После обсуждения проблемы и согласования сроков и стоимости проекта, команда AI разработчиков приступила к первому этапу — подготовке базы данных. Это ключевой этап, так как от качества данных зависит эффективность работы нейро-техподдержки. Основная задача — собрать и структурировать информацию, которая позволит AI консультировать клиентов по подбору запчастей, стоимости, доставке и другим вопросам.

Алексей Петров — Project Manager (PM)

• Координирует процесс, следит за сроками и решает организационные вопросы.

Мария Иванова — Промпт-инженер

• Отвечает за настройку языковых моделей и подготовку данных для обучения AI.

Дмитрий Соколов — LLM разработчик

• Занимается интеграцией модели с базой данных и настройкой API.

работа над подготовкой базы данных

План работы

Анализ существующих данных:

• Определить, какие данные уже есть и в каком формате они хранятся.

Сбор недостающих данных:

• Запросить у AutoPartsHub дополнительную информацию, если она необходима.

Структурирование данных:

• Привести данные к единому формату, чтобы их могла использовать AI-модель.

Интеграция с 1С:

• Настроить API для доступа к данным о наличии запчастей, их стоимости и других параметрах.

Тестирование данных:

• Проверить, что данные корректны и готовы к использованию.

Работа над подготовкой базы данных

1. Анализ существующих данных
Команда начала с анализа данных, которые уже есть в AutoPartsHub. Основная информация о запчастях, их наличии и стоимости хранится в системе 1С. Это стандартная система для учета товаров, которая широко используется в России. Однако данные в 1С не всегда структурированы так, как нужно для AI.

2. Сбор недостающих данных
Помимо данных из 1С, команде понадобилась дополнительная информация, которая не была структурирована в системе. Например:

• Информация о доставке: сроки, стоимость, условия бесплатной доставки.
• Информация о возврате: условия возврата, сроки, необходимые документы.
• Часто задаваемые вопросы (FAQ): ответы на типичные вопросы клиентов.

Команде нужно собрать все эти данные и привести их к единому формату. Например, FAQ можно структурировать в виде вопросов и ответов, чтобы AI мог легко их использовать. Также им нужно будет собрать исторические данные о запросах клиентов. Это поможет нам обучить модель на реальных примерах.

3. Структурирование данных
После сбора данных команда приступила к их структурированию. Это важный этап, так как AI-модель работает только с четко структурированными данными.
Мария создала несколько таблиц:

1. Запчасти: ID, название, характеристики, совместимые модели автомобилей, наличие на складе, стоимость.
2. Автомобили: марка, модель, год выпуска, спецификации.
3. Доставка: регион, сроки, стоимость, условия.
4. FAQ: вопрос, ответ."*

Для работы с этими данными команда будет использовать PostgreSQL — это мощная система управления базами данных, которая отлично подходит для наших задач.

4. Интеграция с 1С
Одной из сложностей стало интегрирование данных из 1С с новой базой данных. Система 1С использует собственный формат данных, который не всегда совместим с PostgreSQL.

5. Тестирование данных
После структурирования и интеграции данных команда приступила к тестированию. Это важный этап, так как некорректные данные могут привести к ошибкам в работе AI.

Возникшая сложность и ее решение

Во время работы команда столкнулась с проблемой: данные о совместимости запчастей с автомобилями были неполными. Например, для некоторых запчастей не было указано, с какими моделями автомобилей они совместимы.

После обсуждения с AutoPartsHub команда получила разрешение на использование машинного обучения для заполнения пропущенных данных. Это позволило значительно улучшить качество данных.

Итог работы
В результате команда успешно подготовила базу данных для нейро-техподдержки. Данные были структурированы, интегрированы с 1С и протестированы на наличие ошибок. Теперь AI-модель может использовать эти данные для консультирования клиентов.