Аналог нужен сегодня, а не когда освободится главный специалист

Задача

В больших справочниках один и тот же материал записан под разными названиями. Замену дефицитной позиции ищут вручную, по памяти опытного специалиста.

Кейс

Идея и архитектура мои. Первый прототип, для кабельной продукции, написал сам с нуля на Python и JavaScript. Проверил его на открытых каталогах ритейла и синтетических данных складского учёта в формате SAP и 1С.

Сейчас решение работает в промышленной компании. Команда инженеров и ИИ-агентов масштабировала его на новые группы закупок под моим руководством: я архитектор, технический руководитель и продакт-менеджер.

• Демо: на синтетическом справочнике SAP ERP / 1С — по запросу.

Результаты внедрения

• Каждая третья позиция справочника получила строгий аналог или условную замену с пометкой, что проверить.
• 72% найденных «аналогов» в электротехнике оказались дублями: один и тот же артикул производителя под разными кодами. Их находит правило, без модели, и такие коды можно объединять сразу.
• ИИ-судья — открытая модель внутри контура компании: 82–84% совпадений с эталоном, опасных ошибок меньше 1%. Платные фронтир-модели на том же тесте дали 73–79% и пропустили около трети настоящих аналогов. Судейство, основной объём работы, идёт внутри контура.
• Где искать важнее, чем какая модель ищет. Адресный поиск закрыл в 3,6 раза больше недостающих параметров, чем платный ИИ-поиск, и обошёлся примерно в 50 раз дешевле. Платные модели работают только на остатке.
• Каталоги производителей целиком вместо поиска по каждой позиции: характеристики без затрат.
• Эксперты учат конвейер. После одной разметки экспертами ложных аналогов стало в 2,4 раза меньше, и ни одна верная замена не потерялась. Ответ эксперта — правка правила, а не ручная работа по позициям.
• Новая группа закупок подключается примерно в 10 раз быстрее, чем строилась первая: это настройка, а не разработка.
• Побочная польза — чистка классификатора. У 64% позиций с худшим заполнением причина была в неверной категории. Конвейер проверяет категорию и переносит позицию.

Как работает

Сначала данные. Прежде чем искать аналоги, конвейер приводит справочник в порядок:

1. нормализует сырые записи;
2. по промптам экспертов формирует перечень значимых параметров для каждого класса ТМЦ;
3. заполняет каждый параметр из открытых источников: сначала каталоги производителей, если их нет или не хватает — прайс-листы магазинов, затем широкий поиск с граундингом;
4. стандартизирует записи по заполненным параметрам;
5. убирает дубли.

Потом ищет аналоги. Алгоритм подбирает их для каждой позиции по параметрам. Языковая модель включается только там, где у алгоритма есть сомнения, и в роли эксперта категории: для электрооборудования свой промпт, для подшипников свой, для кабелей и метизов свои. На выходе — вердикт «аналог или нет», процент похожести и развёрнутый комментарий с разбором параметров оригинала и каждого кандидата.

Почему так устроено

• Стоимость под контролем. Дорогая модель работает только на спорных позициях.
• Решение можно проверить. К каждому вердикту приложены параметры, на которых он основан.
• Экспертиза не уходит с людьми. Знания эксперта категории записаны в промпт, а не живут только в памяти специалиста.

Где применимо

Промышленность, ритейл, маркетплейсы, дистрибуция — везде, где большие склады и сложные закупки.

Не только закупки. Закупки здесь только пример. Тот же подход применим в продажах, финансах, логистике и юридической функции.

Проверить на вашем справочнике

Под NDA. Для первой проверки хватит обезличенной выгрузки одной группы закупок целиком, от 1 000 позиций.