Что такое контролируемый торг и зачем он нужен

Главный страх владельца магазина при словах «AI-продавец»: бот сольёт маржу, наобещает скидок, потеряет деньги. Это валидный страх. Поэтому EzguSavdo построен иначе.

Принцип: LLM не решает по деньгам

Большая языковая модель (Gemini в нашем случае) умеет убедительно говорить, понимать клиента, переключаться между языками. Но она не должна решать «можно ли дать скидку 15%». LLM может ошибиться, может попасть на манипуляцию, может «забыть» правило.

В EzguSavdo решения по ценам принимает детерминированный pricing engine — отдельный модуль с понятной логикой. LLM только упаковывает решение в живую речь.

Как это выглядит на практике

Клиент: «А скидка возможна?»

LLM не отвечает напрямую. Она вызывает инструмент evaluate_price со своим запросом («товар X, клиент попросил скидку 10%»). Pricing engine смотрит в админ-панель магазина:

• min_price товара X = 5 200 000
• Текущая цена = 5 800 000
• Допустимая скидка = до 5%

Pricing engine возвращает: «можно дать скидку 3%, итого 5 626 000». LLM упаковывает это в человеческую речь: «Могу дать скидку 3% при оплате картой — 5 626 000 сум вместо 5 800 000. Подтвердить?»

Что бот никогда не сделает

• Не уйдёт ниже min_price ни под каким предлогом.
• Не покажет вашу минимальную цену клиенту.
• Не объяснит, на каком основании дал именно такую скидку (это коммерческая тайна).
• Не «сжалится» над клиентом и не нарушит правила.

Что вы контролируете в админ-панели

• Минимальную цену каждого товара
• Максимальный % скидки на категорию или весь магазин
• Стратегию: «нормальная» / «агрессивная» / «премиум» / «отключена»
• Правила upsell-скидок (например, «при покупке двух товаров — скидка 5%»)

Изменение правил — мгновенное, бот применяет их в реальном времени без рестарта.

Итог

Контролируемый торг — это не «AI не умеет», это «AI не имеет права». Архитектурно. Это даёт вам предсказуемость и безопасность. Маржа никуда не уйдёт.