AI-консультант в киоске, который полностью заменяет консультантов торгового зала

Продавцы болеют, ходят курить, увольняются и не знают 30% ассортимента. Molver работает 24/7, знает 100% номенклатуры и технологических карт. Его задача — полная замена линейного персонала и автоматизация рутины. Вы режете фот и повышаете чек за счет кросс-сейла.

Зависит от трафика, но математика простая: один киоск заменяет минимум 1.5 штатных единицы (с учетом сменности). Плюсом, исключается упущенная выгода, когда клиент ушел, не дождавшись консультанта. Обычно roi становится положительным уже на второй год.

Дешевые решения — это «обёртки» над публичными нейросетями. они тормозят (ответ по 30 секунд) и разоряют вас на токенах. Мы продаем инженерное решение: оптимизированный ансамбль нейросетей, кастомное железо и скорость ответа до 5 секунд (да, мы формируем новый промышленный стандарт).

Он только этим и занимается. Алгоритм агрессивного кросс-сейла может зашиваться прямо в логику.

Мы учим систему понимать контекст и сленг (в бьюти, в стройке, в технике: любой). Если клиент скажет «чем замазать дыру в бетоне», Molver поймет, что нужна шпаклевка, а не скотч, задаст уточняющие вопросы и выведет товар на экран.

Нет. Наше жесткое SLA — релевантный ответ за 4−5 секунд. Мы не шлем все запросы в тяжелую модель. простые вопросы обрабатываются мгновенно, сложные — через мощные сервера. Клиент не будет ждать у полки полминуты, как это бывает с дешевыми чат-ботами.

Да. Причём, с любой. Такая интеграция и сопровождение тоже входят в наши работы.

Базовый вариант — наше защищенное облако (это быстрее и дешевле для старта). Если политика безопасности требует on-premise, мы можем развернуть систему на ваших серверах, но будьте готовы к закупке железа (стоимость серверной стойки под LLM обычно высокая).

Ваши данные. Каталоги, инструкции, pdf с регламентами, сайт. Нам не нужно, чтобы вы размечали датасеты вручную — мы умеем парсить и структурировать «сырую» документацию.

Нет, это оркестратор (ансамбль моделей). Мы не шлем «сырой» запрос в LLM. Архитектура включает классификаторы, нормализаторы, ранкинг-модели, LLM

Мы не скармливаем модели всю документацию в промпте. Мы используем оптимизированный чанкинг (chunking strategies). Если юзер спрашивает про конкретный артикул, мы подтягиваем только релевантные материалы + метаданные (цена, остаток). Это держит контекстное окно в пределах разумного и снижает стоимость инференса в разы по сравнению с «наивным RAG».

Нет, мы не занимаемся файн-тюнингом (fine-tuning) модели под каждый новый товар — это дорого и долго. Мы обновляем векторный индекс. Как только у вас в ERP меняется цена или появляется новый товар, наш парсер обновляет эмбеддинги в векторной БД. Бот узнает о новом товаре через 5−10 минут без даунтайма.

REST API / gRPC для обмена данными. WebSockets для стриминга ответов. Мы умеем забирать данные из XML/YML фидов, SQL-баз или через API вашей PIM-системы. На выходе можем отдавать структурированный JSON для вашей кассы (формирование корзины).