AI-киоск с виртуальным консультантом — полноценная замена персонала в офлайн-ритейле

Сотрудники магазина часто болеют, уходят на перекур, увольняются и не владеют информацией о 30% ассортимента. Molver же функционирует круглосуточно, знает все товары и технологические карты. Его основная задача— полностью заменить линейный персонал и автоматизировать рутинные процессы. Вы сможете увеличить продажи за счет повышения среднего чека, используя кросс-сейл.

Экономика зависит от трафика, но в среднем один киоск заменяет не менее 1,5 сотрудников с учётом сменности. Кроме того, сокращаются потери продаж, когда клиент не получает консультацию вовремя. Как правило, инвестиции окупаются уже ко второму году эксплуатации.

Дешёвые решения чаще всего представляют собой корпус внутри которого публичная нейросеть. Они работают медленно (ответ может занимать до 30 секунд) и создают постоянные расходы на токены. Мы предлагаем инженерный продукт: оптимизированный ансамбль нейросетей, специализированное оборудование и время ответа до 3 секунд. Фактически мы задаём новый промышленный стандарт.

Мы используем технологию RAG (Retrieval Augmented Generation). Sonotiv формирует ответы исключительно на основе вашей базы знаний, технических карт и руководств. Система не выдумывает информацию, а извлекает факты из ваших документов. Если в инструкции указано, что «продукт X подходит к продукту Y», он передаст именно эту рекомендацию. Для всего остального действуют программные ограничения

Это его основная функция. Стратегии агрессивного кросс-сейла можно заложить прямо в алгоритмы работы системы.

Мы обучаем систему пониманию контекста и профессиональной лексике в разных отраслях: от бьюти до строительных и технических товаров. Если клиент скажет «чем замазать дыру в бетоне», Sonotiv поймёт, что речь идёт о шпаклёвке, а не о скотче, уточнит детали и покажет подходящий товар на экране

Нет. Наше строгое SLA — предоставить нужный ответ за 3–5 секунд. Мы не отправляем каждый запрос в тяжелую модель: простые вопросы система обрабатывает практически мгновенно, а более сложные задачи направляются на мощные вычислительные ресурсы. Поэтому покупателю не приходится стоять у полки и ждать по полминуты, как это часто бывает с примитивными чат-ботами.

Да, причём к любой системе. Интеграция и её последующее сопровождение также входят в перечень наших работ.

По умолчанию система работает в нашем защищённом облаке — это самый быстрый и экономичный вариант для запуска. Если же требования безопасности предусматривают размещение внутри вашей инфраструктуры, мы можем развернуть решение on-premise на ваших серверах. Однако в этом случае нужно учесть необходимость закупки соответствующего оборудования: серверная инфраструктура для работы с LLM обычно стоит достаточно дорого

Нужны ваши внутренние материалы: каталоги товаров, инструкции, регламенты (PDF), контент сайта и другие «базы знаний». Специально размечать датасеты вручную не потребуется — мы сами умеем извлекать информацию и структурировать её из «сырой» документации.

Нет, это не прокси к LLM. Система построена как оркестратор (ансамбль нескольких моделей). «Сырой» пользовательский запрос не отправляется напрямую в LLM: сначала он проходит через ряд компонентов архитектуры (классификаторы, модули нормализации, ранкинг-модели) и только затем подключается LLM.

Мы не передаём модели всю документацию целиком в одном промпте. Вместо этого используем оптимизированные стратегии чанкинга: при запросе пользователя система извлекает только релевантные фрагменты данных. Например, если речь идёт о конкретном артикуле, подтягиваются только связанные материалы и необходимые метаданные — цена, остатки и т.д. Это позволяет держать контекстное окно компактным и существенно снижает стоимость инференса по сравнению с наивной реализацией RAG.

Мы оптимизируем Time to First Token (TTFT). Используем прекэширование популярных запросов (Redis), стриминг ответа — пользователь видит текст по мере генерации, и оптимизируем промпты, сокращая количество входных токенов для ускорения генерации.

Наше SLA — полный ответ до 3 секунд. Если система понимает, что обработка может занять больше времени (например, при сложных расчетах), она сначала показывает промежуточный статус — например, «Считаю расход», чтобы пользователь видел, что процесс идет.

Это зависит от RPS (Requests Per Second). Одна GPU-карта уровня A100 или H100 не справится с высоким уровнем параллельных запросов — они начнут выстраиваться в очередь, и задержка может вырасти до минут.

Для стабильной локальной работы обычно требуется GPU-кластер для инференса — как минимум 2× A6000 или сопоставимые карты, а также оркестратор нагрузки (например, vLLM или TGI).

Если собственной ML-инфраструктуры нет, можно использовать наше облачное развертывание.

Нет, мы не делаем fine-tuning модели при каждом появлении нового товара — это долго и экономически неэффективно. Вместо этого обновляется векторный индекс.
Когда в вашей ERP меняется цена или добавляется новый товар, наш парсер пересчитывает эмбеддинги и обновляет данные в векторной базе. В результате система узнаёт о новых позициях примерно через 5–10 минут, без остановки сервиса.

Для обмена данными используются REST API или gRPC. Для стриминга ответов — WebSockets.

Мы можем забирать данные из XML/YML-фидов, SQL-баз или через API вашей PIM-системы. На стороне выхода система передает структурированный JSON, который можно использовать, например, для формирования корзины на кассе.