Цифровые ассистенты и сервисные роботы в ритейле: тема ВКР с готовой доказательной базой

«Авито Работа» опросила 10 000 россиян и выяснила: почти половина сотрудников розничной торговли готова работать бок о бок с цифровыми ассистентами и роботами. Для выпускника ИТ-направления это не просто новость, а готовая социологическая опора для раздела «Актуальность» — с цифрами, датой и ссылкой на источник. Вузовские комиссии любят, когда студент опирается на свежие отраслевые данные, а не на абстрактное «в современном мире технологии развиваются». Ниже — как превратить этот тренд в защищаемую ВКР: от постановки задач по ГОСТ 34.602-89 до метрик по ISO/IEC 25010.

Три темы ВКР, которые вырастают из этой статьи

Тема 1. Цифровой ассистент для консультанта торгового зала на базе LLM и RAG

• Актуальность: опрос «Авито Работа» показывает готовность персонала к таким инструментам — значит, внедрение не встретит саботажа на местах.
• Цель: разработать прототип ассистента, отвечающего на вопросы о наличии товара, ценах и акциях.
• Задачи: анализ существующих решений и стеков; проектирование микросервисной архитектуры; реализация RAG-контура поверх товарной базы; нагрузочное тестирование и оценка точности ответов.
• Структура: Гл. 1 — обзор подходов и стандартов; Гл. 2 — архитектура и схемы; Гл. 3 — тестирование, метрики, экономика внедрения.

Тема 2. Сервисный робот-навигатор: интеграция ROS 2 с учётной системой магазина

• Актуальность: статья прямо фиксирует запрос работников на «помощь роботов» — спрос снизу уже сформирован.
• Цель: спроектировать программный слой, связывающий робота с товароучётной системой через MQTT и REST API.
• Задачи: обзор протоколов и middleware; проектирование обмена сообщениями; реализация узлов ROS 2; замер задержек и отказоустойчивости.

Тема 3. Система мониторинга парка цифровых ассистентов на OpenTelemetry

Более «инфраструктурная» тема: если в магазине десятки ассистентов и роботов, нужны трассировка, сбор метрик и алертинг. Отличный вариант для тех, кто не хочет уходить в машинное обучение, но любит DevOps.

Аналитическая глава: как обосновать выбор без воды

Здесь статья работает как источник первичных данных. Схема такая: приводите факт из опроса → формулируете требования к системе → сравниваете 3–4 альтернативы. Не пишите «мы выбрали Python, потому что он популярный». Пишите так:

Последнюю колонку заполняете сами с обоснованием — именно за это снимают баллы на защите. Обязательно сослайтесь на стандарт: ISO/IEC 25010 задаёт модель качества, по которой удобно раскладывать требования на функциональные и нефункциональные.

Проектная часть: что рисовать и как описывать

Проектная глава — сердце работы. Минимальный комплект артефактов:

• диаграмма компонентов (UML) с границами сервисов;
• диаграмма последовательности для ключевого сценария (например, «клиент спрашивает о товаре → ассистент отвечает»);
• схема развёртывания в Kubernetes с указанием namespace, ingress и persistent volumes;
• спецификация API (OpenAPI/Swagger) — приложите хотя бы фрагмент.

Пример фрагмента манифеста для развёртывания ассистента:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: retail-assistant
spec:
  replicas: 3
  selector:
    matchLabels:
      app: assistant
  template:
    metadata:
      labels:
        app: assistant
    spec:
      containers:
        - name: api
          image: registry.local/assistant:1.0
          ports:
            - containerPort: 8080
          resources:
            requests:
              cpu: "250m"
              memory: "512Mi"

Такой фрагмент показывает комиссии, что вы не просто «описали облако», а реально работали с оркестратором.

Тестирование и метрики: где брать цифры

Самый частый провал на защите — «система работает хорошо». Хорошо — это сколько? Опирайтесь на три группы метрик:

Тестовые данные берите там же, где их берут реальные команды: открытые датасеты по товарным каталогам, синтетическая генерация через Faker, либо обезличенный экспорт из учебной базы. Главное — зафиксировать методику: сколько запросов, какая нагрузка, как долго длился прогон.

Чему вы научитесь на такой работе

• Обосновывать стек и архитектуру через стандарты (ISO/IEC 25010, ГОСТ 34), а не через «популярность»;
• проектировать обмен данными между сервисами через MQTT и REST;
• настраивать наблюдаемость через OpenTelemetry и превращать её в метрики диплома;
• оформлять ТЗ, схемы и API-спецификации так, чтобы нормоконтроль прошёл с первого раза.

FAQ

Материал подготовлен экспертами компании — название сайта —. Мы помогаем студентам с 2010 года: консультируем по архитектуре, оформлению и защите ВКР. Если вам нужна помощь в разработке темы или оформлении работы, наши специалисты готовы подсказать.

Последнее обновление: 2026-09-15

Источник: Почти половина работников ритейла готовы использовать цифровых ассистентов и помощь роботов в своей работе — «Авито Работа» (опубликовано 2026-03-24)