Готовность данных для ИИ: почему агент выдаёт ошибки

Ташкентский магазин покупает ИИ-агента, чтобы отвечать клиентам в Telegram, подключается к CRM и автоматически называет цены. Через три недели агент уверенно сообщает неверные остатки на складе, называет цены в долларах вместо сумов и путает товары с похожими названиями. Агент не сломан — проблема в данных, на которых он работает.

Готовность данных для ИИ — непримечательный, но обязательный этап, который решает, станет проект успехом или дорогим разочарованием. Большинство сбоев ИИ-агентов в Узбекистане происходит не из-за слабой модели или плохих промптов. Причина — в каталогах товаров с дубликатами, полях CRM, которые никто не обновлял с 2022 года, и трёх разных написаниях имени одного клиента в amoCRM и 1С. Наведите порядок в данных сначала — и агент станет надёжным. Пропустите этот шаг — и никакие ухищрения с промптами не исправят то, что под капотом.

---

Почему “чистые данные” важнее самой модели ИИ

ИИ-агент настолько хорош, насколько хороши данные, которые он может найти и на которых может рассуждать. Если в базе товаров устаревшие цены, агент назовёт их с полной уверенностью — без сомнений и оговорок. В отличие от нового сотрудника, агент не знает, чего он не знает. Он воспринимает каждую запись как истину.

Именно поэтому технически безупречный агент, построенный на сильной модели, всё равно проваливается в реальной эксплуатации: базовые бизнес-данные (CRM, склад, история заказов, документы FAQ) фрагментированы, задублированы или устарели. По нашему опыту создания агентов для логистики, розницы и проектов, близких к финтеху, большинство доработок после запуска связаны именно с данными — а не с моделью или промптами.

Пять проблем с данными, которые ломают ИИ-агентов на практике

1. Дубликаты и противоречивые записи

Две записи одного клиента в amoCRM — в одной старый номер телефона, в другой новый. Агент выбирает ту запись, которая загрузилась первой — иногда неправильную — и отправляет напоминание об оплате на номер, которым клиент не пользуется уже два года.

2. Отсутствие или несогласованность структуры

Названия товаров, которые разные сотрудники годами вносили как придётся (“Samsung A54 128GB”, “самсунг а54”, “А-54 128гб черный”) выглядят как разные товары для системы, делающей простое сопоставление, хотя человек мгновенно видит, что это одна и та же позиция.

3. Устаревшие справочные данные

Прайс-листы, зоны доставки и часы работы, которые были верны в 2023 году, но так и не обновились. У агента нет способа понять, что поле устарело, если только кто-то не сообщит об этом или система-источник не проставит дату последнего обновления, которую можно проверить.

4. Отсутствие единого источника истины

Когда информация о товарах в 1С, статус заказа в amoCRM, а жалобы клиентов — в групповом чате Telegram, который кто-то читает вручную, агент либо видит только часть картины, либо получает противоречивые ответы из разных систем.

5. Конфиденциальные данные вперемешку с бизнес-данными

Персональные номера документов, приватные заметки о клиентах и внутренняя маржа находятся в той же таблице или поле CRM, которое агент должен искать. Без тщательного разграничения агент, отвечающий на вопрос клиента, может случайно выдать то, чего показывать не следовало.

Практический чек-лист готовности данных перед созданием ИИ-агента

• Единый эталонный каталог товаров/услуг, без дубликатов, с согласованными названиями
• Записи клиентов объединены там, где были дубликаты (один номер телефона, одна запись на клиента)
• Прайс-листы и информация о доставке/часах работы отмечены датой “последнее обновление”
• Определён единый источник истины для каждого типа данных (например, 1С для склада, amoCRM для статуса клиента)
• Конфиденциальные поля (номера документов, внутренняя маржа, приватные заметки) отделены от того, к чему имеет доступ агент
• В команде есть хотя бы один человек, ответственный за актуальность исходных данных после запуска
• Есть тестовый набор из 20–30 реальных вопросов клиентов, на которые агент должен отвечать корректно перед запуском

Как выглядит “достаточная” готовность данных на практике

Для запуска ИИ-агента не нужно идеальное корпоративное хранилище данных. Большинство МСБ в Ташкенте и Самарканде, с которыми мы общаемся, чрезмерно вкладываются в исправление всего подряд и недостаточно — в исправление конкретных полей, к которым агент будет реально обращаться. Точечная очистка — обычно это каталог товаров и три основных поля CRM, которые запрашивает агент, — при чётком объёме работы занимает дни, а не месяцы.

Уровень готовности данных	Типичное состояние	Рекомендуемое действие
Низкий	Дубликаты записей, нет единого источника истины, устаревшие цены	Очистить основной каталог и поля CRM перед любой разработкой агента (1–2 недели)
Средний	Одна основная система, редкие дубликаты, в основном актуальные цены	Лёгкая дедупликация и проверка, разработка агента с мониторингом (дни)
Высокий	Единый источник истины, регулярно обновляется, структурированные поля	Разработка сразу, добавить постоянные проверки качества данных

Именно эту диагностическую работу мы проводим в начале любого проекта по ИИ-агентам — посмотрите, как это вписывается в наши услуги, или изучите недавние работы в рознице, логистике и проектах, близких к финтеху.

Как это связано с выбором и стоимостью ИИ-агента

Готовность данных — не отдельный проект от решения о том, нужен ли вам ИИ-агент вообще. Если вы ещё разбираетесь, что такое ИИ-агент на самом деле и чем он отличается от простого бота, или выбираете между ИИ-агентом и чат-ботом для своего конкретного бизнеса, готовность данных повлияет и на это решение — простой чат-бот гораздо терпимее к беспорядку в данных, чем автономный агент, совершающий действия от вашего имени.

Если вы уже на более позднем этапе и изучаете наш полный гайд по ИИ-агентам для узбекского бизнеса, очистка данных обычно становится одним из первых пунктов при оценке проекта и напрямую влияет на то, сколько стоит ИИ-агент в сумах — грязные данные означают больше подготовительной работы, что отражается на смете.

Частые вопросы

Нужно ли очищать все данные перед началом проекта с ИИ-агентом? Нет. Сосредоточьтесь на конкретных данных, к которым будет обращаться агент — обычно это каталог товаров/услуг и два-три ключевых поля CRM. Полная очистка редко нужна и редко реалистична в типичные сроки МСБ.

Сколько обычно занимает готовность данных? Для точечного проекта с Telegram-ботом или CRM-агентом целевая очистка основного каталога и ключевых полей обычно занимает от нескольких дней до двух недель — в зависимости от количества дубликатов и противоречивых записей.

Может ли ИИ-агент сам помочь очистить данные? Частично. ИИ может отметить вероятные дубликаты и несогласованные названия для проверки и утверждения человеком, что ускоряет очистку — но окончательное решение об объединении и удалении должен принимать человек, знакомый с бизнесом.

Что будет, если пропустить готовность данных и всё равно запустить агента? Агент по-прежнему будет отвечать уверенно, но часть ответов будет неверной — неправильные цены, неправильные остатки, неверные контактные данные. Это подрывает доверие клиентов быстрее, чем стоил бы запуск на пару недель позже с чистыми данными.

Если ваш каталог товаров, CRM или данные о заказах больше похожи на ящик со всякой всячиной, чем на систему — это нормальная стартовая точка, а не повод отказаться от идеи. Свяжитесь с нами через /#contact, и мы вместе разберём, как будет выглядеть точечная работа по готовности данных для вашей конкретной ситуации, прежде чем начинать разработку агента.