Ozon запустил ИИ-ассистента для продавцов. Разбираю, что за этим стоит

Ассистент читает ваши данные и выдаёт рекомендации. Звучит полезно. Только у него нет задачи делать прибыльным именно вас: его цель улучшать средние метрики платформы. Рекомендации одинаковые для всех продавцов в вашей категории, выигрывает тот, кто умеет их интерпретировать быстрее конкурентов и внедрять до следующего цикла алгоритма.

Та же история с Яндекс.Директ: с 2026 года система перешла в режим алгоритмического управления, эффективность кампании зависит от качества сигналов, которые вы отдаёте платформе. Кто не понимает, что именно система оптимизирует, платит дороже за тот же результат.

За последние два года CPM в Telegram Ads вырос на 60-80%. Anthropic убрал Claude Code из плана за $20, теперь минимум $100/мес. GPT-5.5 Pro в API стоит $30/$180 за миллион токенов. Цифры двигаются в одну сторону.

В деньгах для среднего продавца это считается так. Если в 2024 году вы тратили 10 000 ₽/мес на Telegram Ads, теперь тот же охват стоит 16 000-18 000 ₽. Если использовали Claude Code на тарифе Pro $20, теперь нужен Max за $100. Бюджет на одну воронку плюс автоматизацию вырос с 11 500 ₽ до 25 000 ₽/мес — больше чем вдвое за два года. Эту инфляцию пытаются компенсировать встроенными ассистентами платформ, но они не закрывают приватный сценарий конкретного продавца.

Строить архитектуру под свои задачи сейчас дешевле, чем через год. Разрыв между теми, кто умеет, и теми, кто нет, будет только расти.

29 апреля я подписал первый коммерческий договор: разработка Telegram-бота «Диспетчер» для клиента-поставщика электроники из Удмуртии. 150 000 ₽, договор через Контур.Диадок с КЭП, стек Python + GPT-4o-mini + Google Sheets. От ТЗ до скаффолда из 52 файлов, четыре дня. Полная разработка после аванса.

Выбор в пользу Python, а не n8n: Claude Code пишет его быстро, на VPS меньше движущихся частей, клиент контролирует логику сам. Никакой зависимости от интерфейса платформы, которая завтра поменяет API.

Подробнее об этом в разделе проектов. Кейсы с цифрами в разделе кейсов.

• Ваш процесс не вписывается в стандартные сценарии платформы
• Нужны данные из нескольких систем одновременно
• Важна прозрачность: почему система приняла именно это решение
• Вы работаете с несколькими каналами, маркетплейс только один из них
• Операционные данные не должны оставаться только внутри чужой инфраструктуры

Правильная архитектура превращает дорогой AI в экономию на операционке. Без неё это просто строчка расходов.

Если узнали себя хотя бы в двух пунктах из пяти, встроенный ассистент маркетплейса задачу не закроет. Есть три шага, с которых можно начать.

Первое: выписать процессы, в которых данные ходят между несколькими системами (CRM, склад, маркетплейс, реклама). Это границы контракта будущего ассистента.

Второе: посчитать стоимость одного «инцидента» — сколько денег теряется, когда менеджер пропускает сообщение клиента или не успевает отреагировать на изменение цены конкурента. Это калькулятор окупаемости.

Третье: понять, какие данные нельзя выкладывать в чужую инфраструктуру (контракты, маржинальность, базы поставщиков). Это рамки безопасности.

После этих трёх шагов уже можно выбирать между no-code решением, кастомным Python-ботом или гибридом. Без них вы покупаете чужой ответ на нечётко сформулированный вопрос.

Ozon, Wildberries и Маркет встраивают AI не из альтруизма. Это сбор ваших операционных данных и более глубокая привязка к инфраструктуре платформы. Собственный бот вне маркетплейса это другой разговор и другой контроль.

Если похожая задача есть, разберём под конкретную ситуацию

Бесплатный аудит того, что у вас уже есть, и план того, как из этого собрать рабочую систему.