ИИ для оптовой торговли: где надёжно, а где пустая цифра

Короткий ответ сразу: в оптовой торговле ИИ надёжен там, где задача сводится к разбору текста и речи на ваших данных. Он примет заявку от розничной точки, даже если она пришла в свободной форме, разберёт её по вашей номенклатуре и соберёт черновик заказа. Ответит, есть ли товар на складе, почём он по прайсу, какой минимальный заказ и когда ближайшая отгрузка. Разберёт и рассортирует поток обращений из почты, телефона и мессенджеров. А пустую цифру он выдаёт там, где ответ зависит от того, чего в ваших данных нет. Какую цену и отсрочку дать конкретному клиенту - это ваше решение по объёму, истории платежей и переговорам, а не текст заявки. Разница между рабочим инструментом и игрушкой не в модели - она в том, хватает ли машине данных для ответа, который вы от неё хотите.

Эта статья для владельца оптовой или дистрибуторской компании: у вас прайс и номенклатура, менеджеры по продажам, база розничных точек и перекупщиков, поток заявок и повторяющихся вопросов. Знакомая картина: менеджер разбирает заявку от одной точки. В это время в почту и мессенджеры падают ещё пять, кто-то звонит спросить остаток. А часть заявок до вечера так и висит необработанной. Я собираю ИИ-агентов под конкретные дыры в бизнесе. Опт разбираю с одной меркой: где машина работает надёжно, а где её ответ нельзя пускать к покупателю без вашего знания цен, условий и наличия.

Если хотите сразу понять, годится ли это вашему обороту, можно разобрать вашу задачу - без общих слов, по вашему прайсу и вашим типовым заявкам от точек.

Что ИИ в оптовой торговле делает надёжно

Надёжнее всего ИИ работает там, где ответ целиком лежит в данных, которые вы ему дали. Его задача - услышать, прочитать, собрать и переписать, а не угадать. В опте таких задач больше, чем кажется, и как раз они съедают время менеджеров.

Приём и разбор заявки от точки. Это сердце опта и первое, что тормозит. Заявка редко приходит аккуратной таблицей: «пришлите как в прошлый раз плюс пять коробок такого-то», «нужно то же, что брали в сентябре, но без позиции Х». Модель переводит такой свободный текст в позиции вашей номенклатуры, сверяет с прайсом и остатком и собирает черновик заказа менеджеру на проверку. Это ровно тот класс задач, на которых текстовые модели сильны, от суммаризации документа до выделения из текста важных данных. Про то, как машина доводит обращение до оформленного заказа, у меня есть отдельный разбор про ИИ-агента для продаж.

Ответы на типовые вопросы точек. «Есть ли на складе», «почём при заказе от короба», «какой минимальный заказ», «когда ближайшая отгрузка в мой город», «где моя машина». Эти вопросы повторяются десятки раз в день и отвлекают менеджера от крупных сделок. Ответ на них лежит в вашем прайсе, остатках и графике отгрузок. Подключите модель к этим данным и задайте ей правила - она отвечает в ваших рамках. Причём рамки можно задать жёстко: у системной инструкции высокий приоритет, модель придерживается заданных правил, даже если собеседник требует ответить иначе. Чем простой чат-бот отличается от полноценного ИИ-агента и что из этого нужно именно вам, я разбирал в статье про чат-бот для бизнеса.

Разбор и сортировка потока обращений. В опт идёт поток с нескольких каналов сразу: почта, телефон, мессенджеры, заявки с сайта. Машина переведёт разговоры в текст и разложит обращения по темам: новый заказ, вопрос по наличию, рекламация, статус отгрузки, запрос дебиторки. Подсветит заявки, на которые никто не ответил, и повторяющиеся претензии от одной точки. Здесь она работает по тексту и речи, которые уже есть, поэтому ни одна заявка не теряется в общем шуме. Если львиная доля обращений у вас идёт звонками, посмотрите отдельный разбор про ИИ для колл-центра: где голосовой робот берёт заявку, а где её теряет.

Напоминания и обзвон спящей базы по шаблону. У оптовика копятся точки, которые брали регулярно, а потом пропали: сменился закупщик, перешли к конкуренту, просто забыли. Машина пройдёт по базе, напомнит о привычном заказе к сезону, предупредит об акции или новом поступлении, соберёт тех, кто давно не отгружался. Текст - по вашему шаблону, а не сочинённый. Оговорка: писать и звонить стоит только тем, кто оставил контакт и согласен получать такие сообщения, иначе это уже не работа с базой, а спам.

Общий признак у всех этих задач один: ответ находится в ваших данных, машина его слышит, читает и собирает, а не сочиняет. Поэтому результат можно проверить, открыв ту самую заявку, тот самый прайс, тот самый остаток. Здесь ИИ экономит не выручку напрямую, а часы менеджеров. Они уходят на разбор заявок и ответы на одни и те же вопросы. Это время возвращается на крупные сделки и переговоры.

Где ИИ подсовывает опту пустую цифру

Теперь обратная сторона, на которой оптовики чаще всего теряют деньги и отношения с клиентом. Все генеративные модели иногда дают выдуманные или некорректные ответы в ситуациях, когда не могут найти правильный. То есть когда ответа нет в данных, машина не говорит «не знаю», а выдаёт правдоподобный. В опте, где за каждой цифрой стоит объём и деньги, это обходится дорого.

Окончательная цена и отсрочка под конкретного клиента. Соблазн велик: пусть бот сразу назовёт клиенту цену с его скидкой и даст отсрочку, сделка же горячая. Но настоящая цена в опте - это не строка прайса. Она зависит от объёма партии и истории платежей этой точки. Влияет и то, берёт ли она неликвид вместе с ходовым, какие у вас отношения и где сейчас запас по марже. Отсрочка - это и вовсе доверие деньгами. Этого в заявке нет, и модель, если её попросить, выдаст уверенное число, потому что так её попросили, а не потому, что она взвесила риск. Базовую цену по прайсу и типовые условия она назвать может. А спеццену и отсрочку оставляйте себе: это переговоры и ваше решение деньгами.

Прогноз спроса и закупки. «ИИ посчитает, сколько товара разберут в следующем месяце, и вы закупите ровно столько» - звучит разумно, особенно когда склад забит неликвидом. Модель построит аккуратный график по прошлым отгрузкам. Но реальный спрос двигают вещи, которых в вашей истории нет: сезон и погода, тендер у крупной точки, акция или демпинг конкурента, уход поставщика с рынка, курс. Поэтому прогноз выходит не предсказанием, а продолжением прошлой кривой: иногда угадывает, иногда промахивается, а выглядит всегда уверенно. Как отличить в цифрах надёжный расчёт от догадки, я разбирал отдельно в статье про ИИ для бизнес-аналитики.

Обещание наличия и срока поставки, которого вы не давали. Эта ловушка живёт прямо в переписке с точкой. Бот, чтобы закрыть диалог гладко, может подтвердить наличие позиции, которой на складе уже нет, или назвать срок отгрузки «завтра», которого вы не держите. Выглядит отзывчиво, клиент доволен и ставит ваш товар в свой план. А дальше он не получает партию вовремя, срывает свою розницу и приезжает с претензией к вам. Это ровно то, что я называю пустой цифрой: ответ с правильной формой и ненадёжным содержанием. И отвечаете за это слово перед покупателем вы, а не модель: наличие и срок, которые бот назвал от вашего имени, становятся вашим обязательством.

Признак пустой цифры всегда один и тот же: ответ зависит от того, чего нет в данных. Не можете показать, откуда машина взяла цену, прогноз или срок, - значит, она их не нашла, а досочинила. Такой ответ можно взять как черновик для менеджера, как повод присмотреться. Но нельзя отдавать его точке как цену, гарантию наличия или срок, не проверив.

С чего начать владельцу опта

Не нужно перестраивать компанию и покупать дорогую систему, чтобы понять, годится ли это вам. Проверка стоит одну неделю и один канал заявок.

1. Возьмите один канал, где теряется больше всего, - обычно это заявки в почте или в мессенджере. Соберите штук двадцать реальных обращений от точек за последнюю неделю. Реальных, со всеми их «как в прошлый раз» и сокращениями, а не придуманных ровных строк, чтобы проверка была честной.
2. Дайте инструменту разобрать эти заявки по вашей номенклатуре и прайсу и ответить на вопросы точек. Прямо попросите: собирать заказ только из позиций вашей номенклатуры, цены и условия брать из прайса, а спеццену, отсрочку и подтверждение срока отгрузки не называть - передавать менеджеру.
3. Сверьте результат с тем, что сделал бы ваш менеджер. Ищите три вещи. Правильно ли машина разобрала заявку по позициям и количеству. Не назвала ли цену, скидку или отсрочку, которых вы не давали. Не подтвердила ли наличие и срок, которых нет.
4. Повторите на втором канале или на заявках другой недели. Один удачный прогон - это ещё не инструмент, это везение.

Что проверять в ответе машины:

• на каждую собранную заявку видно, из каких позиций номенклатуры она собрана и совпадают ли количества с тем, что просила точка;
• машина отвечает про цену и наличие только из прайса и остатка, а спеццену, отсрочку и подтверждение отгрузки передаёт менеджеру, а не выдумывает;
• бот честно переводит на человека, когда вопрос выходит за рамки, а не подгоняет красивый ответ.

Если разбираться в инструментах самому не хочется, есть короткий путь. Понять, какая из задач опта вообще окупит автоматизацию и с какой начать. С этого я и начинаю работу: разбираю конкретную задачу и показываю, где агент снимет работу, а где принесёт пустую цифру.

Частые ошибки и когда это не про вас

Самая дорогая ошибка - поверить демонстрации. На подготовленном сценарии с удобными заявками любой инструмент покажет чудеса. Просите показать работу на ваших обращениях: с сокращениями, с заявками «как обычно», с точками, которые торгуются и просят отсрочку, а не на витринном примере.

Вторая ошибка - отдать машине решение, а не подготовку. ИИ хорошо готовит: разберёт заявку, соберёт черновик заказа, ответит по прайсу, рассортирует поток, поднимет спящую базу. Назвать спеццену, дать отсрочку, подтвердить наличие дефицитной позиции - это ваше решение деньгами и отношениями с клиентом, а не модели. Про то, с чего вообще начинать автоматизацию, чтобы не хвататься за всё сразу, я писал в разборе про автоматизацию бизнеса с помощью ИИ.

И отдельно о границах, чтобы не ждать от одного инструмента всего. Разбор заявки и ответы точкам - это sell-сторона, про неё эта статья. Учёт остатков и их сверка - это соседняя задача, её я разбирал в тексте про ИИ для складского учёта. А работа с поставщиками и формирование закупки - обратная сторона, про неё разбор про ИИ для закупок. Это разные дыры, и браться за них лучше по одной.

Когда это пока не про вас. У вас две-три крупные точки, заявки приходят раз в неделю ровными файлами, и менеджер успевает всё сам. Тогда возни с настройкой будет больше, чем выгоды. ИИ в опте окупается там, где поток заявок и вопросов большой. Заявки приходят в свободной форме с разных каналов, а спящая база велика, и до неё не доходят руки.

Источники

ИИ в оптовой торговле не заменит вас и менеджеров. Он работает как внимательный помощник на ваших данных: разбирает заявки, собирает заказы, отвечает по прайсу и остатку, поднимает спящую базу, снимает часы рутины. Хотите разложить это по вашему обороту и понять, с чего начать без лишних трат, - можно разобрать вашу задачу.