Использование LLM-моделей для оптимизации управления знаниями в цифровой трансформации торговых компаний

Бесплатный доступ

В условиях стремительной цифровизации экономики торговые компании сталкиваются с необходимостью фундаментального преобразования своих бизнес-процессов. Особую актуальность приобретает вопрос эффективного управления корпоративными знаниями, который становится критически важным фактором конкурентоспособности. Данное исследование посвящено комплексному анализу возможностей применения крупных языковых моделей (LLM) как инновационного инструмента оптимизации систем управления знаниями в торговых организациях. В работе детально рассматриваются следующие аспекты: технологические основы интеграции LLM в существующие информационные системы торговых предприятий, включая вопросы совместимости с CRM, ERP и другими корпоративными платформами; практические механизмы автоматизации процессов обработки запросов различного уровня сложности – от стандартных вопросов о характеристиках товаров до сложных аналитических запросов, требующих агрегации данных из различных источников; методики улучшения клиентского сервиса и внутренних коммуникаций за счет персонализации взаимодействия на основе возможностей LLM по анализу контекста и истории предыдущих обращений. Результаты исследования демонстрируют значительный потенциал LLM для повышения операционной эффективности торговых организаций. В частности, зафиксированы случаи сокращения времени обработки типовых запросов, уменьшения нагрузки на службы поддержки, а также существенного улучшения показателей удовлетворенности как клиентов, так и сотрудников. Практическая значимость исследования заключается в разработке пошаговой методологии внедрения LLM в торговых компаниях, включающей этапы подготовки данных, выбора платформы, интеграции с существующими системами и обучения персонала. Предложенные решения уже апробированы в нескольких торговых сетях и показали высокую эффективность.

Еще

Цифровая трансформация, языковая модель LLM, база знаний, искусственный интеллект, управление знаниями, торговые организации, автоматизация, структурные запросы, RAG-модели, информационная безопасность

Короткий адрес: https://sciup.org/140314286

IDR: 140314286   |   УДК: 005.336   |   DOI: 10.32603/2307-5368-2026-1-69-78

Using LLM models to optimize knowledge management in digital transformation of trading companies

With the rapid digitalization of the economy, trading companies are faced with the need to fundamentally transform their business processes. The issue of effective corporate knowledge management is becoming particularly relevant, which is becoming a critical factor in competitiveness. This study is devoted to a comprehensive analysis of the possibilities of using large-scale language models (LLM) as an innovative tool for optimizing knowledge management systems in trade organizations. The following aspects are considered in detail in the work. The technological foundations of LLM integration into existing information systems of trading enterprises, including issues of compatibility with CRM, ERP and other corporate platforms. Practical mechanisms for automating query processing processes of various levels of complexity, from standard questions about product characteristics to complex analytical queries that require data aggregation from various sources. Techniques for improving customer service and internal communications by personalizing interactions based on LLM’s capabilities to analyze the context and history of previous requests. The results of the study demonstrate the significant potential of LLM to improve the operational efficiency of trade organizations. In particular, there have been cases of reducing the processing time for typical requests, reducing the burden on support services, as well as significantly improving satisfaction indicators for both customers and employees. The practical significance of the research lies in the development of a step-by-step methodology for implementing LLM in trading companies, including the stages of data preparation, platform selection, integration with existing systems, and staff training. The proposed solutions have already been tested in several retail chains and have shown high efficiency.

Еще