Details

Данная работа посвящена исследованию возможностей применения больших языковых моделей (LLM) для автоматизации типовых задач интернет-магазинов и разработке методики их внедрения с оценкой экономической эффективности. Цель работы – повысить экономические характеристики интернет магазина и коммерческую привлекательность системы электронной коммерции. Задачи, которые решались в ходе исследования: Анализ теоретических основ работы больших языковых моделей: архитектура Transformer, механизмы внимания, векторные представления текста. Исследование методов развертывания LLM: локальное (self-hosted), аренда вычислительных ресурсов (IaaS), облачные API; сравнительный анализ TCO. Разработка подхода к формированию эффективных промптов для задач классификации, извлечения данных и генерации ответов в e-commerce. Проектирование архитектуры RAG (Retrieval-Augmented Generation) и AI-агентов для расширения функциональности моделей без дообучения. Проведение экспериментов по сравнительной оценке качества ответов пяти моделей (DeepSeek, Gemma 3 27B, Qwen-3-235B, YandexGPT Lite 5, GigaChat) на типовых промптах методом экспертной оценки. Разработка методики интеграции LLM в бизнес-процессы с использованием оркестратора рабочих процессов n8n. Оценка экономической эффективности и практики внедрения предложенной методики на примере прикладных задач электронной коммерции. Работа проведена на базе интернет-магазина смазочных материалов (ООО «Нортэкс»), где собиралась значительная часть фактического материала: типовые запросы клиентов, база знаний компании, каталог товаров для векторного поиска. Были проведены расчеты совокупной стоимости владения (TCO) для трёх моделей развертывания на горизонте 4 года. Анализ качества ответов моделей проводился методом экспертной оценки по метрикам точности, консистентности и соответствия формату. В результате была проанализирована сквозная технология интеграции LLM в процессы электронной коммерции, проведены эксперименты с пятью языковыми моделями. Разработаны эффективные технологические рекомендации по внедрению многоагентной системы обработки заказов. На основании проведенных исследований было установлено, что при нагрузке свыше 90 000 вызовов моделей в месяц использование API провайдеров экономически целесообразнее покупки или аренды оборудования (ТСО4yr ≈ 6.6 млн ₽ против 31.4 млн ₽).

This work is devoted to the study of the possibilities of using large language models (LLM) to automate typical tasks of online stores and to develop a methodology for their implementation with an assessment of economic efficiency. The goal of the work is to increase the economic characteristics of the online store and the commercial attractiveness of the e–commerce system. Tasks that were solved during the research: 1. Analysis of the theoretical foundations of large language models: Transformer architecture, attention mechanisms, vector representations of text. 2. Research of LLM deployment methods: on-premises (self-hosted), rental of computing resources (IaaS), cloud APIs; comparative analysis of TCO. 3. Development of an approach to the formation of effective prompta for the tasks of classification, data extraction and response generation in e-commerce. 4. Designing a RAG (Retrieval-Augmented Generation) architecture and AI agents to extend the functionality of models without additional training. 5. Conducting experiments to compare the quality of responses from five models (DeepSeek, Gemma 3 27B, Qwen-3-235B, YandexGPT Lite 5, GigaChat) on typical promptas using the expert assessment method. 6. Development of a methodology for integrating LLM into business processes using the n8n workflow orchestrator. 7. Assessment of the economic efficiency and practice of implementing the proposed methodology using the example of applied e-commerce tasks. The work was carried out on the basis of the lubricants online store (Nortex LLC), where a significant part of the actual material was collected: typical customer requests, the companys knowledge base, a catalog of products for vector search. Total cost of ownership (TCO) calculations were performed for three deployment models with a 4-year horizon. The analysis of the quality of the models responses was carried out by the method of expert evaluation on the metrics of accuracy, consistency and format compliance. As a result, the end-to-end technology for integrating LLM into e-commerce processes was analyzed, and experiments with five language models were conducted. Effective technological recommendations for the implementation of a multi-agent order processing system have been developed. Based on the conducted research, it was found that with a load of over 90,000 model calls per month, using the providers API is more economically feasible than buying or renting equipment (TCO4ug ≈ 6.6 million versus ₽ 31.4 million).