Репортажи

Коллеги, здравствуйте! Хотя это и не пятничная шутка😊

Яна Шевцова привела интересные данные:

45% покупателей уже пробовали ИИ при онлайн-покупках,
а 65% пользователей считают персональные рекомендации полезными.

Прочитал, сначала обрадовался, а потом вспомнил, как я вчера разбирал технические документы по НРР, подготовленные при помощи DeepSeek... И немного задумался.

Вопрос на засыпку: а вы в курсе, что под словом «ИИ» спрятаны разные инструменты?

Не буду прилагать определения и пищу своими словами:

Рекомендательная система выбирает товар из уже существующего каталога. Она видит например, что человек покупает питьевой йогурт без сахара, интересуется высокобелковыми продуктами и не любит клубнику. После этого предлагает ему несколько подходящих вариантов.

Она не разрабатывает йогурт. Она его находит и ранжирует.

Генеративный ИИ работает иначе. например DeepSeek и другие языковые модели создаёт новый текст: описание продукта, статью, техническую справку или коммерческое предложение.

И вот здесь, как говорится, начинается самое интересное.

Если исходные сведения точные — получается хороший рабочий материал. Если данных не хватает — модель может аккуратно соединить подтверждённые факты, научные гипотезы и собственные догадки.

Причём напишет всё настолько уверенно, что сразу хочется поверить 😊

Ещё раз уточним понятие «запрос»:

Рекомендательная система преимущественно ВЫБИРАЕТ.

Генеративная модель преимущественно СОЧИНЯЕТ новый ответ.

В современной торговле они могут работать вместе. Один алгоритм отберёт десять подходящих продуктов, другой объяснит покупателю, чем они отличаются. Это действительно удобно и экономит время.

Но прежде, чем попасть в рекомендации ИИ, продукт должен стать понятным для самого ИИ. Ему нужны точное наименование, характеристики, цена, наличие и много ещё чего в зависимости от модели, а ещё точнее — мощности и цены самого ИИ.

Кто о чём, а я, как всегда, о НРР 😊 и это действительно важно. Если в одном месте написать «увеличивает срок хранения», в другом — «убивает всех микробов», а в третьем — «подходит для любого продукта», нейросеть не превратит эти утверждения в научную истину. Она либо повторит ошибку, либо вообще перестанет доверять информации и начнет «глючить». У программистов, кстати, термин «галлюцинация ИИ» вполне рабочий.

Поэтому при вопросе Яны «Что вы начали делать, чтобы попадать в рекомендации ИИ?» на самом деле должен включаться суровый бюрократический принцип. Например, МЫ проверяем продукт, проводим скрининг, подтверждаем результат и ПРИВОДИМ В ПОРЯДОК ДАННЫЕ.

Сначала реальный продукт и достоверная информация, и только потом алгоритмы, персональные рекомендации и цифровая полка.

Иначе ИИ так замечательно порекомендует покупателю «Домик в деревне», что в Простоквашино обалдеют и кот, и собака. И вместо йогурта получится боевик «В августе 44-го...» с паролем: «Бабушка приехала!» 😊

Владимир Сурьянинов, РАНТ / HPP / Балтик Экспосервис

РАНТ — центр высоких давлений / Технология барообработки (HPP)

• Скрининг продуктов и НИОКР
• Пробные партии и толлинг
• Поставка оборудования
• Инвестиционные проекты

mail@runtechnologics.com
+7 904 548-88-44
http://www.runtechnologics.com/
https://t.me/RUNTHPP