Глобальный опыт: что делают крупные игроки
Международные компании применяют ИИ широко. Речь не про одну-две функции, а про десятки точек контакта с клиентом и внутренними процессами.
Работа с клиентами
Алгоритмы машинного обучения анализируют поведение покупателя, историю заказов, предпочтения. На выходе получаются персональные рекомендации, которые реально повышают конверсию и возвращаемость клиентов. Alibaba запустила сервис AIRec именно для этого. На китайском рынке серьезная конкуренция — без качественных рекомендаций продавцы теряют клиента.
Визуальный поиск стал нормой для мобильной коммерции. Загрузил фотографию кроссовок — система нашла похожие модели. Для телефона это удобнее текстового поиска.
Чат-боты и виртуальные помощники работают круглосуточно. Отвечают на вопросы, помогают выбрать товар, решают проблемы после покупки. Нагрузка на классические кол-центры падает.
Логистика и склады
Прогнозирование спроса приносит компаниям самую высокую отдачу от вложений в ИИ. Система смотрит на исторические данные, сезонность, внешние факторы. Предсказывает, сколько и какой товар купят. Ретейлеры планируют закупки, тем самым уменьшают потерю товара.
Walmart поставил в магазинах роботов со сканерами. Они проверяют остатки товаров на полках в реальном времени. Система понимает, когда нужно пополнить склад, где оптимально разместить товар, как сократить отходы. Для скоропортящихся продуктов это критично.
Amazon пошел дальше. Их модели прогнозируют не просто спрос, а какой товар, где и когда понадобится конкретным клиентам. Точность впечатляет.
Цены и ассортимент
Динамическое ценообразование реагирует на спрос, остатки, цены конкурентов. Корректировка идет в реальном времени. ИИ подсказывает, какой ассортимент нужен конкретному магазину или региону. Локальный спрос может сильно отличаться.
Я посмотрел на то, что дают эти технологии международным компаниям. Результаты измеримы:
Что дает ИИ в разных областях
Управление клиентским опытом (персональные рекомендации, визуальный поиск) повышает конверсию и лояльность. Примеры: Salesforce Commerce Cloud, Alibaba AIRec.
Логистика и склады (прогноз спроса, маршруты, складские операции) сокращают потери и затраты, повышают точность.
Автоматизация операций (генерация описаний товаров, автоматизация закупок через генеративный ИИ) ускоряет вывод продукта на рынок.
Снижение рисков (компьютерное зрение против краж и мошенничества) уменьшает потери и расходы на ручной контроль.
Генеративный ИИ и автономные агенты
Генеративный ИИ и агентный ИИ стоят на ступень выше того, о чём я говорил раньше. Здесь речь уже не про рекомендации или прогнозы. Системы берут на себя задачи, которые раньше требовали человека. Причем не рутину «скопировать-вставить», а работу с текстом, принятие решений, многошаговые действия.
Контент больше не узкое место
Генеративный ИИ изменил то, как компании работают с текстами и документами. Платформа Marco от Alibaba International справляется с более чем 60 задачами. Загружаешь фотографию товара, система пишет описание. Нужен промотекст? Готово за секунды. Marco генерирует почти 40% всех описаний продуктов на международных площадках Alibaba. Удовлетворенность пользователей в европейских языковых зонах выросла на 30%.
Я видел, как раньше компании тратили недели на создание карточек товаров. Сейчас этот цикл можно сократить вдвое. Генеративный ИИ пишет тендерные брифы, суммирует условия контрактов с поставщиками, формирует заказы на покупку. Административная работа, которая раньше съедала время, теперь занимает минуты.
Есть еще одна вещь, о которой говорят реже. Генеративный ИИ создает синтетические данные для обучения моделей машинного обучения. Когда у компании мало реальных данных или когда они не сбалансированы или содержат конфиденциальную информацию, синтетика решает проблему.
Агенты, которые работают сами
Агентный ИИ выполняет сложные задачи без постоянного контроля человека. Amazon разработал систему, где роботы на складах понимают команды на естественном языке. Один робот может выполнять несколько заданий одновременно. Безопасность сотрудников растет, доставка ускоряется за счет умной перемаршрутизации. Система Wellspring от Amazon применяет генеративный ИИ для точного определения адресов доставки. Последняя миля становится предсказуемее.
Alibaba пошла по пути специализированных агентов. Intelligent Refund Agent анализирует рыночные данные и предлагает решения по возвратам. Расходы сократились на 15%. HS Code Agent автоматизирует классификацию таможенных кодов, точность выросла на 23%. Merchant Recruitment Agent почти удвоил конверсию email-лидов от потенциальных продавцов.
Автономные системы масштабируют не просто повторяющиеся действия, а интеллектуальные функции. Прогнозы показывают рост производительности на 20–30%.
Российский рынок: цифры и реальность
Рост есть, вопросы остаются
Российский рынок ИИ в 2024 году достиг 305 млрд рублей. Годовой рост составил 36%. Цифры впечатляют, особенно с учетом геополитической ситуации и санкций.
Развитие идет по гибридной модели. Государство вкладывает деньги (на федеральный проект «Искусственный интеллект» в 2025 году выделено 7,7 млрд рублей), частный бизнес тоже инвестирует. Но картина неравномерная: 68% всех российских ИИ-компаний находятся в Москве, еще 11% в Санкт-Петербурге. География концентрированная.
E-commerce и традиционный ретейл: два разных мира
Когда я смотрел на российский рынок, меня поразила одна вещь. E-commerce компании и традиционные ретейлеры живут в разных реальностях относительно ИИ.
Для интернет-магазинов ИИ уже часть стратегии. Внедрение идет по всем функциям, экономический эффект измеримый. Традиционные ретейлеры застряли на этапе экспериментов. Пробуют там, пробуют тут, но системного подхода нет.
Разница видна в инвестициях. Каждый второй традиционный ретейлер выделяет на ИИ до 2% бюджета на цифровизацию. E-commerce компании тратят 3–5%. Звучит не так драматично? Смотрите на генеративный ИИ. 67% e-commerce компаний активно применяют генеративный ИИ. Среди традиционных ретейлеров этот показатель меньше 10%.
Половина e-commerce игроков включила генеративный ИИ в стратегию. У традиционного ретейла эта цифра 8%.
Ожидания тоже разные. Оба сектора хотят снизить издержки и повысить лояльность. Но e-commerce компании ставят еще одну цель — увеличить стоимость продуктов за счет ИИ. Традиционный ретейл с консервативным подходом фокусируется на базовых метриках.
Если сравнить российский e-commerce и традиционный ретейл по ИИ, получается такая картина. E-commerce видит ИИ как стратегию, внедряет сквозь все процессы, получает реальный экономический эффект. Традиционные ретейлеры экспериментируют. Генеративный ИИ у e-commerce применяют 67% компаний, у традиционного ретейла — меньше 10%. Инвестиции e-commerce составляют 3–5% бюджета цифровизации, традиционный ретейл тратит до 2%. Ожидаемые выгоды: e-commerce хочет снизить издержки, повысить лояльность и увеличить стоимость продукта, традиционный ретейл смотрит только на издержки и лояльность.
Замкнутый круг недофинансирования
Традиционные ретейлеры относятся к ИИ как к эксперименту. Эта позиция запускает цикл, из которого сложно вырваться.
Компания выделяет на ИИ до 2% бюджета на цифровизацию. На эти деньги не наймешь сильных специалистов. Не внедришь серьезные решения наподобие генеративного ИИ. Получишь минимальный результат, который только подтверждает первоначальный скептицизм.
Из-за скромного финансирования внедрение генеративного ИИ остается ниже 10%, а ведь именно генеративный ИИ повышает ценность продукта через качественный персонализированный контент. E-commerce лидеры это уже поняли. Традиционные ретейлеры застряли на сокращении издержек. Они улучшают операционную работу на проценты, но не создают стратегического преимущества через ценность для клиента. Технологический разрыв с e-commerce только растет.
Проблема кадров выглядит по-разному
Главные барьеры для внедрения ИИ в России, если верить опросам, — это нехватка квалифицированных людей и дефицит готовых решений. Но эту проблему лидеры и отстающие видят совсем по-разному.
E-commerce компании с бюджетом 3–5% и сильными IT-командами решают вопрос аутсорсингом или собственной разработкой. У них проблема в том, что специалисты дорогие. Но специалисты есть, особенно в Москве и Питере, где сосредоточены ИИ-компании.
Традиционный ретейл не может содержать мощные IT-отделы. Дорогой индивидуальный аутсорсинг тоже не по карману. Им нужны простые, типовые продукты, которые легко интегрировать. Такие, что не требуют огромных стартовых вложений в инфраструктуру и наём узких специалистов.
Но таких продуктов на рынке мало. Консервативные инвестиции напрямую усугубляют проблему доступности решений. Круг замыкается.
Что уже работает в России
Российские ретейлеры, несмотря на осторожность с бюджетами, внедряют ИИ там, где отдача видна быстро: операции, склады, безопасность.
Камеры против краж
Продовольственный ретейл работает с маленькой маржой. Конкуренция высокая. Потери от краж бьют по прибыли напрямую. Компьютерное зрение помогает бороться с этим в реальном времени.
ИИ-системы на видео работают как виртуальная метка на каждом товаре. Камеры следят за полками, выходами, кассами самообслуживания. Именно на кассах самообслуживания риски самые высокие. Готовые решения на российском рынке сокращают время расследования инцидентов с часов до минут. Экономический эффект понятен и измеряем. Даже консервативные инвесторы видят смысл.
Как найти людей быстрее
Крупные компании применяют ИИ для внутренних задач. Magnit внедрил платформу, которая упрощает работу с персоналом. Система сокращает расходы на временных работников и ускоряет наём. Рутинные операции минимизированы, данные об оплате труда берутся из глобальных баз.
Это переход к умному управлению внутренними процессами. Для компаний с большим штатом такие решения имеют смысл.
Машинное обучение стало нормой
Базовые алгоритмы машинного обучения применяют все. Абсолютно все опрошенные российские компании, e-commerce и традиционный ретейл, работают с ML. Прогнозирование продаж, оценка рекламных кампаний стали обычной практикой.
Водораздел проходит дальше. Генеративный ИИ и агентный ИИ разделяют лидеров и отстающих.
На что смотреть дальше
Доверие решает всё
Для масштабирования ИИ-решений, которые работают с большими объемами персональных данных, нужно доверие клиентов. Глубокая персонализация требует информации. Готовы ли покупатели делиться данными? Зависит от того, насколько они доверяют ретейлеру.
Ответственный ИИ тут не этический вопрос. Это коммерция. Без прозрачности и соблюдения правил надежные масштабируемые ИИ-стратегии не построить.
Отдача от вложений
Глобальные цифры подтверждают, что ИИ дает ценность на разных уровнях. Успех зависит от видения руководства, а не просто от факта внедрения технологии. Генеративный ИИ и агентные системы меняют операционную работу компаний. Прогнозы говорят, что они могут фактически удвоить рабочую силу и сократить циклы разработки новых продуктов.
ИИ растит прибыль. Но это еще и устойчивость бизнеса, и скорость выхода на рынок.
Как выйти из тупика
Традиционному российскому ретейлу нужно пересмотреть инвестиции. Порог в 2% бюджета на цифровизацию не работает. Переход от экспериментов к стратегическому внедрению ИИ через все процессы станет единственным способом остаться конкурентным надолго.
Фокус должен сдвинуться. Не ИИ как инструмент для сокращения издержек, а ИИ как способ создать ценность продукта. Российские лидеры e-commerce уже приняли эту модель.
Время действовать
ИИ полностью изменил розничную торговлю. Amazon и Alibaba применяют генеративный ИИ и агентные системы для беспрецедентной работы логистики, контента, обслуживания клиентов. Глобальный стандарт технологической зрелости высок.
Российский рынок ИИ растет на 36% в год. Объем достиг 305 млрд рублей в 2024 году. Но внутри рынка сильная поляризация. E-commerce выступает локомотивом, инвестирует 3–5% и широко применяет генеративный ИИ. Традиционный ретейл инвестирует до 2% бюджета и застрял на экспериментах. Отставание в генеративном ИИ критическое: меньше 10% проникновения против 67% у e-commerce.
Отставание не связано с полным отсутствием ИИ-специалистов или технологий в стране. Консервативный сектор просто не может инвестировать в дорогие кастомные решения, которые требуют сильных внутренних IT-команд.
Для традиционных российских ретейлеров сохранение консервативного подхода к инвестициям в ИИ несет риск. Технологический разрыв может стать необратимым. Конкурентоспособность завтра будет определяться способностью создавать ценность продукта через ИИ и новые бизнес-модели, а не только сокращать расходы.
Будущий успех российского ретейла зависит от баланса: государственная поддержка, частные инвестиции и быстрый переход от экспериментов к стратегическому внедрению ИИ через все процессы.
