Как на самом деле работает ИИ-ассистент

Представьте нового сотрудника: грамотный, начитанный, быстро соображает — но в вашем кабинете WB он ни разу не был. Примерно так работает ИИ-ассистент. Разберём, что у него «под капотом», — это снимет большинство вопросов вида «почему он не знает мой ДРР».

1Предсказание текста, а не база знаний о вас

Языковая модель обучена на огромном массиве текстов делать одно: предсказывать, какое слово вероятнее всего должно идти следующим. Когда вы просите «напиши ответ на негативный отзыв», модель не открывает ваш кабинет и не сверяется с базой Wildberries. Она опирается на закономерности из миллионов текстов: как устроены вежливые ответы магазинов, из чего состоит карточка товара, что селлеры называют выкупом или ДРР.

Отсюда два следствия:

• Модель сильна в обработке того, что вы ей дали: переписать описание карточки, сгруппировать отзывы по причинам недовольства, разобрать таблицу с расходами на рекламу.
• Модель не знает того, чего ей не дали: ваши остатки, вчерашние заказы, цену конкурента. Если спросить «в лоб», она может уверенно ответить — и ошибиться. Такие правдоподобные выдумки называют галлюцинациями.

Рабочее правило: модель отвечает по тому, что есть в диалоге, а не по тому, что лежит в вашем кабинете.

2Чем это полезно селлеру

Заметная часть рутины селлера — это работа с текстом и таблицами: описания и SEO-ключи, ответы на отзывы и вопросы, разбор отчётов по рекламе, письма поставщику, черновик ТЗ дизайнеру на инфографику. Именно здесь предсказание текста превращается в практическую пользу: вы даёте сырьё (отзыв, выгрузку, описание конкурента) — модель структурирует, переписывает, считает и предлагает варианты. Не «волшебник, который всё знает», а быстрый исполнитель, которому нужно нормальное входное задание.

3Контекст: рабочая память диалога

Контекст — это всё, что модель видит в текущем разговоре: ваши сообщения, её ответы, приложенные файлы. Поэтому внутри одного чата можно уточнять без повторения вводных: «сделай короче», «убери канцелярит», «теперь то же для второго артикула» — модель помнит, о чём шла речь.

Но у контекста есть границы:

• Новый чат — чистый лист. То, что вы объясняли вчера в другом диалоге, модель сама по себе не помнит.
• Контекст не бесконечный. В очень длинном разговоре ранние детали могут терять вес. Практичный приём: одна задача — один чат, а важные вводные (категория товара, целевая маржа, тон ответов) повторяйте в начале.

4Свежих данных нет, пока вы их не дали

У модели есть дата, до которой собирались её обучающие данные. Всё, что случилось позже, — и тем более всё, что происходит внутри вашего магазина, — для неё не существует, пока вы это не передали. Способа три:

• Файл — самый простой: выгрузка отчёта из кабинета в Excel/CSV, текст отзывов, скриншот карточки. Прикрепили — и модель работает с реальными цифрами, а не догадками.
• Скилл — сохранённая инструкция, которая объясняет ассистенту, как выполнять вашу типовую задачу: по каким правилам писать ответы на отзывы, в каком формате собирать отчёт.
• Коннектор — подключение к внешнему источнику данных, например к API кабинета маркетплейса. Тогда ассистент сам запрашивает свежие остатки или статистику, без ручной выгрузки.

Принцип один и тот же на любом уровне: сначала данные — потом вопрос. Спросите «какой у меня ДРР» без данных — получите догадку. Приложите выгрузку рекламного кабинета — получите разбор по кампаниям.