ИИ-радар, который ищет клиентов: главная проблема не поиск, а выдуманные цитаты

Система читает открытые площадки, находит людей, которые прямо сейчас описывают свою проблему, и приносит их вам. Звучит как задача про парсинг. На практике парсинг — самая скучная её часть.

Где такие системы ломаются

Представьте карточку заявки: имя, площадка, ссылка и цитата — те слова, которыми человек описал задачу. Именно по цитате вы за две секунды решаете, стоит ли отвечать.

И именно цитату модель придумывает охотнее всего. Она прочитала длинный тред, поняла смысл и выдала сжатую формулировку — гладкую, убедительную и отсутствующую на странице. Не потому, что сломалась, а потому, что её об этом попросили: «извлеки запрос».

Последствия неприятные. Вы отвечаете человеку, ссылаясь на слова, которых он не писал. В лучшем случае это выглядит невнимательно, в худшем — как чужое письмо, отправленное не туда.

Чем это лечится

Не промптом. Сколько ни пиши «цитируй дословно», проверить это может только код.

В системе есть шаг, который берёт каждую сохранённую цитату и ищет её в тексте исходной страницы. Не похожую, а ту же самую. Не нашлась — карточка не уходит оператору.

Это дешёвая проверка с большим эффектом. Она превращает «модель обычно цитирует верно» в «в карточке либо настоящие слова человека, либо её нет». Разница между этими двумя состояниями и есть разница между инструментом, которому доверяешь, и инструментом, который перепроверяешь руками, то есть бесполезным.

Воронка из дешёвого в дорогое

Вторая вещь, которая определяет, живёт ли такая система, — деньги.

Если отправлять каждую найденную страницу в большую модель, счёт растёт быстрее, чем польза. Поэтому проверки выстроены лесенкой от дешёвых к дорогим: сначала грубый отсев по адресу и заголовку, потом быстрый поиск по ключевым словам, потом смысловая проверка эмбеддингами, и только то, что прошло всё это, попадает к модели.

Порядок здесь важнее состава. Каждая ступень отбрасывает большую часть потока за копейки, и самая дорогая проверка работает с остатком, а не со всем интернетом.

Движок и ниша — разные вещи

Третье решение видно не сразу, но без него система живёт в одной нише и умирает вместе с ней.

Внутри нет ни одного упоминания конкретной отрасли. Запросы, ключевые слова, фразы, по которым узнаётся покупатель, список площадок, пороги и профиль извлечения — всё это лежит в отдельном файле-наборе для своей ниши. Движок про них не знает.

Поэтому перевод радара на другую отрасль — это новый набор, а не новая система. Для меня это ещё и ответ на вопрос, можно ли такую вещь продавать: продаётся движок, настраивается набор.

Что забрать себе

Три правила, которые пригодятся в любой системе, где модель читает чужой текст.

Всё, что модель процитировала, проверяйте по источнику программно. Стройте проверки лесенкой, чтобы дорогая работала с остатком. И держите знание о предметной области в данных, а не в коде.

Такой радар уже работает, карточки и устройство показаны в кейсе. Нужна похожая система под вашу нишу — напишите.