Подбор оборудования по складу с помощью ИИ: что решает агент, а что инженер

Менеджер получает от клиента запрос обычным текстом: нужен сервер, сетевое оборудование или система хранения, перечислены требования. Дальше начинается ручная работа: найти подходящие позиции, проверить остатки, собрать спецификацию. Ошибка в составе обходится дороже, чем задержка, поэтому такую работу не хочется отдавать на самотёк. Я сделал первую рабочую версию системы, которая готовит черновик спецификации и показывает свои допущения. Она называется Stock Configurator.

Как это работает

Менеджер описывает потребность в Telegram свободным текстом. Дальше система проходит четыре шага.

1. ИИ определяет тип оборудования и обязательные характеристики.
2. Система получает полный список доступных позиций с ценами.
3. ИИ подбирает компоненты только из этого списка. Если подходящего оборудования нет, система так и сообщает.
4. Программа проверяет артикулы, остатки и количества, собирает спецификацию в Excel и сохраняет допущения, сделанные при подборе.

Почему ИИ и программа делят работу

ИИ хорошо понимает свободный текст запроса. Но выбирать он может только из переданного списка. Артикулы, остатки и количества проверяет обычный код, потому что здесь нужна точность, а не догадка.

Что решает инженер

Перед отправкой клиенту инженер проверяет состав, совместимость оборудования и условия поставки. Спецификация не заменяет инженерное заключение. Она даёт инженеру готовый черновик с отмеченными допущениями.

Отказ вместо выдуманной рекомендации

Если нужного оборудования на складе нет, система сообщает об этом и не предлагает неподтверждённый вариант. Для подбора по реальному складу это важнее, чем всегда иметь ответ.

Что известно о результатах

Это первая рабочая версия, которая связывает Telegram, API и Excel. Данных о внедрении в повседневную работу компании пока нет, экономию времени я не измерял.

Когда такой агент подойдёт

Когда запрос клиента вручную превращают в спецификацию по большому складу или каталогу.

Частые вопросы