Анализ компании Siteline показал, что современные ИИ-агенты на базе LLM часто не справляются с извлечением актуальной информации о ценах на B2B-продуктах. При отсутствии прямых данных на целевых страницах агенты склонны обращаться к сторонним источникам, что приводит к выдаче неточных или устаревших сведений, создавая риски для автоматизированных процессов принятия решений и закупок.
В ходе тестирования использовалась модель Claude, которой поручили найти прайс-листы для ряда B2B-решений. Проблема заключается в архитектуре многих корпоративных сайтов: информация о стоимости часто скрыта за формами регистрации, динамическими элементами или требует авторизации. Агенты, не имея возможности корректно интерпретировать структуру таких страниц, переключаются на поисковые системы, где находят данные из агрегаторов или форумов, которые могут не соответствовать текущим коммерческим предложениям поставщика.
Этот кейс подчеркивает критический разрыв между способностью ИИ к рассуждению и качеством доступных структурированных данных в B2B-сегменте. Для компаний, внедряющих агентные системы для автоматизации закупок или анализа конкурентов, это означает необходимость создания специализированных API или предоставления агентам доступа к внутренним базам данных, минуя публичный веб-интерфейс, который не оптимизирован для машинного чтения.
Ключевые факты
- Исследование проведено компанией Siteline на базе модели Claude.
- Основная проблема: агенты часто не находят цены на B2B-сайтах из-за сложной архитектуры страниц и скрытых данных.
- При неудаче агенты автоматически переключаются на сторонние источники, что ведет к получению недостоверной информации.
- Результаты подчеркивают неготовность многих B2B-ресурсов к полноценной работе с агентными системами без прямой интеграции данных.