Как ChatGPT помогает выбирать спелые фрукты по фото

Почему это вообще работает

AI не нюхает арбуз и не простукивает его ладонью. Зато он неплохо читает то, что видно в кадре — цвет, пятна, блеск, вмятины, усыхание хвостика, конденсат под плёнкой.

Вот в чём фокус: для части продуктов спелость действительно оставляет визуальный след. У арбуза это одно, у томата — другое, у ягоды — третье. Модель смотрит не на вкус в голове, а на внешний набор признаков, который мы сами обычно проверяем на рынке.

На моей практике такой подход особенно выручает, когда надо быстро отсечь варианты на фото из доставки или с витрины. Не идеальный судья, конечно, но очень полезный помощник. И да, иногда он видит то, что человек в спешке просто пропускает.

Как снять фото, чтобы AI не ошибся

Самая частая ошибка — слать в AI тёмное фото, снятое под лампой, да ещё и с сильным сжатием. Потом люди удивляются, что ответ кривой. Ну а как иначе, если на снимке половина деталей размазана?

Если вы отправляете фото с телефона, сначала приведите его в нормальный вид через конвертер изображений — иногда достаточно перевести снимок в WebP или AVIF, чтобы сохранить детали и не тащить лишний вес. Если фон мешает оценке, можно убрать фон с товарного фото, особенно когда арбуз лежит на пёстром столе или среди коробок.

Недавно сталкивался с кейсом, где арбуз снимали ночью в магазине, под жёлтой лампой. GPT уверенно переоценил цвет кожуры, потому что свет делал плод "слаще" визуально. Поэтому просите нормальный общий кадр, крупный план хвостика, а если ��сть срез — ещё и его. Вот и вся магия, ага.

• Дневной свет лучше лампы.
• Нужен общий и крупный план.
• Покажите плодоножку, срез, этикетку, если она есть.
• Не отправляйте мыльные фотки из чата.

Из чего состоит нормальный промт

Хороший промт — не простыня на страницу, а чёткая схема. В ней есть роль, контекст, инструкции и формат ответа. Всё, больше ничего не надо, короче.

Я тут пробовал давать модели один и тот же арбуз в трёх вариантах: без контекста, с контекстом и с просьбой указать уверенность. Разница была заметная — пустой запрос превращался в гадание, а структурированный уже давал нормальный разбор с оговорками.

Если упростить шаблон, он работает так:

• Роль — кто отвечает и в каком тоне.
• Контекст — что за фото, где сделано, для какой цели выбирают плод.
• Инструкции — какие признаки смотреть и что делать, если кадр плохой.
• Формат — что писать в конце: вердикт, уверенность, хранение.

И вот важная деталь: просите модель не просто сказать спелый или не спелый, а объяснить, по каким маркерам она так решила. Тогда ответ становится пригодным не только для покупателя, но и для сотрудника магазина, который должен повторить эту логику ещё раз.

Где такой промт работает лучше всего

У этого промта не одна задача. Он одинаково пригодится и в бакалее, и в фруктовой лавке, и в Telegram-чате магазина, где покупатели кидают фото и ждут короткий ответ.

Арбузы и дыни

Здесь AI чаще всего смотрит на пятно созревания, равномерность полос, сухой хвостик и отсутствие подозрительных вмятин. Помню как-то у клиента в Краснодаре на витрине лежали шесть арбузов, внешне почти одинаковых — и модель безошибочно выделила тот, у которого были нормальный контраст полос и сухой хвостик, а не блестящая мокрая кожура.

Томаты, персики и абрикосы

У мягких плодов логика другая: цвет, упругость, отсутствие трещин и плесени, состояние плодоножки, равномерность окраски. Для томатов ещё важен не только красный цвет, но и то, не выглядят ли они водянистыми или сморщенными. Для персиков и абрикосов модель обычно хорошо видит перезрелость по пятнам и тёмным участкам.

Ягоды, зелень и мягкие п��одукты

Вот тут AI особенно полезен, потому что порча у ягод и зелени часто видна сразу — влажность, плесень, липкость, помятые боки, потемневшие листья. Но и ошибка здесь проще: если фото снято в пакете или под плёнкой, модель может не понять, где конденсат, а где просто блик. Поэтому лучше показывать товар без лишней упаковки, если это возможно.

На практике это работает ещё и как быстрый ориентир для продавца. Он не спорит с камерой, а просто показывает второе фото, и вопрос закрывается за минуту.

Где AI ошибается и почему

Главная проблема — модель не видит то, что скрыто внутри. Она не знает, насколько арбуз сладкий, если его не разрезали. И не угадает сорт, если на фото нет явных признаков. Поэтому просить определить всё на свете бессмысленно.

Ещё одна ловушка — свет и цветокоррекция. Под жёлтой лампой зелёный плод выглядит теплее, а красный — сочнее. Если отправить кадр из мессенджера после нескольких пересылок, качество падает ещё сильнее. Вот поэтому я всегда советую просить хотя бы два ракурса, а лучше три.

Если видны плесень, потёки, липкость, сильные вмятины или подозрительное увлажнение под плёнкой — вердикт должен быть жёстким: не брать. Не надо делать из AI оправдание для сомнительной покупки. Его задача — подсветить риск, а не уговаривать себя.

И ещё момент. Если модель пишет уверенность: низкая, это не провал. Это честный ответ, который экономит деньги и время. На моей практике такой сигнал чаще полезнее, чем красивое, но пустое да, бери.

Как встроить это в магазин и контент

Для бизнеса эта штука особенно интересна. У клиента было небольшое фруктовое направление в Краснодаре — команда из 8 человек, и они быстро поняли, что продавец не обязан по десять раз объяснять одно и то же. Достаточно один раз упаковать логику выбора в понятный сценарий.

Схема простая: на ценник или карточку товара ставите QR, а внутри — короткая инструкция, фото-пример и ссылка на чат-ассистента. Для этого удобно использовать генератор QR-кодов для офлайн-ценников. Если нужна аккуратная картинка товара без визуального мусора, заранее подготовьте снимок и уже потом дайте его модели — так ответ выходит ровнее.

Для соцсетей схема тоже рабочая. Вы делаете пост как выбрать спелый арбуз, добавляете фото, а дальше собираете заголовки и короткие подписи через AI-генератор подписей для соцсетей. Если нужен сторис-креатив или акция на сезон, поможет генератор анимированных баннеров. Ну и всё это начинает выглядеть не как хаос, а как нормальный инструмент продаж.

На моей практике именно такой набор лучше всего заходит в маленьких магазинах, где люди устали от ручной рутины, но не готовы внедрять что-то тяжёлое. Тут всё просто, без пафоса. И, ага, без лишних затрат на сложные системы.