Більшість невдалих AI-проєктів в інтернет-магазинах провалюються не через технології. Модель працює, інтеграція написана, підрядник здав роботу — а через півроку функцію тихо вимикають. Причини повторюються з проєкту в проєкт, і майже всі вони закладаються на етапі постановки задачі, а не розробки.
Нижче — дев'ять сценаріїв, які ми регулярно бачимо в e-commerce, і що замість них.
1. Впровадження почалося з інструмента, а не з проблеми
Найпоширеніший сценарій: компанія вирішує «впровадити AI», обирає платформу, і вже після цього шукає, куди її прикласти. Результат — функція, яку ніхто не просив, із метриками, які нікого не цікавлять.
Як правильно: почати з переліку рішень, які приймаються часто і дорого коштують при помилці — закупівля, ціноутворення, обробка звернень, — і подивитися, які з них упираються в брак часу або даних. Це і є кандидати.
2. Дані не готові, але про це дізналися пізно
Проєкт стартує, і на третьому тижні виявляється, що історія залишків не зберігається, картки товарів заповнені по-різному, а замовлення з різних каналів не зводяться між собою. Строки зриваються, бюджет іде на приведення даних до ладу — роботу, яку ніхто не планував.
Як правильно: аудит даних до підписання, а не після. Питання просте — чи є в нас дані за потрібний період, у потрібній деталізації, без пропусків.
3. Чат-бот поставили замість підтримки, а не на додачу
Бот, який не вміє передати діалог людині, псує клієнтський досвід швидше, ніж економить гроші. Особливо в e-commerce, де більшість звернень стосуються конкретного замовлення: статусу, повернення, помилки в доставці.
Як правильно: бот закриває типові й повторювані питання, має явну кнопку переходу на оператора і не намагається утримати клієнта в діалозі. Метрика успіху — не «відсоток закритих ботом», а задоволеність після контакту.
4. Генерований контент пішов у продакшн без редактури
Опис товару, згенерований за характеристиками, часто виглядає прийнятно і містить одну фактичну помилку — не той матеріал, не та комплектація, не та сумісність. На сотні карток це гарантовані повернення й скарги.
Як правильно: генерація як чернетка, обов'язкова перевірка фактів людиною, і окрема увага до категорій із високою ціною помилки — техніка, дитячі товари, все, що має сертифікацію.
5. Персоналізація без контрольної групи
Систему рекомендацій увімкнули для всіх одразу, конверсія за місяць виросла на кілька відсотків, проєкт визнали успішним. Через сезон з'ясувалося, що зростання дав сезон, а не рекомендації.
Як правильно: частина трафіку завжди залишається без нової логіки. Без цього ви не зможете відрізнити ефект від фону — і не зможете захистити бюджет наступного року.
6. Ніхто не володіє результатом
Підрядник здав систему, всередині компанії немає людини, яка відповідає за її роботу. Через три місяці якість рекомендацій падає, ніхто цього не помічає, ще через три — функцію вимикають «бо не працює».
Як правильно: у кожної AI-функції має бути власник із боку бізнесу, регулярний перегляд метрик і бюджет на підтримку. AI-система — це не сайт, який зробили один раз: вона деградує без нагляду.
7. Модель не переучують
Асортимент змінився, з'явилися нові категорії, поведінка покупців зсунулася — а модель працює на даних дворічної давнини. Формально система жива, фактично її прогнози дедалі гірші.
Як правильно: закласти регулярний перегляд якості в процес із самого початку і мати заздалегідь визначений поріг, нижче якого модель переучують.
8. Автоматизували те, що варто було спростити
Класична пастка: складний ручний процес обростає AI-надбудовою замість того, щоб бути переглянутим. У результаті компанія платить за автоматизацію кроків, яких взагалі не повинно існувати.
Як правильно: перед автоматизацією подивитися, чи можна прибрати сам етап. Найдешевша оптимізація — та, після якої роботи стає менше, а не швидше.
9. Немає розрахунку окупності
Проєкт оцінюють словами «стало зручніше». Коли приходить час скорочувати витрати, функцію без цифр вимикають першою — незалежно від того, наскільки вона була корисна.
Як правильно: до старту зафіксувати, у чому вимірюється результат — зекономлені години, знижена частка повернень, зростання повторних покупок, — і зняти базові показники до впровадження. Після впровадження зняти їх ще раз.
Що з цього випливає
Спільний знаменник усіх дев'яти пунктів — це не технології, а процес: нечітка постановка задачі, відсутність власника і відсутність вимірювання. Проєкт, у якому ці три речі закриті, зазвичай працює навіть на простих рішеннях. Проєкт, у якому вони не закриті, не рятує жодна модель.
Ширший список типових пасток — у матеріалі типові помилки при впровадженні AI. Порядок дій із нуля — як бізнесу впровадити AI, а опис самої послуги — впровадження AI.
Якщо мова про магазин, який ще будується, більшість цих питань дешевше закрити на етапі розробки: створення інтернет-магазину. Для тих, хто працює з майданчиками, — розділ маркетинг на маркетплейсах.
Обговорити конкретний проєкт можна через контакти Top Team.
