Интеллектуальный поиск аналогов электротехнического оборудования IEK

О заказчике

IEK – ведущий российский производитель электротехнического оборудования с широкой номенклатурой и сложными техническими характеристиками продукции. Ассортимент из более чем 40 000 позиций охватывает все ценовые сегменты. 

Инновационные разработки в области автоматизации, телекоммуникаций и альтернативной энергетики делают продукцию компании достойной заменой отечественным и зарубежным брендам.

О заказчике

Предпосылки реализации проекта

В работе с клиентами, партнёрами и внутренними подразделениями компании IEK критически важна возможность быстро и точно подбирать аналоги оборудования по различным типам входных данных: артикулам, текстовым описаниям, параметрам или загружаемым файлам (Excel, PDF, сканы схем, изображения).

Для решения этой задачи в IEK была создана собственная система ASIST с алгоритмами подбора и скоринга кандидатов. Система успешно автоматизировала процесс, однако при подборе по описанию и параметрам потребовалось дополнительное решение, способное учитывать контекст вводимых данных, поскольку сохранялась ключевая проблема –неоднозначность сопоставлений.

Цели проекта

Требовалось повысить точность подбора по популярным позициям с 80% до уровня выше 95%, а по технически сложным категориям с 50% до 80%. 

Качество финальной выдачи должно было вырасти без переписывания уже разработанной системы и с сохранением использования существующих баз аналогов.

Цели

Мы предложили усилить существующие алгоритмы ASIST за счёт применения генеративного AI, без изменения их базовой логики.

Ключевым элементом решения стал интеллектуальный слой LLM-валидации и финального ранжирования, который работает поверх алгоритмов поиска и скоринга IEK и выполняет роль контекстного эксперта.

В качестве основы для LLM-слоя был использован ЯндексGPT. Модель была выбрана, т.к. является полностью отечественным решением и на тестах показала адекватное сочетание скорости и валидности ответов.

Состав работ

Архитектурно решение реализовано в виде микросервиса, интегрированного с системой ASIST по API. Такой подход позволил встроить AI-слой без изменений существующего ядра, сохранить совместимость с текущей логикой работы и обеспечить гибкость дальнейшего развития решения.

  • настроена LLM-валидация результатов подбора, при которой языковая модель анализирует контекст запроса и проверяет какие варианты, выбранные алгоритмами ASIST, являются наиболее релевантными для конкретного запроса;

  • оптимизировано финальное ранжирование кандидатов за счёт смыслового анализа, что позволило снизить влияние формальных совпадений и повысить точность топ-подбора аналогов; 

  • внедрено контролируемое web-обогащение запросов для получения недостающих характеристик из согласованных источников и открытого интернета. Все использованные материалы сохраняются со ссылками, а механизм web-обогащения может быть полностью отключён, например, при работе в закрытом контуре или в соответствии с политиками информационной безопасности; 

  • настроена фильтрация входных данных и строгий контроль формата ответов LLM с использованием фиксированных JSON-схем и детерминированных правил валидации, включая повторную обработку только при низкой уверенности результата; 

  • оптимизирована обработка больших объёмов характеристик и вложений за счёт агрегации признаков, выборки релевантных параметров, лимитов и чанкинга для стабильной работы в рамках контекста модели; 

  • ограничены риски «галлюцинаций» за счёт строгой работы модели только с подтверждёнными входными данными и источниками web-обогащения, а также возможности явного возврата статуса «недостаточно данных для вывода». 

Благодаря быстрой интеграции AI-слоя без переписывания существующих алгоритмов в ASIST, компания IEK смогла оперативно получить практический эффект от внедрения, снизив технологические риски и ускорив достижение бизнес-результатов.

Проект IEK и Onellect стал примером практического применения генеративного AI в промышленной ИТ-среде, где языковые модели усиливают существующие алгоритмы, а не заменяют их. 

Использование ЯндексGPT позволило объединить точность интеллектуального анализа, контроль над данными и гибкость архитектуры, обеспечив устойчивый рост качества одного из ключевых бизнес-процессов IEK. 

В данный момент начат процесс доработки сервиса для подбора неэлектротехнического оборудования с применением AI-модели для обеспечения достаточного уровня точности подбора на обедненных данных, когда количество аналогов, подобранных людьми для базы гет или малое количество.

Есть задачи по внедрению AI в бизнес-процессы? 

Оставьте свои контакты, мы свяжемся с вами, ответим на вопросы и подготовим предложение под ваши цели.


ЗАКАЗАТЬ КОНСУЛЬТАЦИЮ
8 800 777-31-67