ИИ-агенты в виноторговле: как они оценивают коллекции

Крупные винные площадки и аукционные дома всё чаще подключают ИИ-агентов к двум задачам: подбору вина под запрос покупателя и предварительной оценке частных коллекций перед продажей. Идея простая — снять с сомелье и оценщика рутину по разбору списков из сотен позиций, где половина написана от руки и с ошибками в названиях шато. На практике же выясняется, что модель, которая уверенно рассуждает о терруаре, может перепутать урожай 2010 и 2016 годов, а разница между ними — десятки тысяч рублей за бутылку.

Что вообще делает «винный агент»

Под агентом здесь понимают не чат-бота, который отвечает одним сообщением, а связку из языковой модели, поиска по базе цен и внешних инструментов*. Типичный сценарий выглядит так: пользователь загружает фото полки или Excel-список коллекции, агент распознаёт позиции, сверяет их с базой аукционных сделок и текущих предложений, а на выходе выдаёт диапазон стоимости и комментарий по ликвидности каждой позиции.

Три вещи, которые агент делает лучше человека на потоке:

• Распознавание и нормализация. Из строки «Chateau Margot 2015 magnum» модель вытягивает производителя (правильно — Château Margaux), объём и год, приводя запись к единому виду.
• Сверка с рыночными данными. Агент подтягивает актуальные предложения и историю сделок по конкретному лоту, а не «средневзвешенную цену за красное французское».
• Подбор по вкусовому профилю. На запрос «плотное красное до 4000 рублей под стейк, не слишком дубовое» агент фильтрует ассортимент по стилю, а не только по цене и региону.

Где агент ломается

Ошибки концентрируются там, где цена зависит от мелочей. Уровень вина в бутылке (fill level), состояние этикетки, происхождение партии, разница между обычной бутылкой и magnum — всё это влияет на стоимость в разы, но по фотографии и текстовому описанию модель эти нюансы либо не видит, либо галлюцинирует**. Отдельная проблема — редкие урожаи: если по позиции мало публичных сделок, агент склонен подставлять правдоподобное число вместо честного «данных недостаточно».

Агент экономит часы на разборе списка из 300 позиций, но окончательную цену на топовые лоты по-прежнему ставит человек. Ошибка модели на одной бутылке Романе-Конти дороже, чем весь выигрыш в скорости на остальных 299.

Как это устроено под капотом

Большинство решений строятся не на дообучении отдельной модели, а на подходе RAG***: берут сильную языковую модель общего назначения и подключают к ней собственную базу цен и характеристик. Так проще обновлять данные — рынок вина двигается быстро, и цена лота может измениться за квартал, а переобучать модель под каждое изменение бессмысленно.

Оценку коллекции агент обычно разбивает на шаги: распознать позицию, найти совпадения в базе, оценить состояние по фото (если оно есть), собрать диапазон и пометить позиции, где уверенность низкая. Именно последний шаг отличает рабочий инструмент от игрушки: хороший агент честно выделяет лоты, которые надо показать живому оценщику.

Чем это отличается от привычных инструментов

До агентов у виноторговли уже были специализированные сервисы — базы цен и приложения-сканеры этикеток. Разница в том, что агент связывает эти данные с рассуждением на естественном языке и работает со списком целиком, а не с одной бутылкой за раз.

Ни один из подходов не отменяет другой. Агент удобно ставить первым фильтром, база цен остаётся источником истины по конкретной сделке, а сканер живёт в кармане у розничного покупателя.

Кому это пригодится и кому нет

Пригодится:

• Дилеру, которому регулярно приносят коллекции по наследству — агент за минуты отсортирует список на «очевидный неликвид», «средний сегмент» и «показать оценщику».
• Онлайн-магазину — как консультант, который подберёт бутылку под конкретный ужин и бюджет, разгружая службу поддержки.
• Коллекционеру, который хочет прикинуть порядок стоимости своего погреба, не платя за полную профессиональную оценку.

Не пригодится или опасно доверять:

• При продаже топовых лотов, где цена решается состоянием конкретной бутылки — тут без физического осмотра оценщиком никуда.
• Для подтверждения подлинности: агент не отличит подделку от оригинала по этикетке, а именно фальсификат — главный риск на вторичном рынке.
• Для юридически значимой оценки (страхование, раздел имущества) — здесь нужна подпись аккредитованного специалиста, а не диапазон от модели.

Сколько это стоит

Единого прайса на «винных агентов» нет — рынок молодой, и большинство решений либо встроены в платформы виноторговли, либо продаются как корпоративный доступ по индивидуальной цене. Если вы собираете такой инструмент сами на базе публичной языковой модели, основная статья расходов — оплата вызовов модели по токенам и подписка на базу цен. Актуальные тарифы на API моделей проверяйте на официальных страницах провайдеров: они пересматриваются несколько раз в год.

* Агент — программа, где языковая модель не просто отвечает текстом, а вызывает внешние инструменты (поиск, базы данных, калькуляторы) и выполняет задачу в несколько шагов.

** Галлюцинация — уверенно сформулированный, но вымышленный ответ модели, не опирающийся на реальные данные.

*** RAG (retrieval-augmented generation) — подход, при котором модель перед ответом подтягивает релевантные данные из внешней базы, а не полагается только на то, что «запомнила» при обучении.