Главный тренд последних лет – переход РѕС‚ отдельных алгоритмов машинного обучения Рє Р?Р?-агентам, которые СЃРїРѕСЃРѕР±РЅС‹ самостоятельно выполнять бизнес-задачи.
От нейросетей к цифровым сотрудникам
Еще несколько лет назад искусственный интеллект РІ бизнесе РІ РѕСЃРЅРѕРІРЅРѕРј использовали для анализа данных Рё построения РїСЂРѕРіРЅРѕР·РѕРІ. Сегодня крупнейшие компании переходят Рє РґСЂСѓРіРѕР№ модели – созданию Р?Р?-агентов, которые РјРѕРіСѓС‚ РЅРµ только отвечать РЅР° РІРѕРїСЂРѕСЃС‹, РЅРѕ Рё самостоятельно запускать процессы.
В основе таких решений лежат корпоративные платформы искусственного интеллекта. Они позволяют безопасно использовать большие языковые модели внутри компании, не передавая закрытые данные внешним сервисам.
Такой подход особенно важен для ритейла и логистики, где ежедневно обрабатываются миллионы операций: информация о продажах, поставщиках, запасах, маршрутах доставки и поведении покупателей.
Р’ Walmart Рё Amazon развивают внутренние платформы, благодаря которым сотрудники РјРѕРіСѓС‚ создавать специализированных Р?Р?-агентов значительно быстрее, чем раньше. Если раньше разработка отдельного цифрового помощника могла занимать недели, теперь такие системы создаются Р·Р° несколько дней.
Р?Р? помогает прогнозировать СЃРїСЂРѕСЃ
Одно из главных направлений применения искусственного интеллекта – управление запасами.
Крупные ритейлеры используют модели, которые анализируют не только историю продаж, но и десятки дополнительных факторов: погоду, сезонность, праздники, локальные события и изменения поведения покупателей.
Например, если продажи определенного товара неожиданно падают, система может определить, связано ли это с реальным снижением спроса или с проблемой в магазине. Причиной может быть пустая полка, ошибка учета или задержка поставки.
В Walmart внедрение интеллектуальной системы управления запасами в отдельных подразделениях позволило компании сократить потери продаж и получить экономический эффект более чем на $55 млн.
При этом эффективность таких решений зависит не только от точности алгоритма. Важен весь процесс: насколько быстро система обнаруживает проблему, передает сигнал сотруднику и помогает устранить ее.
Даже самая точная модель не принесет результата, если работник магазина не успеет отреагировать на рекомендацию.
Компьютерное зрение меняет склады и магазины
Еще РѕРґРЅР° важная область применения Р?Р? – компьютерное зрение.
На складах камеры и алгоритмы машинного обучения анализируют движение товаров, контролируют правильность размещения грузов и выявляют повреждения.
Такие системы способны автоматически определить:
- неправильную укладку паллет;
- повреждение упаковки;
- нарушение правил безопасности;
- ошибки при комплектации заказа.
В торговых залах технологии помогают контролировать наличие товаров на полках и анализировать покупательские потоки.
Amazon развивает технологию Just Walk Out, которая позволяет покупателям брать товары и покидать магазин без традиционной кассы. За этим процессом стоят камеры, датчики и системы искусственного интеллекта, которые определяют выбранные товары и формируют покупку автоматически.
Однако речь пока не идет о полном отказе от сотрудников. Основная задача таких решений – убрать рутинные операции и ускорить обслуживание.
Р?Р? ускоряет приемку товаров
Один из самых практичных сценариев применения искусственного интеллекта – автоматизация приемки.
Во многих странах поставщики до сих пор используют бумажные документы. Раньше сотрудники вручную переносили данные из накладных в корпоративные системы.
Сегодня технологии распознавания документов позволяют автоматически извлекать:
- номера заказов;
- количество товара;
- коды продукции;
- суммы поставок.
Рто сокращает время обработки документов Рё снижает количество ошибок.
Российские компании также постепенно внедряют подобные решения. Например, использование машинного зрения при приемке продукции помогает ритейлерам быстрее выявлять несоответствия и уменьшать объем списаний.
Голосовые помощники выходят в кабины грузовиков
Еще РѕРґРЅРѕ направление развития Р?Р? РІ логистике – голосовые ассистенты для водителей.
Такие системы позволяют получать информацию о маршруте, статусе доставки и изменениях задания без необходимости отвлекаться на смартфон или планшет.
Для транспортных компаний это особенно важно, поскольку безопасность водителя остается одним из ключевых факторов.
Р?Р?-помощник может отвечать РЅР° РІРѕРїСЂРѕСЃС‹ РІ реальном времени, помогать взаимодействовать СЃ диспетчерами Рё анализировать возможные задержки.
Однако практика показывает, что голосовые технологии пока требуют серьезной доработки.
Например, McDonald's после нескольких лет тестирования отказалась РѕС‚ масштабного внедрения голосового Р?Р? для приема заказов РёР·-Р·Р° большого количества ошибок РІ реальных условиях – РїСЂРё шуме, разных акцентах Рё нестандартных запросах клиентов.
Агентный Р?Р? становится следующим этапом развития
Главное изменение последних лет заключается в переходе от простых чат-ботов к агентным системам.
Обычная нейросеть отвечает РЅР° запрос пользователя. Р?Р?-агент способен выполнить последовательность действий:
- найти информацию;
- проанализировать документы;
- обратиться к корпоративным системам;
- подготовить решение;
- запустить необходимый процесс.
В логистике такие системы уже используются для работы со спорами поставщиков, контроля операций и подготовки аналитики.
Например, агент может самостоятельно изучить историю поставки, проверить условия договора и предложить решение проблемы специалисту.
РџРѕ оценке Gartner, расходы РЅР° программное обеспечение для управления цепочками поставок СЃ агентным Р?Р? РјРѕРіСѓС‚ вырасти СЃ менее чем $2 млрд РІ 2025 РіРѕРґСѓ РґРѕ $53 млрд Рє 2030 РіРѕРґСѓ.
Цифровые двойники создают виртуальные копии бизнеса
Еще одно направление – цифровые двойники.
Рто виртуальные модели складов, магазинов Рё логистических центров, которые обновляются РІ режиме реального времени благодаря датчикам интернета вещей.
Компания может заранее проверить различные сценарии:
- что произойдет при увеличении потока заказов;
- как изменится работа склада после добавления нового оборудования;
- где возникнет узкое место при сбое одного из процессов.
Такие технологии позволяют принимать решения до того, как проблема появится в реальной системе.
Почему Р?Р? РЅРµ заменит людей полностью
Несмотря на быстрый рост технологий, искусственный интеллект пока остается инструментом усиления сотрудников, а не их полной замены.
Главная проблема заключается в том, что реальные бизнес-процессы намного сложнее тестовых условий.
Алгоритм может хорошо работать в лаборатории, но столкнуться с неожиданными ситуациями в реальном магазине или на складе.
Поэтому крупнейшие компании используют модель Human in the Loop – искусственный интеллект предлагает решение, но окончательное действие остается за человеком.
Будущее ритейла и логистики
Р?скусственный интеллект постепенно становится РЅРѕРІРѕР№ инфраструктурой бизнеса.
Р’ ближайшие РіРѕРґС‹ крупнейшие компании Р±СѓРґСѓС‚ развивать РЅРµ отдельные Р?Р?-сервисы, Р° целые экосистемы, РіРґРµ каждый сотрудник получает цифрового помощника, склад управляется РЅР° РѕСЃРЅРѕРІРµ данных, Р° цепочка поставок контролируется РІ реальном времени.
Главное изменение заключается не в появлении роботов вместо людей. Речь идет о переходе к модели, где решения принимаются быстрее, процессы становятся прозрачнее, а компании могут управлять огромными объемами операций с меньшими затратами.
Р?менно поэтому Р?Р? становится РѕРґРЅРёРј РёР· ключевых факторов конкурентоспособности РјРёСЂРѕРІРѕР№ логистики Рё розничной торговли.
Андрей Лапин, ТКС.РУ
Общение: Группа в Telegram,
Форум
Р?нформационные каналы:
Важные новости,
Все новости
