именно предложить. Всё выглядело слишком неэффективно, банально, одинаково для всех. Тогда я задал себе вопрос: а что, если рутинные шаги можно убрать, оставив человеку только самую важную часть - живой контакт с клиентом?

Так зародилась идея моего проекта. Первой задачей было создать ассистента, который сам подсказывает, что именно предложить клиенту, опираясь на его историю покупок, сумму и средний чек и весь массив данных о клиенте. Я начал с DeepSeek: собрал промт, который должен был обучить систему корпоративной стилисте текстов, подбору релевантных товаров, и разным типам коммуникаций. Базой стали Excel таблицы: в них хранились данные, а ассистент «ходил» по ним, вытаскивая нужную информацию под конкретный запрос.

Первый результат был простым, но мощным: вместо трёх минут коммуникация занимала 10 секунд. Консультант копировал готовый текст переходил по ссылке внутри системы на нужного клиента в WA и отправлял. Для меня это был момент настоящего инсайта - простое решение резко сняло один из самых больших барьеров в работе. Теперь на коммуникацию с 30 клиентами я тратил, примерно, чуть больше 2 минут. Да, по системе пришлось все это «проводить», тратить время, но сам процесс коммуникации занимал намного меньше времени.

Дальше я пошёл глубже. Постепенно система обросла модулями: менеджер задач, который отображал с какими клиентами и как, а также в какое время нужно прокоммуницировать, прогноз выручки бутиков и отдельных сотрудников (точность — 97–98%), поиск товара по бутикам и сроки доставки товара из бутиков, база знаний, экспресс-тестирование сотрудников, новостной портал. По сути, это превратилось в экосистему, где ассистент уже не только помогал в коммуникации, но и показывал руководителям динамику бизнеса, а консультантам — давал готовые инструменты для работы.

Отдельная маленькая победа - универсальность. Финальный промт я адаптировал так, чтобы он работал не только в DeepSeek, но и в других LLM. Это было необходимо для будущих сценариев интеграции системы, будь то API разных моделей, либо же локальная система. Модель могла «узнавать» контекст задачи и переключаться между внутренними агентами. Это превратило систему в гибкий MVP, который можно разворачивать на разных технологических стэках.

Конечно, были и трудности. Иногда ассистент смешивал разные ответы — например, к письму для клиента «прилипал» кусок прогноза выручки. Пришлось буквально «воспитывать» модель, устанавливать строгие рамки поведения. А главной преградой стала инфраструктура: чтобы развернуть полноценную локальную нейросеть с агентами, нужны мощности и команда. Пока это ограничение остаётся.

Сегодня проект существует как MVP, готовая база для будущей локальной нейросети для бизнесов в разных сферах, которая будет адаптивная под разные задачи, как конструктор: вы можете взять все модули сразу, а можете выбрать только один, под конкретную задачу.

Для меня это история о том, как простое наблюдение может вырасти в полноценную систему, которая меняет процессы и облегчает жизнь людям. И я точно знаю, что это только начало.

Сейчас я нахожусь в поиске вакансии, где мой опыт будет полезен компании.

Всем отличного настроения!