Российский разработчик сетевого оборудования «Тайле» внедрил ИИ-агента, который автоматически подбирает оборудование под запросы клиентов. Решение предназначено для работы с технически сложными каталогами и позволяет быстро подбирать позиции, включая аналоги продукции конкурентов. О реализации проекта рассказывает Александр Соложонкин, руководитель группы проектов «Тайле» и номинант на премию Data Award.

- Как «Тайле» пришла к реализации этого проекта? Какие проблемы требовалось решить?

Ключевая проблема — загруженность пресейл-менеджеров. Анализ показывает, что 70% времени у них съедают базовые единичные подборы, что мешает заниматься поддержкой сложных решений. Родилась гипотеза, что такая система поможет высвободить ресурс и сделать работу более эффективной.

- Насколько это важно для бизнеса?

Нам важно повысить скорость и эффективность подбора оборудования в условиях высокой конкуренции и дефицита квалифицированных специалистов. Это дает более короткий цикл сделки, снижение операционных затрат и ощутимый бизнес-эффект без сложных внедрений.

- Какой подход был выбран для решения задач?

Базово мы приняли решение провести оценку рынка: кто что может, какие финансовые вливания требуются. Не было задачи выбрать самое дешевое решение, важно было найти оптимальное по соотношению функциональности и стоимости. Так вышли на нашего текущего партнера.

- Что представляет собой созданное решение?

В основе решения — ИИ-поиск, адаптированный под специфику технических каталогов. Агент распознает намерение пользователя и определяет тип запроса — по набору технических характеристик или по конкретному артикулу, в том числе конкурентному. Если информация по артикулу отсутствует во внутренней базе, система находит данные в открытых источниках, после чего они проходят ручную валидацию и сохраняются для дальнейшего использования.

Подбор оборудования строится на модели признаков с прозрачным ранжированием, что позволяет специалистам видеть логику рекомендаций и использовать результаты в работе с клиентами. Агент работает напрямую в Telegram и не требует интеграций с внутренними системами, что упрощает его внедрение в текущие бизнес-процессы. Дополнительно в решении используется механизм обратной связи для последующего анализа и повышения точности подбора.

- Какие результаты достигнуты?

По итогам текущего этапа разработки система обрабатывает запрос менее 30 секунд, а среднее время подбора аналога составляет около 2 минут. Ранее на аналогичные задачи менеджеры могли затрачивать от нескольких часов до нескольких дней. Полученные результаты позволяют команде продаж экономить до 50% рабочего времени, а точность подбора превышает 89%, что положительно влияет на конверсию обращений в сделки.

- Точности 89% хватает? И что происходит в оставшихся случаях?

Всегда хочется больше, но на текущий момент цифры показывают, что этого достаточно. Окончательно будет понятно после выхода проекта в полную мощность. Предполагаем, что данный уровень не ниже точности подбора при человеческом факторе с учетом сложности характеристик. Важно уточнить: эта цифра не означает, что 11% ответов неверны; речь о том, что в некоторых случаях часть характеристик может не совпадать, что не критично при подборе одиночных позиций.

- Какие особенности решения вы можете выделить?

Во-первых, работа с «внешним контуром» данных: агент не ограничен внутренней базой — при отсутствии артикула он самостоятельно находит информацию в открытых источниках, инициируя процесс пополнения базы через ручную валидацию. Это превращает статичный каталог в самообучающуюся систему.

Во-вторых, конкурентная разведка как встроенная функциональность. В отличие от классических систем подбора, агент изначально заточен на поиск аналогов продукции конкурентов, что дает бизнесу прямое рыночное преимущество.

Наконец, отсутствие необходимости в интеграции. Решение работает через Telegram и не требует встраивания в CRM или ERP, что позволяет получить измеримый бизнес-эффект без капитальных затрат на ИТ-инфраструктуру и длительного внедрения.

- Пытались ли оценить полученный эффект с финансовой точки зрения? О каких показателях идет речь?

На сейчас это сделать сложно, так как решение еще не вышло в проектную мощность. Но есть ряд показателей, которые будут измеряться: влияние на высвобождение ресурсов пресейл-менеджеров, соотношение количества отработанных заявок к количеству положительных лидов, увеличение скорости ответа на запрос, а также ускорение вхождения нового сотрудника в процесс работы в продажах.

- Каково значение проекта для бизнеса?

Созданное решение меняет требования к компетенциям в B2B-продажах. Раньше продавать сетевое оборудование мог только инженер с глубоким знанием продуктовой линейки. ИИ-агент позволяет эффективно работать менеджерам с общей технической подготовкой. Это расширяет рынок труда, дает возможность быстрого найма и масштабирования отдела продаж без многомесячного вводного обучения. Для быстрорастущего рынка импортозамещения это критически важно.

- В каком направлении будет развиваться проект?

На данный момент мы доводим его до состояния вывода в полную коммерческую мощность и предоставления доступа всем сотрудникам отделов продаж. Далее будет оценка точных показателей и сбор запросов от пользователей, что еще необходимо доработать. Следующий этап — предоставление доступа партнерам в нашей B2B-системе.