Как мы создали ИИ-ассистента для подбора тарифов на маркетплейсе банка Точка

На этом кейсе хорошо видно, где ИИ действительно даёт эффект, а где от него нет смысла ждать чудес.

Ко мне обратился Максим Оганов, владелец диджитал-агентства "Oganov Digital". Задача возникла в рамках их партнёрства с банком "Точка".

Агентство продаёт услуги по продвижению на Авито через B2B-маркетплейс банка. Услуг много, тарифы сложные, зависят от ниши, региона, структуры ассортимента и ещё ряда параметров. Пока продажи вёл сам Максим и его команда, эта сложность была управляемой. Но когда продажи перешли к сотрудникам банка, возникла системная проблема.

Сотрудники банка физически не могли держать в голове все нюансы тарифов одного агентства. А ведь помимо "Oganov Digital" у них десятки других партнёров с собственными правилами и логикой расчётов.

Мы посмотрели на процесс целиком и довольно быстро стало понятно, что обучением эту проблему не решить. Слишком высокая когнитивная нагрузка. Нужно было не запоминать правила, а вынести их в инструмент.

Так появилось решение в виде ИИ-бота. Его задача простая по формулировке, но нетривиальная по реализации. В диалоге с менеджером он должен:

Для быстрого старта мы пошли по пути наименьшего сопротивления и собрали первую версию в формате Custom GPT на платформе ChatGPT. Дальше начался нормальный инженерный процесс. Без магии и "с первого раза".

Проект прошёл пять версий за четыре месяца.

По сути, это ИИ-ассистент для отдела продаж. Он автоматизирует квалификацию лидов и расчёт стоимости услуг по продвижению объявлений на маркетплейсах.

Бот умеет работать в трёх режимах:

При расчёте он учитывает нишу, объём объявлений, регионы, частоту изменений, структуру ассортимента и ряд других параметров. Применяет коэффициенты сложности, учитывает минимальные бюджеты по локациям, добавляет дополнительные услуги. В результате выдаёт не просто цифру, а расчёт с понятным объяснением логики.

Первая версия была, по сути, прототипом. Базовый системный промпт, несколько сценариев работы, логика расчёта через коэффициенты и справочники. Данные хранились в CSV и YAML, валидации входных данных не было, поведение бота было нестабильным. Это была точка старта.

Во второй версии мы привели в порядок справочники, уточнили коэффициенты и добавили примеры кейсов. Работать стало чуть предсказуемее, но архитектурно проблема оставалась.

Третья версия стала переломной. Мы перешли на структурированные JSON-данные. Появились отдельные файлы под тарифы, множители, допуслуги, сценарии, схема валидации и маппинг ответов. Это дало единую структуру данных и сильно снизило хаос.

Четвёртая версия решала две крупные задачи.

Во-первых, мы устранили блокировки со стороны OpenAI. Пришлось провести более ста точечных изменений. Убрали бренды, переименовали файлы, заменили термины, обновили идентификаторы. Работа рутинная, но обязательная.

Во-вторых, добавили логику минимальных бюджетов по локациям. Появилось разделение на Москву, Санкт-Петербург и другие регионы, обновился сценарий диалога и логика расчёта.

Пятая версия стала финальной. Мы зафиксировали, что коэффициенты могут только увеличивать стоимость, формализовали учёт структуры ассортимента и ввели единые определения ниши, категории, SKU и уникального объявления. Это убрало разночтения и сделало расчёты прозрачными.

Если коротко:

До внедрения бота расчёт тарифа занимал в среднем около двух часов. Процесс выглядел как бесконечный пинг-понг между менеджером банка, клиентом и командой агентства.

После внедрения всё упростилось. Менеджер вводит данные в бота, бот сразу выдаёт расчёт, после чего гипотеза быстро подтверждается командой агентства.

Время расчёта сократилось до пятнадцати минут.

В девяти случаях из десяти расчёт сразу принимается как корректный.

Сам процесс стал предсказуемым и управляемым.

ИИ здесь не "заменил людей" и не сделал ничего магического. Он просто вынес сложную логику из головы сотрудников в устойчивую систему. В результате процесс, зависящий от человеческого фактора, превратился в нормальный рабочий инструмент. Быстрый, повторяемый и экономящий время.