Сопоставление номенклатуры в 1С с ИИ: как превратить заявку в проверенный заказ
Клиент пишет привычными ему названиями, а в справочнике 1С находятся десятки похожих позиций. Разбираем, как подобрать товар, сохранить характеристики и упаковки и передать менеджеру только спорные строки.
В заявке указано «болт нержавейка М8, тридцать, две коробки». Менеджеру нужно понять, что означает «тридцать»: длину, количество или часть маркировки. Затем найти правильное исполнение, проверить единицу продажи и заполнить заказ. Поиск ближайшего названия ускоряет только первую часть работы. Ошибка в материале или упаковке превращает удобную автоматизацию в неверную поставку.
Интеграция ИИ с 1С полезна здесь как система подбора кандидатов и объяснения различий. Рассмотрим проектную схему для торговой компании: справочник остаётся источником товаров, а модель помогает разобрать свободный текст. Решение о точном соответствии и допустимости замены должно опираться на проверяемые признаки.
Сначала определите, что считается тем же товаром #
В каталоге одинаковое краткое название может относиться к разным размерам, материалам, производителям и вариантам комплектации. Для одного клиента важен конкретный артикул, для другого допустим согласованный аналог. Эти задачи требуют разных правил: точное соответствие нельзя незаметно подменять предложением похожего изделия.
Начать стоит с перечня критичных признаков по товарным группам. Для крепежа это могут быть диаметр, длина, материал и стандарт. Для кабеля — число жил, сечение и исполнение. Для расходников — совместимость с оборудованием и фасовка. Список определяет специалист по ассортименту; языковая модель может помочь извлечь значения из текста, но не должна сама решать, какие характеристики можно проигнорировать.
При этом интеллектуальное сопоставление уже встречается в готовых сервисах. Например, 1С:Распознавание первичных документов предусматривает сопоставление распознанных данных с объектами базы. Это конкретный контур работы с первичкой. Произвольные заявки покупателей, поиск аналогов и правила согласования требуют отдельной проверки возможностей выбранного решения.
Разделите извлечение признаков и выбор ссылки 1С #
Первый этап превращает строку клиента в набор признаков: название, артикул, количество, единица, характеристики и примечания. Сохраняют и исходный текст, чтобы сотрудник мог проверить трактовку. Неразобранное значение остаётся вопросом, а не заполняется правдоподобной догадкой.
Затем система ищет кандидатов в актуальном справочнике. Сначала полезно использовать точный артикул и ранее подтверждённые соответствия, затем — поиск по словам и смыслу. Кандидатам с несовместимыми обязательными характеристиками нельзя повышать приоритет только за похожее название. ИИ получает ограниченный список реальных позиций и объясняет различия; придуманная моделью ссылка не принимается.
Даже правильно найденный товар может попасть в заказ с неверным количеством. В каталоге хранится штука, в письме — коробка, а поставщик отгружает упаковку другого размера. Нужны источник коэффициента пересчёта и единица, в которой оформляется конкретная операция.
Учебный пример: покупатель запросил две коробки по пятьдесят штук. В справочнике выбрана позиция с базовой единицей «штука». После подтверждения фасовки в строку заказа попадёт сто штук. Если размер коробки не указан и неизвестен из согласованного соответствия, система должна запросить уточнение. Нельзя брать фасовку первого найденного товара или выводить её из общего знания модели.
В интерфейсе удобно показать рядом исходную строку, выбранную позицию, характеристики и пересчёт. Менеджер подтверждает понятное преобразование, а не непрозрачную строку со значком «уверенность 97%». Самооценка модели не является измеренной вероятностью правильного выбора.
Сохраняйте подтверждённые соответствия с контекстом #
Если покупатель регулярно использует собственное обозначение, полезно сохранить связь с внутренним товаром. У такого соответствия есть область действия: конкретный клиент, его артикул, упаковка и дата подтверждения. Слово «стандартный» у двух покупателей может означать разные исполнения.
Изменение внутренней карточки, фасовки или клиентской спецификации должно запускать пересмотр затронутых соответствий. Старый удачный выбор не превращается в бессрочное разрешение игнорировать новые характеристики. Также полезно сохранять, кто подтвердил связь и почему её изменили: это помогает разбирать повторяющиеся ошибки.
Интеграционный слой должен принимать идентификаторы реальных товаров, подтверждённые количества и разрешённые единицы. Описание модели остаётся пояснением. Перед записью 1С повторно проверяет существование объектов и прикладные ограничения: справочник мог измениться между подбором и подтверждением.
Для собственной интеграции платформа позволяет реализовать HTTP-сервис с прикладным обработчиком . Состав такого сервиса проектируют под задачу: получить разрешённые данные каталога, проверить выбранные строки, создать черновик заказа. Наличие HTTP-сервисов не означает, что готовый обработчик уже есть в любой конфигурации.
Повторно полученное письмо и повтор после сетевого сбоя требуют различения. Одно и то же подтверждение не должно создавать второй заказ; новая редакция заявки не должна теряться как дубль. Для этого сохраняют идентификатор входящего обращения, редакцию строк и результат обработки, а не сравнивают только текст письма.
Тестовый набор должен включать близкие размеры, разные материалы, омонимы, устаревшие артикулы, неполные строки и неожиданные единицы. Отдельно проверяют заявления «аналог допустим» и «только этот производитель». Полезно оценивать не только долю найденных позиций, но и количество ошибочных уверенных подстановок.
Пилот сначала можно проводить без записи: система предлагает варианты, сотрудник выбирает правильный и отмечает причину расхождения. Затем подключают создание черновика для согласованных групп товаров. Автоматическое проведение документов оценивается как отдельный этап с собственными условиями.
Нужна ли языковая модель, если у клиентов есть артикулы? #
При стабильных артикулах и известных соответствиях часто достаточно обычного поиска и таблицы связей. ИИ полезнее там, где встречаются описания, сокращения и смешанные форматы. Он должен закрывать конкретный пробел, а не усложнять уже надёжный маршрут.
Можно ли улучшать подбор без обучения новой модели? #
Да: уточнять характеристики, расширять словари обозначений, исправлять каталог и использовать подтверждённые соответствия. Такое улучшение данных и правил часто можно проверить быстрее, чем переобучение. Выбор метода зависит от того, где именно возникают ошибки.
NetLabCS поможет разобрать реальные заявки, определить критичные признаки и спроектировать подбор с подтверждением при интеграции ИИ с 1С . Для обсуждения проекта подготовьте несколько неоднозначных строк и соответствующие карточки 1С: по ним можно определить, где достаточно правил, а где нужна модель.
