ИИ в e-commerce: что доверить нейросетям, а где по-прежнему нужен человек

Даже если это незаметно, именно нейросети сейчас формируют персональные ленты, дают рекомендации товаров и рассчитывают скидки, являясь надежными помощниками облачного капитала и крупнейших платформ. Для бизнеса вопрос уже не в том, стоит ли использовать нейросети, а в том, какие задачи можно делегировать им без риска для качества, а где роль человека остается ключевой, и способны ли они в перспективе заменить специалиста полностью.

В Sellmonitor мы применяем ИИ-инструменты каждый день и на собственном опыте видим, где они дают максимальный эффект, а где важно сохранить контроль за человеком. Именно от этого выбора сегодня зависит эффективность работы компании на рынке.

Два уровня применения ИИ в e-commerce

Если говорить о проникновении ИИ в e-commerce, то важно отметить два уровня. ML-модели уже давно стали частью инфраструктуры: они прогнозируют спрос, сортируют и подбирают товары, распознают изображения и тексты, формируют персональные ленты и рассчитывают уровень скидок для поддержания объемов продаж. Это проверенные инструменты, которые хорошо себя зарекомендовали и стали частью современных маркетплейсов.

Большие языковые модели и генеративные решения (Яндекс GPT, Gigachat, OpenAI, Google, Anthropic и китайские разработчики) пока чаще являются компонентом смелых экспериментов внутри компаний. Как правило, компании пробуют применить эти LLM в области продаж, маркетинга и поддержки. И чем раньше компании начинают использовать эти возможности, тем выше шанс овладеть этими инструментами в совершенстве, понять их ограничения и найти ту область в бизнесе компании, где они будут наиболее востребованы и дадут максимальный бизнес-результат.

Что уже можно доверить моделям без риска для качества

Сегодня есть ряд задач, которые искусственный интеллект выполняет стабильно и предсказуемо.

ML-модели успешно справляются с прогнозированием, сортировкой, поиском по образцам, а также с распознаванием изображений и текста. Эти функции уже стали стандартом в инфраструктуре маркетплейсов и традиционных ритейлеров.

Генеративные модели уверенно применяются для создания фото- и видеоконтента. Если раньше на подготовку материалов уходили дни и недели, то сейчас, используя инструменты вроде MidJourney, Kreo, Dzine или Google VEO 3, можно собрать полноценный рекламный ролик буквально за несколько минут.

Большие языковые модели нашли свое место в саммарайзинге текстов и данных, а также в коммуникации с клиентами. На практике это электронные сотрудники поддержки, эксперты по товарам или продавцы, которые помогают пользователю в диалоге и снимают часть нагрузки с персонала, с разной степенью успешности.

Где без человека не обойтись

Несмотря на быстрый прогресс, есть области, где участие человека остается решающим. Чтобы модель дала нужный результат, кто-то должен правильно сформулировать задачу и написать промпт. Не менее важно понять существующие ограничения и определить, в какой области использование модели ускорит работу, а в какой, напротив, будет вредным. Мы в своей компании столкнулись с проблемой, когда начинающие разработчики начинают программировать с использованием копайлотов, не зная основ программирования, — результат хоть и получается быстро, но оказывается плачевным.

Ключевой фактор — глубокая вертикальная экспертиза. Без понимания того, как устроены процессы и лучшие практики поддержки пользователей, создания фотоконтента или написания кода, модель не способна выдать прогнозируемый результат. Правильно заданный вопрос уже наполовину содержит ответ. Именно поэтому роль специалиста сегодня заключается не только в проверке итогов работы нейросети, но и в том, чтобы задать рамки и направить ее в нужную сторону.

Риски автоматизации

Когда речь идет об автоматизации, важно разделять разные типы задач. Например, создание описаний — относительно безопасная зона. Большинство современных моделей справляются с этой функцией: они быстро генерируют тексты для карточек товаров и избавляют от рутины.

Совсем иначе обстоит дело с аналитикой. Здесь недостаточно просто обработать данные — требуется понять взаимосвязи и сделать выводы, которые повлияют на управленческие решения. Для этого модели нужно задать логику анализа, указать, какие параметры учитывать и как интерпретировать их комбинации. Без такого контекста нейросеть ограничится пересказом фактов или построением связей, которые не дадут бизнесу реальной ценности.

Поэтому именно в аналитике участие человека-эксперта пока остается ключевым условием качества.

Как мы применяем ИИ в Sellmonitor

В нашей работе модели помогают ускорять фронтенд-разработку, создавать простые модули и Telegram-ботов, что сокращает сроки запуска продуктов. Генеративные решения мы применяем для подготовки SEO-описаний и продающих изображений, а также тестируем их для автоматических советов и аналитики по магазинам пользователей.

Мы активно тестируем MCP (Model Context Protocol) в связке с большими языковыми моделями. Эта технология позволяет напрямую подключать ИИ к источникам данных, ускорять формирование выборок и обрабатывать разнотипные выборки в одном контуре. В результате мы получаем возможность не только быстрее формировать отчеты из разных систем, но и обрабатывать разнотипные данные в «одном окне». Например, используя этот подход, наши аналитики вместе с LLM-кой за 10 минут могут ответить на вопрос, а какие бренды в категории «Красота» появились на Озоне, ВБ и ЯМ,скажем, в июле 2025 года, какие из них являются эндемиками, а какие успешно стартовали сразу на трех площадках, с указанием продаж и построением краткого саммари отчета. Это очень и очень круто.
Такой подход поиска и доступа к данным открывает новые возможности.

Как изменится роль аналитика и e-com-менеджера

Развитие ИИ не отменяет роли специалистов, но смещает акценты. Большие языковые модели и инструменты на их основе становятся удобными помощниками для e-com-аналитиков: они позволяют быстрее формировать выборки, работать с разнородными данными и автоматизировать рутинные операции. Мы уже внутри тестируем такие подходы и видим, насколько они сокращают время обработки информации. Не думаю, что ИИ завтра заменит аналитиков или e-com-аналитиков. Их задача — формулировать запрос, задавать контекст и верно интерпретировать результаты.

Искусственный интеллект помогает ускорять процессы, снижать издержки и расширять возможности команд. Пока модели усиливают специалистов, а не заменяют их. Побеждают те, кто раньше начинает применять технологии и при этом выстраивает правильный баланс между автоматизацией и управлением.