Можно ли доверять ИИ при анализе продаж
Уверенный ответ ИИ может быть полезной гипотезой, но не доказательством. Разбираем один вывод и отделяем данные, расчёт и предположение.
В этой статье
Вы загружаете в ИИ таблицу продаж и получаете быстрый ответ: «Продажи упали из-за продавца, который работал в смене во вторник». Формулировка звучит уверенно, а значит — опасно убедительно.
Я бы не спорила с ответом сразу и не принимала его сразу. Сначала разложила бы фразу на три части: что действительно было в таблице, что из этого посчитано и что добавлено как объяснение.
Один ответ, три разных статуса
Пусть в обезличенной таблице есть дата, выручка и условный код смены. Видно: во вторник выручка ниже. Это данные.
Перед загрузкой реальной таблицы уберите имена и другие сведения, по которым можно определить человека, и проверьте правила выбранного сервиса для работы с такими данными.
ИИ может посчитать: «Во вторники средняя выручка на 18 процентов ниже». Это расчёт, который можно повторить на исходных строках.
Но фраза «причина — продавец» — уже предположение. В таблице нет сведений о потоке посетителей, наличии товара, рекламном источнике или составе смены. Уверенный тон не добавляет недостающих полей.
Именно здесь я бы поставила паузу: цифра может быть верной, а объяснение — недоказанным.
Как проверить вывод за десять минут
Шаг первый — открыть исходные строки. Сколько вторников вошло в сравнение? Если один, это наблюдение, а не устойчивая картина.
Шаг второй — повторить арифметику. Сложите выручку вторников и разделите на их количество. Сравните с другими днями. Если ИИ говорит «18 процентов», должно быть понятно, из каких двух чисел он это получил.
Шаг третий — добавить одну альтернативу. Сопоставьте вторники по числу посетителей и наличию ходовых позиций. Если поток тоже ниже, версия про сотрудника уже не единственная.
Шаг четвёртый — выбрать различающий замер. В следующую неделю отдельно запишите поток, покупки, наличие ключевых позиций и сотрудника в смене. Не нужно строить сложную систему: сначала добавьте один пропущенный факт.
Как попросить ИИ отвечать честнее
Вместо «найди причину падения» задайте: «Раздели ответ на наблюдения, расчёты и гипотезы. Для каждого расчёта покажи исходные поля. Перечисли данные, которых не хватает, и предложи один замер, который различит две версии».
Такой запрос не делает ИИ экспертом. Он делает его ответ удобнее для проверки.
Например, ИИ посчитал среднюю выручку по вторникам за четыре недели: 41, 39, 42 и 22 тысячи рублей. Расчёт легко перепроверить. Но одного провального вторника недостаточно, чтобы обвинить сотрудника: в этот день могла отсутствовать ключевая позиция или быть меньше поток. Добавьте в таблицу только один факт — число посетителей — и посмотрите, меняется ли картина. Если посетителей тоже было вдвое меньше, гипотеза про продавца ослабевает; если поток прежний, она всё ещё требует проверки, но становится точнее.
Я бы сохраняла рядом с ответом ИИ исходную таблицу и свою пометку: «посчитано», «не видно», «проверить». Такой след нужен не для бюрократии, а чтобы через неделю не вспомнить предположение как установленную причину.
Проверка помогает не принять красивую гипотезу за решение. Она не заменяет защиту данных, проверку доступа и человеческую ответственность за управленческий шаг.
Следующий материал — как разложить падение продаж по показателям. А если нужно вместе разобрать одну таблицу и один вопрос, существует формат разбора одной задачи.
Мой вывод: ИИ полезен там, где его быстрый ответ становится началом проверки, а не концом разговора.
