Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Kak ispolzovat obogaschenie dannyh s pomoschyu ii i proveryat rezultaty
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

Как использовать обогащение данных с помощью ИИ и проверять результаты

Источник: Perplexity AI•21 ноября 2026 г. в 00:08

Как использовать обогащение данных с помощью ИИ и проверять результаты

Узнайте, как ИИ-обогащение данных заполняет пробелы в ваших записях и как проверять обогащенные с помощью ИИ данные перед их использованием.

Инструмент на базе ИИ заполняет рабочий адрес электронной почты потенциального клиента. Откуда он взял этот адрес? Нашел ли он его в открытом доступе на сайте компании или вычислил на основе корпоративного формата почты? В ячейке оба варианта выглядят одинаково.

В этом и заключается суть главной дискуссии вокруг обогащения данных с помощью ИИ. ИИ способен творить чудеса, связывая данные воедино. Но откуда они берутся? И насколько они точны?

Поэтому в данном руководстве мы рассмотрим обе стороны: как использовать ИИ для обогащения данных и как проверять полученные с его помощью результаты.

Что такое обогащение данных с помощью ИИ?

Обогащение данных с помощью ИИ означает использование большой языковой модели, как правило, с доступом к сети интернет в реальном времени, для заполнения, обновления или исправления уже имеющихся у вас записей. Вы передаете ей строку — название компании, домен, контактное лицо, — а она возвращает недостающие поля: численность персонала, стадию финансирования, текущего генерального директора или любые другие данные по вашему запросу.

Традиционный способ обогащения данных заключается в выполнении поиска. Ваша запись сопоставляется с базой данных провайдера, и вы получаете то, что содержится в этой базе. Если компании там нет или запись устарела на год, вы получаете именно это.

Обогащение с помощью ИИ больше похоже на исследование. Модель изучает источники в момент вашего запроса, поэтому она может отвечать на вопросы, для которых у вас пока может не быть даже отдельной колонки.

Когда вы используете API для поиска, модель может исследовать вопрос, для которого ни один поставщик данных никогда не создавал отдельную колонку. Кроме того, она помогает в тех случаях, когда два источника дают противоречивые ответы об одной и той же компании.

Возьмем Metal, платформу инвестиционной аналитики, созданную в основном для компаний прямых инвестиций. Команды по заключению сделок используют CRM, SharePoint, PitchBook, Crunchbase, виртуальные комнаты данных и многое другое, причем у каждого источника есть свое мнение об одной и той же компании.

Metal использует технологию Sonar от Perplexity, которая теперь входит в состав Agent API, для устранения расхождений между этими источниками, обновления записей с помощью веб-поиска в реальном времени и автоматического улучшения отчетов.

Таким образом, ИИ-обогащение решает три задачи: заполнение пробелов, обновление устаревших полей и выбор одного из двух противоречащих друг другу значений.

Как работает обогащение данных с помощью ИИ? Пошаговый процесс

Допустим, вы собираетесь отправить письмо покупателю, с которым познакомились на выставке в прошлом году. В вашей CRM указано, что она была менеджером по закупкам. Актуально ли это обращение к ней до сих пор?

В качестве примера мы будем использовать вымышленный контакт — Нину Вейл из компании Alderwick Supply. Вы можете выполнить те же шаги в электронной таблице с помощью инструмента исследования на базе ИИ или встроить их в свою CRM.

1. Начните с уже имеющейся у вас строки

Вот что вы собрали на выставке:

Идентификатор контакта

Имя

Компания

Должность в базе

Дата последней проверки

C-104

Нина Вейл

Alderwick Supply

Менеджер по закупкам

Вы хотите обновить одно поле: должность Нины. Ее имя и название компании дают инструменту достаточно информации для начала поиска. Сохраните идентификатор контакта, чтобы вернуть ответ в правильную строку. Ваши заметки о разговоре могут остаться в CRM.

2. Четко укажите инструменту, что именно нужно найти

Мы выдумали Нину. Что же тогда должно быть в поле «текущая должность»? Мы бы оставили его пустым. Давайте посмотрим, как инструмент отреагирует, если мы запросим должность и подтверждающий ее источник.

Вот промпт, который мы использовали:

Найдите текущую должность Нины Вейл в компании Alderwick Supply. Начните с веб-сайта компании. Верните название должности в исходном написании, URL источника и фрагмент текста, который ее подтверждает. Если вы не можете подтвердить, что она там работает, или источник не указывает должность, оставьте поле должности пустым.

3. Изучите результаты поиска

Когда мы запустили этот промпт в Perplexity, все три поля остались пустыми: должность, URL источника и подтверждающий фрагмент. Тем не менее система нашла сторонний справочник компаний для «Alderwick Supply LLC» в штате Огайо. В этом списке упоминания о Нине не было.

Именно поэтому мы запрашивали подтверждающий фрагмент текста. Название компании в каталоге может помочь лишь частично. Вам все равно нужен источник, который связывает конкретного человека с компанией и указывает его должность.

4. Зафиксируйте, найдено ли совпадение

Вы можете использовать три метки, которые мы применяем в руководстве по обогащению клиентских данных от Perplexity. Используйте значение «matched» (найдено), когда можете подтвердить, что человек работает в компании, «ambiguous» (неоднозначно), когда находите правдоподобный профиль, но не можете определить, тот ли это человек, и «not_found» (не найдено), когда подходящий профиль отсутствует.

Мы бы отметили строку Нины как «not_found». Perplexity обнаружила запись об Alderwick Supply LLC, но Нина в ней не упоминается. Профиля для проверки нет, поэтому текущая должность остается пустой.

5. Проверьте, является ли должность актуальной

Если речь идет о реальном контакте, у вас может быть программа выставки за ноябрь 2025 года, где этот человек указан как «Менеджер по закупкам». Это указывает на то, что нужно внести в графу «Должность на выставке». А как насчет поля «Текущая должность»?

Если вы собираетесь использовать эти данные в электронном письме, загляните на страницу сотрудников компании или в личный профиль контакта в LinkedIn. Найдите должность, указанную на их текущем месте работы в этой компании. Если найдете, сохраните ссылку и дату проверки. Если программа выставки по-прежнему остается вашим лучшим источником, оставьте поле «Текущая должность» пустым.

6. Запишите найденные данные в ту же строку

В своей таблице найдите строку Нины. Переименуйте существующую колонку должности в «Должность на выставке» и оставьте там значение «Менеджер по закупкам». Добавьте четыре колонки справа. В CRM вы можете добавить те же поля в карточку контакта Нины.

Должность на выставке

Текущая должность

Статус поиска

Дата проверки

Примечание к исследованию

Менеджер по закупкам

not_found

14 ноября 2026 г.

Найден справочник компании — Нина в нем не упоминается.

Укажите дату проведения поиска. Пустое поле под заголовком «Текущая должность» означает, что вы не смогли подтвердить роль Нины. Статус и примечание подскажут следующему сотруднику, что данные уже проверялись и что именно удалось выяснить. Если менеджер решит написать Нине на почту, он сможет сослаться на встречу на выставке и не упоминать ее должность.

Каковы основные проблемы при обогащении данных с помощью ИИ?

ИИ может сопоставить данные не с тем человеком, извлечь устаревший факт или заполнить пустое поле значением, которого не было в источнике.

Согласно данным Validity’s State of CRM Data Report 2026, 62% опрошенных маркетологов заявили, что некачественные данные в CRM привели к убыткам для их организаций, а почти треть отметили, что их команды тратят не менее шести часов в неделю на исправление записей. Более того, за последний год две трети организаций доверили принятие маркетинговых решений ИИ-агентам.

Если вы хотите узнать, какие поля запускают определенные действия, спросите, какие именно поля заставляют агента действовать. После этого обратите внимание на четыре возможных типа ошибок в поле:

  • Правильное имя в неправильной записи: исследование того, как языковые модели сопоставляют продукты, демонстрирует проблему на примере двух рулонов этикеточной ленты DYMO D1. Оба имеют длину семь метров, но ширина одного составляет 19 мм, а другого — 12 мм. Если скопировать размеры бездумно, вы отправите кому-то не ту ленту. Проверяйте деталь, которая отличает одну запись от другой. Для товара это может быть номер модели. Для контакта — его работодатель.
  • Источник, который был актуален в прошлом: Russell Reynolds tracked 171 CEO appointments в первые девять месяцев 2026 года. «Данные указывают на увеличение доли генеральных директоров со значительным стажем работы, покидающих свои посты в 2026 году». Старое сообщение о назначении все еще может появляться в результатах поиска после того, как эту должность занял другой человек.
  • Точный ответ без подтверждающих данных: в исследовании списков продуктов, обогащенных с помощью ИИ, модель правильно определила диван как кожаный. Но она также указала размер в 88,5 дюйма — измерение, которого исходный список никогда не содержал. Требуйте подтверждения для каждого поля, которое планируете опубликовать, и оставляйте размеры пустыми, пока они у вас не появятся.
  • Среднее значение по пакету, скрывающее изменение конкретной записи: Moody’s studied more than one million US residential properties. И после того как были добавлены такие детали, как возраст крыши и обслуживание, смоделированный среднегодовой убыток портфеля от сильных конвективных штормов снизился на 5%. Тем не менее, почти для половины объектов оценка выросла или упала более чем на 15%. При анализе пакета проверяйте, какие записи изменились сильнее всего в каждую из сторон.

Что могло бы повысить уверенность маркетологов в данных их CRM? В опросе компании Validity 39% респондентов выбрали непрерывный автоматизированный мониторинг — это самый популярный ответ.

Карли Идойн (Carlie Idoine), вице-президент и аналитик Gartner, высказывает схожую мысль об агентах, выполняющих эту работу. По ее словам, по мере того как команды поручают им все больше задач с данными, «создание надежного управления и непрерывный мониторинг производительности станут крайне необходимы».

Apollo, платформа продаж на базе ИИ, например, выполняет 5,6 миллиона операций обогащения в месяц через API Perplexity. Когда Тайлер Филлипс (Tyler Phillips), директор по управлению продуктами в Apollo, протестировал другие инструменты, некоторые из них выдали утверждения, которые его команда не смогла проверить. Компания Apollo хотела, чтобы менеджеры могли открыть источник и проверить, скажем, что на самом деле сказал генеральный директор потенциального клиента в подкасте, прежде чем цитировать его в электронном письме.

«Вы должны иметь возможность взять 1 000 учетных записей, провести исследование по каждой из них и увидеть, какие из них демонстрируют признаки соответствия вашему продукту», — говорит Тайлер.

Источники — это лишь половина дела. Когда менеджер замечает сомнительный результат, Apollo помечает его в реальном времени и работает с нашей командой в Slack для проведения расследования. Тайлер также отлично понимает, чего люди ждут от ИИ в продажах: «...все предполагают, что он будет просто штамповать спам».

Спустя несколько месяцев после интеграции компания Apollo сообщила, что ее пользователи назначали на 46% больше встреч благодаря Apollo AI Research.

Как проверять данные, обогащенные с помощью ИИ

Ваш отдел продаж отправляет письма компаниям с численностью сотрудников от 500 человек. Инструмент на базе ИИ меняет количество сотрудников потенциального клиента с 499 на 501. Они попадают в список. Должны ли они там быть?

Откройте источник. Означает ли цифра 501 людей в этой компании или во всей ее материнской группе? Проверьте показатели, которые могут изменить очередность отправки письма. Затем выборочно проверьте несколько других строк.

1. Подсчитайте количество совпадений перед началом открытия ссылок

Сгруппируйте результаты по статусу. Строки с отметкой «совпадение найдено» готовы к проверке. Для «неоднозначных» строк проверьте, поможет ли другая деталь, например работодатель, идентифицировать человека. Для строки с отметкой «не найдено» оставьте поля профиля пустыми.

Запрос проверки из нашего руководства по обогащению данных клиентов проверяет одного демонстрационного клиента. Если вы хотите применить его к пакету, отфильтруйте нужные для проверки запуски и сравните количество. Каждая строка с совпадением должна иметь ID результата поиска и URL профиля. Два других статуса не должны иметь ни того, ни другого. Если все 1 000 строк возвращаются как совпавшие, откройте выборку и посмотрите, как модель справилась с распространенными именами.

2. Сверяйте каждое поле с тем, что написано в источнике

Допустим, вы формируете список компаний для продаж с численностью не менее 500 сотрудников в Великобритании. На сайте компании написано: «Наш головной офис находится в Лидсе, а общая численность сотрудников по всему миру составляет 501 человек».

Можно ли указать Лидс в поле «головной офис»? Да. Можно ли указать 501 в графе «численность сотрудников в Великобритании»? Не спешите.

Сохраните ссылку рядом с Лидсом. Оставьте графу «численность сотрудников в Великобритании» пустой, пока не найдете источник, в котором указана именно британская цифра.

3. Перепроверяйте детали, на основе которых будете действовать

Наше руководство Talent Sourcer показывает, как это работает для краткого списка кандидатов при подборе персонала:

  • Поиск людей находит кандидатов.
  • Затем веб-поиск проверяет текущую роль, работодателя, местоположение и стаж работы каждого кандидата в компании.
  • Если агент не может подтвердить требование или запрошенную ссылку, он помечает кандидата как «verified=false» (проверено = ложь).

Опубликованный запуск проверил около 40 человек и вернул 25 с отметкой «проверено» при общей стоимости около 1,88 доллара.

При выполнении этого второго поиска обратите внимание на то, откуда взялась информация.

4. Изучайте изменения, которые могут повлечь за собой принятие решения

Сравните старые и новые значения. Сначала проверьте самые крупные изменения.

Небольшое изменение также стоит проверить, если оно добавляет компанию в список вашей кампании. Допустим, ваш порог — 500 сотрудников, а в компании численность меняется с 499 на 501. Откройте источник. Учитывает ли он сотрудников этой компании или всей группы в целом?

Проверьте и несколько деталей, которые остались прежними. Если модель возвращает должность, уже записанную в вашей CRM, загляните на сайт работодателя, чтобы убедиться, что человек по-прежнему ее занимает.

5. Записывайте обратно только то, что вы проверили

Сохраняйте каждый запуск в отдельной таблице, что даст вам возможность просмотреть предлагаемое обновление до того, как оно попадет в CRM.

Решите, кто может одобрять изменения по полям, которые инициируют обратную связь. Если вы подтвердили чью-то должность, но не смогли установить местоположение, обновите должность и оставьте местоположение отмеченным для проверки.

6. Перепроверяйте поле, когда собираетесь снова на него полагаться

Сохраняйте источник и дату последней проверки. Приложение из руководства добавляет новую запись при каждом запуске, так что вы можете сравнить сегодняшний результат с тем, который вы утвердили в прошлый раз. Задайте периодичность для каждого поля. Год основания обычно может подождать, а список текущих генеральных директоров, которым вы планируете написать в понедельник, требует повторной проверки перед понедельником.

Чтобы протестировать это на собственных данных, выберите 10 контактов, чьи роли вы можете подтвердить, и адаптируйте наше руководство по обогащению данных клиентов под свою таблицу. Включите в список человека, который недавно сменил работу. Находит ли модель новую должность?

Откройте возвращенную ссылку и проверьте, подтверждает ли источник эту информацию. Если у вас уже развернут ClickHouse онлайн, вы можете подключить его через аутентифицированный MCP-сервер с инструментами для чтения записей клиентов и внесения результатов.

Когда вы будете готовы обработать длинный список, выделите для каждого ID клиента отдельный запуск и настройте скрипт так, чтобы он отслеживал уже обработанные записи.

Часто задаваемые вопросы об обогащении данных с помощью ИИ

Что такое пример обогащения данных?

Допустим, в вашей электронной таблице указаны название и веб-сайт компании. Вы используете ИИ, чтобы найти ее последнее объявление о финансировании, а затем добавляете размер раунда, дату и ссылку на объявление.

Проверьте формулировку перед сохранением цифры. Например, раунд в 20 миллионов долларов может довести общий объем финансирования до 65 миллионов долларов, и эти цифры должны находиться в разных столбцах.

Какой инструмент лучше всего подходит для обогащения данных?

Этот выбор зависит от того, чего именно не хватает. Инструмент обогащения CRM хорошо справляется со стандартными полями, такими как отрасль или размер компании. Чтобы обновить должность контакта, используйте поиск людей Perplexity для нахождения его профессионального профиля.

А для исследования последнего раунда финансирования компании используйте веб-поиск, чтобы найти объявление и проверить сумму. Если у вас есть целая таблица с компаниями, наше руководство по Batch API показывает, как выполнять один поисковый запрос на строку.

В чем разница между улучшением и обогащением?

Улучшение — это более широкий термин для совершенствования данных. Обогащение — один из способов его реализации.

Например, стандартизация номеров телефонов, которые уже есть в вашем CRM, — это актуализация, а поиск отсутствующего номера телефона компании и добавление его в ее карточку — это обогащение.

← Все статьи

О чём эта статья

Ещё в разделе «AI и машинное обучение»

Все →
Context API извлекает полный контекст с любой веб-страницы
Perplexity

Context API извлекает полный контекст с любой веб-страницы

От высокой дипломатии до городских общественных пространств: SenseTime демонстрирует инновации в сфере ИИ во время недели Неформальной встречи лидеров экономик АТЭС
SenseTime

От высокой дипломатии до городских общественных пространств: SenseTime демонстрирует инновации в сфере ИИ во время недели Неформальной встречи лидеров экономик АТЭС

Gemini 4 Neon против Claude Haiku 5.5: Концы одной лестницы
OrcaRouter

Gemini 4 Neon против Claude Haiku 5.5: Концы одной лестницы

Встречайте bison-1 и groundhog-1 — передовые американские модели принятия решений
Baseten

Встречайте bison-1 и groundhog-1 — передовые американские модели принятия решений

Hy4 flash Vision: 74.8 на MMMU-Pro и почему 52.0 все еще актуально
OrcaRouter

Hy4 flash Vision: 74.8 на MMMU-Pro и почему 52.0 все еще актуально

Как Fundación Televisa опросила более 1000 предпринимателей с помощью голосового ИИ
ElevenLabs

Как Fundación Televisa опросила более 1000 предпринимателей с помощью голосового ИИ

Ещё от Perplexity

Context API извлекает полный контекст с любой веб-страницы
Perplexity

Context API извлекает полный контекст с любой веб-страницы

Совместная работа с коллегами-ИИ на мобильных устройствах в голосовом режиме
Perplexity

Совместная работа с коллегами-ИИ на мобильных устройствах в голосовом режиме

Что такое RAG как услуга (RaaS)? Варианты использования и ведущие провайдеры
Perplexity

Что такое RAG как услуга (RaaS)? Варианты использования и ведущие провайдеры

Деградация контекста в AI-агентах: почему длинные задачи теряют точность
Perplexity

Деградация контекста в AI-агентах: почему длинные задачи теряют точность

Самосовершенствующиеся навыки
Perplexity

Самосовершенствующиеся навыки

Представляем уровень усилий Multiagent для Computer
Perplexity

Представляем уровень усилий Multiagent для Computer