ИИ в e-commerce: как автоматизировать работу с тысячами карточек товаров

В крупном интернет-магазине один товар может одновременно присутствовать на сайте, маркетплейсах, в PIM, DAM и внутренних каталогах. Для каждого канала действуют свои требования к формату и содержанию.

Сотрудники регулярно выполняют одни и те же операции: адаптируют изображения, переносят характеристики, пишут описания, проверяют карточки. При росте ассортимента увеличивать штат пропорционально объему работ становится дорого.

Кроме того, ручная обработка повышает вероятность ошибок: пропущенных характеристик, устаревшей информации, расхождений между системами.

Поэтому задача — не просто ускорить работу сотрудников, а автоматизировать сам процесс подготовки контента.

Современный кастомный ИИ-сервис может работать одновременно с текстом, изображениями и структурированными данными.

• Изображения. Система может удалять и заменять фон, кадрировать фотографии, приводить их к единому формату, повышать качество и готовить изображения под требования конкретной площадки.
• Тексты. На основе характеристик товара ИИ формирует описание по правилам компании и требованиям канала. Например, получает из PIM бренд, состав, цвет, размеры и особенности модели и на их основе создает готовый текст. Такой сервис мы разработали для Befree.
• Проверка данных. Модель может находить пропущенные характеристики, несоответствия формату и другие проблемы в карточках.

При этом важно разделять генерацию текста и генерацию фактов. ИИ не должен самостоятельно придумывать характеристики товара. Для этого используются данные из корпоративных систем и настраиваются дополнительные проверки.

Переход от экспериментов к таким сценариям уже происходит в российском бизнесе. Согласно исследованию «Яков и Партнёры» и Яндекса, 71% крупных российских компаний уже применяют генеративный ИИ хотя бы в одной бизнес-задаче. Электронная коммерция входит в число отраслей, где ИИ уже применяется системно, а не только в рамках пилотных проектов.

Для крупного бизнеса недостаточно подключить отдельный AI-сервис. Решение должно учитывать существующую IT-инфраструктуру, требования к безопасности и способы работы с корпоративными данными.

Для генерации текстов мы чаще используем RAG-подход. В этом случае модель получает информацию из только базы знаний компании, PIM, справочников и других корпоративных источников, а не опирается на открытый поиск и собственные данные. Это снижает риск появления недостоверной информации.

По данным ИСИЭЗ НИУ ВШЭ, 66–67% крупных и средних российских организаций, которые уже применяют ИИ, упрощают с помощью этой технологии обработку визуальных данных и текста. Примерно каждая вторая компания использует ИИ в маркетинге и продажах.

При этом основные эффекты от внедрения связаны не только с сокращением затрат: 62,7% организаций отмечают рост качества и эффективности бизнес-процессов, а 41,4% — рост доходов. Среди ключевых ограничений ВШЭ называет высокие затраты, качество данных и необходимость развития инфраструктуры.

Поэтому AI-решение для e-commerce нужно проектировать как часть существующего IT-контура.

Его можно реализовать в разных форматах:

• сервис с API для интеграции с PIM, DAM, CMS и внутренними системами;
• веб-интерфейс — для команды, которая работает с контентом;
• пакетная обработка — для массовой обработки файлов через согласованные папки;
• плагин для Photoshop — для автоматизации отдельных операций непосредственно в рабочем процессе дизайнеров;
• решение в контуре клиента — когда обработка данных должна происходить на инфраструктуре компании.

Форматы можно комбинировать. Например, массовую обработку изображений организовать через серверную папку, а генерацию текстов подключить через API.

Так, интеграция возможна с 1С, SAP, Bitrix, PIM, DAM, CMS и собственными системами компании.

Для Lamoda мы автоматизировали обработку изображений и сократили время работы с одной фотографией с нескольких минут до 5–15 секунд. Система взяла на себя рутинные операции, которые ретушеры выполняли вручную: это упростило работу с большими объемами товарного контента. В результате объем ручной работы не увеличивается пропорционально росту ассортимента.

Для Befree мы объединили в единый процесс сразу несколько этапов подготовки карточки: ретушь изображений, извлечение атрибутов товара и формирование товарных описаний. После обработки 70% изображений не требуют дополнительной ручной ретуши, поэтому сотрудники подключаются только там, где действительно необходима экспертная проверка или доработка.

Экономический эффект складывается из нескольких факторов:

• сокращение трудозатрат на подготовку контента;
• уменьшение количества ручных операций и ошибок;
• снижение нагрузки на контент-команду;
• ускорение вывода новых товаров;
• потенциальный рост конверсии за счет более качественных карточек.

Исследование «Яков и Партнёры» и Яндекса показывает, что 78% опрошенных компаний уже фиксируют экономический эффект от применения ИИ. В отраслях с системным использованием технологии компании оценивают совокупный эффект до 8% EBITDA. При этом 90% респондентов связывают финансовый результат прежде всего со снижением операционных и других затрат.

Базовую экономику можно оценить через количество новых и обновляемых карточек, среднее время ручной обработки одной карточки, стоимость рабочего часа и долю операций, которые можно автоматизировать. В пилоте эти показатели сравниваются с фактическим временем обработки, процентом ошибок и объёмом ручных доработок после внедрения.

Мы рекомендуем двигаться поэтапно.

1. Аудит: анализируем текущий процесс, источники данных, объемы контента, требования площадок и ручные операции.
2. Пилот: выбираем ограниченный сегмент — например, одну категорию товаров или один канал продаж.
3. Оценка результата: сравниваем время обработки, качество контента, количество ошибок и другие заранее определенные показатели.
4. Масштабирование: если пилот подтверждает эффект, подключаем остальные категории, площадки и системы.

Такой подход позволяет оценить не только техническую работоспособность решения, но и его экономическую целесообразность.

• В каталоге тысячи SKU, он регулярно растет.
• Новые карточки товаров приходится обрабатывать вручную.
• Фотографии нужно массово адаптировать под разные площадки.
• Описания и характеристики создаются или проверяются вручную.
• Один товар публикуется в нескольких каналах.
• В контенте регулярно возникают ошибки и расхождения.
• В компании уже используются PIM, DAM, 1С, SAP, CMS или другие системы с каталогом.

Чем больше пунктов вы отметили, тем выше потребность в автоматизации рабочих процессов.

ИИ в e-commerce давно не ограничивается генерацией текстов и изображений. При правильной реализации он становится частью процесса подготовки и контроля качества товарного контента.

Для крупного бизнеса это возможность быстрее выводить новые товары, снижать объем ручной работы и поддерживать единый стандарт контента во всех каналах.

Начинать внедрение стоит с аудита и небольшого пилота: определить конкретную задачу, рассчитать текущие затраты и проверить результат на реальных данных.

Хотите понять, что в вашем e-commerce можно автоматизировать с помощью ИИ? Оставьте заявку на бесплатную консультацию с нашими экспертами.