Интересная задача, когда в справочнике CRM есть список отраслей (Сферы деятельности), а в карточке компании СRM значение поля придется выбирать руками. А когда вы импортировали компании сотнями, тысячами из стороннего источника, при миграции и т.д.? Как вы позаботились о сопоставлении отраслей для компании? Одно мы точно знаем, что по ИНН к примеру юридического лица или ИП мы можем получить код ОКВЭД, а с ним и строку пояснения ОКВЭД, т.е. его наименования. А далее нам службу сослужит пресловутый ИИ со своими возможностями работы со слабоструктурированными качественными данными. Давайте рассмотрим решение этой несложной задачи подробнее.

Сначала всю работу построим в Excel, так быстрее отработать первичные данные в структурированном виде. Если у вас таблица с наименованиями компаний, их ИНН. Вам надо обогатить информацией из официальных источников, используя API. В моем случае я использовал отличный сервис dadata_ru, чтобы сформировать таблицу с полями, которые меня интересуют, а именно: наименования ОКВЭД. 

У одного юридического лица может быть множество ОКВЭД, но всегда есть основной, вот по нему я и работаю, а компания в массе случаев общается по вопросам ведения своей учетной деятельности, полагаясь как раз на основной ОКВЭД. Когда мы сформировали список, скажем в виде такой минимальной таблицы:

Столбец отрасли у нас пустой, нам его и надо сформировать. В данном случае неизвестность нам не нужна, мы переходим к агрегированию массива и выделяем из таблицы только уникальные ОКВЭД.

Когда у вас есть список уникальных ОКВЭД наименований, характерных для вашего массива компаний, то половина данных для ИИ уже сформирована. Остается теперь описать список наших Отраслей (Сфер деятельности в терминах CRM). Как вы это сделаете, решать вам, можно в формате построчном, можно в JSON, лишь бы была структура, поддающаяся индексированию. В моем случае была задача разовая, чтобы обогатить массив имеющихся компаний без отраслей и попутно написать блок кода на Javascript для автоматизации сопоставления по ОКВЭД Отрасли из нашего уже статичного справочника (создали список отраслей заранее в CRM, охватывая все основные, и хватит). Поэтому далее задача сводится к простому промту для ИИ. Приведу пример (вы можете писать как угодно):

<role> Ты программист Javascript, HTTP REST, JSON и бизнес-аналитик </role>
<instruction> 
У тебя есть список ОКВЭД и список отраслей. Список отраслей имеет STATUS_ID 
(значения у него либо числовой индекс, либо английское название в одно слово) и название
*** СПИСОК ОКВЭД ***
Аренда и лизинг легковых автомобилей и легких автотранспортных средств
. . . 

*** СПИСОК ОТРАСЛЕЙ *** 
STATUS_ID NAME
10 АПК
BANKING БАНКИ
GOVERNMENT ГОСУДАРСТВЕННЫЕ СТРУКТУРЫ
. . . 
OTHER ДРУГОЕ


*** Задача ***
Проанализировать список ОКВЭД и сопоставить каждый элемент с подходящим именем отрасли. 
Результат вывести в виде JSON, в котором будут представлен ОКВЭД, Отрасль и ID отрасли. 
Напиши программный код JS подходящий для n8n, позволяет по входящему описанию 
ОКВЭД const okved_inn вывести массив в n8n формате с ОКВЭД, соответствующей отраслью и её id.
</instruction>

Для ИИ задача несложная и самая прикладная, т.к. работает с нечеткими данными наименования ОКВЭД. Конечно вы можете это все поправить или через несколько итераций промтов добиться более качественного соответствия. Я же проверил выборочно порядка 100 компаний из нескольких тысяч на соответствие и все было в точку в части маппинга отрасли. 

Возможно, вы зададите вопрос о том, как дальше в том же n8n был автоматизирован процесс сопоставления. Ответ очевидный - по наличию "ключевых" слов в наименованиях ОКВЭДа и функцию подстроки в строке. Приведу пример одной записи словаря для ФИНАСОВ И СТРАХОВАНИЯ в формате JSON, уверен, что вам будет все понятно из этого куска:

  {
    id: "FINANCE",
    industry: "ФИНАНСЫ И СТРАХОВАНИЕ",
    priority: 90,
    keywords: [
      "банк",
      "кредит",
      "финанс",
      "страхован",
      "ценн бумаг",
      "аудит",
      "лизинг",
      "депозитар",
      "платеж",
      "финансов",
      "сбору платежей",
      "кредитной информации",
      "финансовой аренде",
      "управление финансовой деятельностью"
    ]
  }

Справочники ОКВЭД есть и в структурированном виде, и в открытом формате, можете проделать полную работу по всем ОКВЭД и расширить отраслевой список. 

В этой задаче очевидна явная полезность ИИ для агрегирования и решения задачи классификации, где практически любая модель из современных и доступных способна помочь вам в оперативном анализе и автоматизации обогащения качественной информацией ваших массивов в очень короткое время, которое вы можете потратить с пользой на анализ ваших компаний.

Удачного анализа и программирования.