Как два ИИ-агента LOGI превращают прайсы поставщиков в управляемый товарный каталог

LOGI — цифровая B2B-платформа для рынка строительных и отделочных материалов. Каталог получает данные от разных поставщиков: названия и порядок столбцов отличаются, категории могут быть вложенными, фотографии лежат в нескольких колонках, а часть характеристик отсутствует или записана в свободной форме.

В этом процессе есть две разные задачи. Сначала нужно безопасно перенести данные из файла в структуру каталога. Затем — повысить качество уже созданных карточек, не превращая предположение модели в опубликованный факт. Поэтому решение разделили на два ИИ-контура с разными входами, проверками и правами.

На первом шаге агент определяет лист, кодировку, разделитель, строку заголовков и начало данных. Для анализа структуры используются ограниченные и замаскированные примеры строк. Затем модель сопоставляет колонки только с разрешёнными полями LOGI: артикулом поставщика, названием, розничной ценой, основным изображением и другими атрибутами схемы.

Категории обрабатываются в нескольких режимах: одна категория на весь файл, категории из отдельных колонок или смешанный иерархический каталог глубиной до десяти уровней. Дополнительные фотографии назначаются отдельно. Если профиль импорта уже существует, агент сохраняет действующие настройки и заполняет пробелы, а не пересобирает всё с нуля.

После этого сотрудник запускает dry-run: видит предпросмотр, пропуски, ошибки сопоставления и только затем подтверждает импорт или отправляет товары на модерацию. В проектах внедрения PIM-систем такой контур связывают с правилами каталога, каналами публикации и ответственностью за качество данных.

Второй агент работает с названием, описанием, брендом, артикулом, текущими характеристиками, ссылкой производителя и схемой категории. Он может анализировать до трёх изображений и использовать только видимые признаки: цвет, форму, текстуру, рисунок, маркировку и комплектность. Материал, мощность, размеры, страну происхождения или гарантию нельзя выводить по внешнему виду, если на фото нет однозначной маркировки.

Для поиска в интернете агент использует связку бренда и артикула. Приоритет получают сайт производителя и крупные дилеры; маркетплейсы исключены как источник. Внешний факт сопровождается фактически полученной ссылкой. Если данных недостаточно, поле остаётся неизвестным или помечается как неприменимое.

Предложения проверяются по словарям категории. Новое значение выделяется отдельно и требует решения сотрудника. В интерфейсе также видны основание и уровень уверенности: зелёный статус используется от 0,9, предложения ниже 0,7 не применяются как содержательный результат. До шести прошлых принятых или отклонённых решений помогают агенту учитывать рабочие примеры, но не заменяют правила схемы.

Для подключения новых источников используйте отдельный разбор автоматизации импорта прайсов в PIM. Правила работы с фотографиями, источниками и справочниками собраны в материале про ИИ-дообогащение товарных карточек.