Инсайты с последнего митапа IDRF «ЛУЧШИЕ ПРАКТИКИ В E-COMMERCE: КАК ИИ И ТЕХНОЛОГИИ МЕНЯЮТ ПРАВИЛА ИГРЫ» — разбираем эволюцию AI от «вау-эффекта» к реальной бизнес-архитектуре вместе с Григорием Черняевым, CEO 24TTL CIS
На нашем последнем митапе IDRF Григорий Черняев сделал то, что редко удаётся на конференциях: объяснил разницу между «мы используем ИИ» и «у нас ИИ встроен в операционку». Разница принципиальная. И именно она сейчас определяет, кто выиграет следующие два-три года в e-commerce.
Где мы находимся: от вау-инструментов к AI-слою
Ещё пару лет назад разговор про ИИ в e-commerce сводился к набору точечных решений: вот сервис для автогенерации карточек, вот нейросеть для текстов, вот инструмент для анализа таблиц. Каждый инструмент сам по себе, каждый требует отдельного промпта и отдельного человека за штурвалом.
Сейчас рынок перешёл на следующий уровень.
ИИ эволюционирует от набора разрозненных сервисов к нативной модели — когда он становится не отдельным инструментом, а полноправным участником рабочего процесса. Этот «AI-слой» пронизывает все отделы компании одновременно: маркетинг, продажи, контент, юридический, бухгалтерию. Формируется концепция цифрового сотрудника — и целых виртуальных отделов, которые работают в связке с людьми, а не вместо них.
Цифры подтверждают: это не концепция будущего, это происходит сейчас.
По данным «Яков и Партнёры» (опрос 100 ведущих компаний), к 2030 году генеративный ИИ может принести российской экономике до 160 млрд рублей, из которых до 100 млрд ежегодно — в производстве потребительских товаров. Уже сегодня 70% крупных компаний не экспериментируют с ИИ — они его масштабируют. Аналитики прогнозируют рост EBITDA на 10–13% в ритейле и 8–10% в производстве за счёт новых цифровых бизнес-моделей.
Генеративный ИИ для работы с текстами и изображениями активно внедряют 35% компаний в ритейле и 25% в FMCG — преимущественно в маркетинге, продажах и клиентском сервисе.
Как это работает: оркестратор, агенты и человек в контуре
McKinsey зафиксировал важную цифру: в Retail Merchandising генеративный ИИ способен высвободить до 40% рабочего времени за счёт делегирования рутины. Но тут же — другая цифра, неудобная: 71% мерчантов сталкиваются со сложностями при внедрении и получают ограниченный или нулевой результат:
Почему так? Потому что инструмент без архитектуры — это дорогой эксперимент, а не бизнес-решение.
Последний пункт — ключевой. Цифровой сотрудник работает быстро и без усталости, но именно менеджер несёт ответственность за результат и не допускает фатальных ошибок там, где ставки высоки. Связка «человек + агент» быстрее реагирует на рыночные изменения, чем любая из этих двух сторон в одиночку.
Главный барьер: не технологии, а беспорядок в процессах
Вот где большинство компаний спотыкается.
Проблема при интеграции ИИ почти никогда не в недоступности нейросетей. Проблема в том, что внутри компании царит операционный хаос: непонятно, кто за что отвечает, данные не стандартизированы и разбросаны по разным серверам, критерии оценки эффекта отсутствуют.
Без наведения порядка в этом невозможно масштабировать ИИ. Он будет воспроизводить хаос быстрее и дороже.
Вывод прямой: перед внедрением ИИ нужно не искать правильный инструмент, а разобраться с собственными процессами и данными. ИИ — это усилитель. Он усиливает то, что уже есть.
Детерминированный подход: почему «чёрный ящик» не работает для энтерпрайза
Именно из этого понимания выросла платформа 24TTL.
Большинство генеративных инструментов работают по принципу «чёрного ящика»: даёшь промпт — получаешь результат. Результат непредсказуем, воспроизвести его точно во второй раз невозможно. Для небольших экспериментов это нормально. Для крупного бренда с жёсткими требованиями к визуальной идентификации — катастрофа.
Платформа 24TTL работает по принципу нодового конструктора (по аналогии с n8n): каждый этап создания контента программируется отдельно. На каждом шаге задаются жёсткие правила, выбираются конкретные модели (удаление фона, ретушь, генерация инфографики), прописываются промпты. На выходе — детерминированный результат: предсказуемый, воспроизводимый, соответствующий стандартам энтерпрайз-бренда.
Кейсы: что это значит на практике
Визуальный контент для Sadia
Sadia — один из крупнейших мировых производителей продуктов питания. Задача: автоматизировать создание визуального контента для маркетплейсов в масштабе.
На входе — обычные фото на белом фоне и брендбук. На выходе — инфографика с пищевой ценностью, составом, УТП и сценариями использования, сгенерированная по правилам валидатора.
Принципиальная деталь: логотипы накладываются в самом конце, уже после генерации, чтобы исключить «галлюцинации» нейросети и не допустить искажений фирменного знака. Готовые результаты передаются через API или загружаются напрямую в Figma.
Если один кадр не устроил — его перегенерируют локально, без переделывания всего массива. Это обеспечивает мгновенное масштабирование на разные языки и форматы
Диалоговый интерфейс для Chumbak
Для бренда дизайнерских сумок Chumbak реализован диалоговый интерфейс: можно задавать стиль фонов в свободном формате и мгновенно получать вариации визуала товаров. Никакого Photoshop, никаких фотосессий под каждый сезонный формат.
Автоматизация видеогенерации
Для крупного российского игрока автоматизировано создание видеороликов со спортивными сумками. Оркестратор анализирует свойства товара (например, водонепроницаемость) и собирает из отдельных сцен полноценный ролик: человек идёт с сумкой, кладёт вещи, демонстрирует материал в деле.
Если один фрагмент не получился — заменяется только он. Система пересобирает ролик в единой стилистике по гайдлайнам клиента. Без пересъёмки, без монтажёра в режиме «всё переделать».
ИИ в юридическом и бухгалтерском документообороте
ИИ давно вышел за пределы дизайна и это, пожалуй, самый недооценённый кейс.
Цифровая команда агентов работает с договорами: извлекает данные из кривых и некачественных сканов, сверяет доли, проверяет ФИО контрагентов, выявляет противоречия между документами. Специалист получает готовый отчёт с подсвеченными несоответствиями — и тратит время только на принятие решений, а не на механическую сверку.
Для юридических и бухгалтерских отделов, где процессы строго регламентированы, это не просто ускорение — это снижение операционного риска.
С чего начать: один отдел — одна функция
Главная ошибка при внедрении ИИ — попытка автоматизировать всё сразу. Результат предсказуем: хаос становится цифровым, но не перестаёт быть хаосом.
Правильная последовательность:
Шаг 1. Выберите один отдел — тот, где рутина наиболее очевидна и где цена ошибки приемлема для первого эксперимента.
Шаг 2. Определите конкретную повторяющуюся функцию — не «улучшить маркетинг», а «автоматизировать генерацию карточек для новых SKU».
Шаг 3. Наведите порядок в данных — прежде чем давать ИИ инструкции, убедитесь, что данные стандартизированы и доступны.
Шаг 4. Оставьте человека в контуре — особенно на старте. Цифровой агент исполняет, менеджер контролирует и калибрует.
Шаг 5. Масштабируйте на основе результата — не на основе энтузиазма.
Конкуренцию в ближайшие годы выиграют не те, у кого самые передовые нейросети. А те, кто первыми перестроит организационную модель под нативную работу с ИИ.
Разница между «мы попробовали ChatGPT» и «у нас работает оркестратор с агентами в каждом отделе» — это не разница в технологиях. Это разница в готовности навести порядок в собственных процессах и данных.
ИИ не исправит сломанную операционку. Но он кратно ускорит ту, которая уже работает.
Если хотите разбирать такие кейсы вживую, присоединяйтесь к нашему закрытому IDRF комьюнити e-commerce профессионалов
Материал подготовлен по выступлению Григория Черняева (CEO 24TTL CIS) на митапе IDRF