В последние годы мы активно развиваем наш сервис для бизнеса, и в процессе работы столкнулись с проблемой устаревания продукта. Несмотря на постоянные улучшения, система PIM (Product Information Management) начала отставать от современных требований. В результате мы решили кардинально изменить подход к работе пользователей с системой, что в итоге принесло пользу как нам, так и нашим клиентам.

Внедрение ИИ-агента

Одним из ключевых шагов стало внедрение ИИ-агента в нашу платформу. Этот агент способен самостоятельно искать информацию в интернете и создавать карточки товаров на маркетплейсах. За кулисами этого процесса скрываются вызовы API и запуск Python-скриптов, которые обеспечивают его работу.

Что такое PIM?

PIM-система — это инструмент для управления данными о товарах. Она собирает, обрабатывает и передает данные, например, карточки товаров на маркетплейсах. Если клиент хочет продавать пылесос, ему не нужно вручную заполнять карточку — система автоматически генерирует её на основе данных, которые уже есть в PIM.

Проблемы с интеграцией ИИ

История с внедрением ИИ в наш продукт началась около пяти лет назад. Первые попытки заключались в генерации описаний товаров на основе известных характеристик. Однако модели не всегда справлялись с задачами, требующими более глубокого понимания контекста. Со временем, с развитием технологий, такие задачи стали решаться лучше, и в этом году мы увидели значительные улучшения в работе моделей, таких как GPT-6 Luna.

Исходная точка

Наша PIM-система способна обрабатывать каталоги с миллионами товаров и интегрироваться с крупными маркетплейсами. Однако, несмотря на мощные возможности, пользователи всё равно сталкивались с необходимостью ручной настройки и контроля. Это создавало дополнительные трудности и увеличивало нагрузку на команду поддержки.

Инструменты для работы

Мы начали использовать Claude Code, Codex и OpenCode для автоматизации процессов. Эти инструменты позволяют эффективно работать с кодом и добавлять новые функции в проект. Например, Claude Code может разобраться в коде и внести изменения без необходимости в детальной документации.

Архитектура системы

Агент работает на удаленных серверах и взаимодействует с пользователями через чат. Веб-сервер обрабатывает запросы и передает их агенту, который запускает необходимые процессы. Основная задача агента — эффективно работать с LLM API и иметь доступ к инструментам, необходимым для выполнения задач.

Как работает агент

Агент принимает команды от пользователей и формирует запросы к LLM API. Он может выполнять различные операции, включая работу с кодом, файлами и сетевыми запросами. Например, если пользователь запрашивает создание Excel-таблицы, агент использует Python и библиотеки, такие как pandas, для выполнения этой задачи.

MCP-протокол

Для обеспечения доступа к возможностям платформы мы используем MCP-протокол, который позволяет агенту взаимодействовать с различными функциями системы. Это включает обработку прайс-листов, обмен данными с маркетплейсами и другие операции.

Автономная работа

Система также поддерживает запуск задач по расписанию, что позволяет автоматизировать рутинные операции. Пользователи могут создавать сценарии для агента, которые он будет выполнять в фоновом режиме.

Результаты внедрения

С точки зрения бизнеса, внедрение ИИ-агента значительно упростило процессы и снизило нагрузку на техподдержку. Мы заметили уменьшение количества запросов в техподдержку примерно в три раза, хотя количество вопросов от пользователей возросло. Это говорит о том, что пользователи стали более активно взаимодействовать с агентом.

Уроки и выводы

Три предыдущие попытки внедрения ИИ в продукт не принесли ожидаемых результатов. Однако четвёртая попытка стала определяющей, так как агент оказался полезным инструментом, который пользователи начали активно использовать. Мы поняли, что для успешного внедрения ИИ необходимо не только техническое решение, но и изменение парадигмы продукта.

Заключение

На сегодняшний день агент стал неотъемлемой частью нашей платформы. Он не только улучшил пользовательский опыт, но и позволил нам взглянуть на продукт с новой стороны. Мы продолжаем наблюдать за его работой и вносим улучшения на основе отзывов пользователей. Внедрение ИИ стало важным шагом в развитии нашего сервиса, и мы уверены, что это только начало.