ИИ-ассистент для обработки заявок на металлопрокат

Отдел продаж компании-дистрибьютора продукции из нержавеющего металлопроката тратил значительное время на ручную обработку входящих заявок. Клиенты присылали запросы номенклатуры через мессенджеры и email в неунифицированных форматах: PDF-сканы, Excel-таблицы и даже фотографии спецификаций.

Менеджеру приходилось вручную «читать» эти файлы, находить каждую позицию в номенклатурном справочнике 1С УТ (учитывая опечатки, сокращения и разные формулировки) и только потом формировать заказ. Этот процесс был «бутылочным горлышком»: он занимал до 40 минут на один сложный заказ, приводил к ошибкам из-за человеческого фактора и мешал компании быстро масштабировать продажи.

Мы поставили цель разработать сервис, который бы сокращал время обработки запроса до минимума и автоматически:

• Распознавал номенклатуру из любых файлов, присланных клиентом.
• Сопоставлял ее с внутренним справочником номенклатуры 1С УТ.
• Готовил форму коммерческого предложения.

Мы разработали интеллектуального ассистента, интегрированного напрямую в Telegram — основной рабочий инструмент менеджеров. Вместо ручной работы, сотрудник теперь просто пересылает ассистенту любой файл от клиента, будь то PDF, Excel или фотография спецификации.

«Под капотом» платформа n8n запускает процесс: сначала LLM выступает в роли OCR-системы, «читая» документ и извлекая из него список позиций.

Для этого проекта мы реализовали продвинутый гибридный поиск, который объединяет семантическое понимание GenAI с жесткой логикой SQL. Вместо простого векторного поиска, алгоритм сначала применяет интеллектуальный разбор запроса клиента (например, «Отвод 32x3 12X18H10Т») на конкретные атрибуты: тип изделия, диаметр, стенка и марка стали. Параллельно запрос преобразуется в смысловой вектор через OpenAI API.

Затем, один сложный SQL-запрос запускает три поиска параллельно:

1. "Fast path" по точным атрибутам (например, диаметр и толщина)
2. Full-Text Search по ключевым словам
3. Векторный поиск по смысловой близости к пулу кандидатов.

Настоящая магия — в ранжировании: мы комбинируем все результаты и применяем бизнес-логику — пессимизирются результаты, несоответствующие изначальному определённому типу продукции, и даётся буст точным совпадениям. Это гарантирует, что менеджер видит самый релевантный товар первым, а не просто семантически похожий.

В финале менеджер получает результат сопоставления товара и возможностью вручную подтвердить его корректность. Это реализует важный принцип «Human-in-the-Loop», позволяя человеку быстро валидировать результат и, при необходимости, корректировать его.

После этого по шаблону подготавливается итоговая версия документа с коммерческим предложением, которое менеджер отправляет клиенту.

Внедрение AI-ассистента и векторного поиска позволило кардинально изменить процесс обработки заказов:

• Скорость: время обработки сложной заявки из 20+ позиций сократилось с 30-40 минут до 45 секунд.
• Точность: повысилась точность формирования заказов за счет исключения человеческого фактора при поиске.
• Эффективность: менеджеры были освобождены от рутинной механической работы и смогли сфокусироваться на сложных продажах и работе с клиентами.
• Конкурентное преимущество: компания получила возможность выставлять коммерческие предложения (Time-to-Quote) в десятки раз быстрее конкурентов, что напрямую повлияло на рост конверсии в продажи.