К нам обратился крупный казахстанский ломбард с проблемой низкой скорости и непостоянства оценки имущества. Эксперты тратили слишком много времени на анализ каждого предмета, при этом субъективный фактор часто приводил к расхождениям в стоимости. Это снижало доверие клиентов и увеличивало количество жалоб.Основная цель разработки — создать прозрачную, быструю и автоматизированную систему оценки, которая сократит операционные издержки и повысит доверие клиентов.

Начало работы

На первом этапе мы провели серию встреч с представителями клиента: управляющими филиалами, экспертами и руководством. Изучили процесс оценки имущества «как есть». Выявили ключевые проблемы: высокая загрузка сотрудников, ошибки в оценке, недовольство клиентов. Определили требования к будущей системе.

• Клиент приносит товар
• Эксперт визуально оценивает состояние и делает запрос в базу аналогичных товаров
• На основе своего опыта назначает стоимость

Эти шаги мы визуализировали в виде CJM (карта пути клиента), выявив точки, где теряется время и деньги.

Задача

Необходимо создать систему, которая:

• Принимает фото товара
• Автоматически оценивает его стоимость на основе состояния и данных из базы аналогов
• Выдает обоснование оценки и рекомендации для кассира

Этапы разработки

Мы обсудили с клиентом нашу методологию:

1. Поэтапная разработка - Agile с короткими спринтами по 2 недели
2. Прозрачность - Каждые 2 недели демонстрация промежуточных результатов
3. Интеграция заказчика - Постоянная связь с кассирами для получения обратной связи

Клиент предоставил нам базу из 100 000+ записей:

• Фотографии залогов (ювелирные изделия, электроника, часы и т.д.)
• Описание состояния (новое, б/у, царапины, потери цвета)
• Итоговые оценки, сделанные экспертами

Мы очистили данные, отсеяв дубликаты и «шум». Для обучения ИИ были выделены категории:

• Тип предмета (например, телефон, ноутбук)
• Характеристики (вес, материал, год выпуска)
• Состояние (визуальный износ, работоспособность)

На базе OpenAI мы обучили модель:

• Распознавать тип товара на фото
• Оценивать состояние по визуальным признакам
• Подбирать аналоги из базы данных

Создали удобный интерфейс для экспертов:

• Загрузка фото - Эксперт фотографирует товар через встроенную камеру на штативе
• Вывод результатов - Система выдает оценку с расшифровкой и рыночную стоимость нового изделия подобного класса, чтобы эксперт быстрее мог сам оценить износ и стоимость (например, «состояние 80%, рыночная стоимость 100 000 тенге, рекомендованная оценка — 80 000 тенге»)
• Кнопка проверки - Возможность запросить проверку оценки

Мы подключили систему к существующей базе данных для автоматического обновления списка аналогов.

Тестирование

Систему внедрили в 3 филиалах на этапе пилотного запуска. В течение месяца мы:

• Собирали отзывы экспертов
• Анализировали точность оценок ИИ в сравнении с экспертами
• Улучшали модель на основе реальных данных

Полный запуск

После успешного пилота система была развернута на все филиалы. Мы провели обучение персонала и выпустили инструкции по работе с новым инструментом.Результаты

• Скорость оценкиувеличилась на 30%
• Точность оценоквозросла: количество жалоб клиентов снизились на 25%
• Экономия ресурсовВ некоторых филиалах потребность в экспертной проверке снизилась на 50%
• Доверие клиентовПоявилась прозрачность процесса — клиент видит, как система оценивает его товар

Планы на будущее

• Интеграция с мобильным приложением для удаленной оценки
• Добавление функции прогнозирования остаточной стоимости имущества
• Расширение базы данных на международные аналоги для оценки товаров премиум-класса

Этот проект стал отличным примером эффективного внедрения ИИ для оптимизации процессов в традиционном бизнесе. Готов перейти к описанию следующего кейса!