Когда владелец бизнеса впервые тестирует ИИ-ассистента, он обычно проверяет «ум»: задаёт хитрый вопрос и смотрит, насколько складным получится ответ. Но в реальной работе с поставщиками решает другое — помнит ли система, что было до этого. Умный ответ без контекста стоит дёшево. Ответ, который учитывает всю историю отношений с конкретным поставщиком, — это уже работа сотрудника.
Проблема «золотой рыбки»
Обычный чат с языковой моделью каждый раз начинается с нуля. Вы объяснили, что поставщик отгружает со склада в Европе, что у него особый формат инвойсов, что предоплата обязательна, — а через неделю открываете новый чат, и всего этого больше нет. Для разовых задач это терпимо. Для операционки импортёра, где по каждому бренду копятся десятки писем и документов в месяц, — нет.
Именно поэтому память — не косметическая функция, а водораздел между игрушкой и рабочим инструментом.
Что система должна помнить о поставщике
Если разложить отношения с поставщиком на факты, получается вполне конкретный список:
- Условия сделки: валюта, предоплата или отсрочка, минимальный заказ, скидочные пороги.
- Документы: как выглядит инвойс именно этого бренда, где в нём вес и коды ТН ВЭД, какие сертификаты он даёт, а какие — нет (например, при транзите через третью страну сертификат происхождения часто недоступен).
- Люди: кто отвечает за заказы, кто за отгрузки, кто реально отвечает на письма, а кому писать бесполезно.
- История: прошлые заказы, случаи недовложений, сроки, которые поставщик реально выдерживает, а не декларирует.
- Сезонность: когда бренд объявляет пресезонные условия и до какого числа нужно успеть с заказом.
Человек-менеджер держит это в голове по пяти-семи брендам. По тридцати-сорока — уже не держит никто: знания расползаются по почте, Excel и памяти уволившихся сотрудников.
Почему «умных ответов» недостаточно
Модель может блестяще объяснить, что такое проформа-инвойс. Но бизнесу нужно другое: «этот поставщик прислал проформу, а не финальный инвойс — для растаможки она не годится, запросите финальный». Разница между этими двумя ответами — как раз память: система должна знать ваш маршрут, вашего брокера и историю именно этой поставки.
Технически это решается связкой языковой модели с базой знаний компании — подход, известный как RAG (retrieval-augmented generation): перед ответом система находит нужные факты в ваших документах и опирается на них, а не на «общие знания из интернета». К этому добавляются структурированные карточки по каждому бренду, которые пополняются с каждым новым письмом и инвойсом.
Как проверить ассистента на память: три вопроса
- Спросите про условия конкретного поставщика через неделю после того, как рассказали о них. Ответ должен быть тем же — без повторного объяснения с вашей стороны.
- Дайте два инвойса одного бренда с разницей в месяц и спросите, что изменилось в ценах. Система без памяти сравнить их не сможет.
- Спросите, кому писать по отгрузке у бренда X. Если в ответ — общий совет «поищите контакт в подписи письма», памяти нет.
Если хотя бы один пункт провален — перед вами умный чат, а не оператор бизнеса.
Что это даёт на практике
Память превращает разрозненные задачи в накопительный эффект: каждое обработанное письмо делает систему точнее. Новый сотрудник входит в курс дела за день, потому что вся история по брендам собрана в одном месте. Пресезонные предложения не тонут в папке «Прочее», а превращаются в алерты с дедлайном. Ошибка в инвойсе ловится сравнением с прошлыми поставками, а не глазами уставшего менеджера. Типовые сценарии мы разбираем в других статьях и FAQ, а прикинуть экономию на рутине можно в калькуляторе.
Именно на этом принципе построена HORUVIA — ИИ-оператор, который ведёт память по каждому вашему бренду и поставщику: от писем и инвойсов до дедлайнов и алертов.