Применение ИИ в ритейле. Реальные примеры в России и зарубежом

Согласно опросам, проведенным среди американских ритейлеров, лишь около 40% из них постоянно используют ИИ в своих бизнес-процессах. С одной стороны, такая статистика означает, что к AI в ритейле отношение пока настороженное. С другой — именно сейчас, когда технологии уже обкатаны, первые шишки набиты, но массовости еще нет, самое время внедрять ИИ у себя, чтобы опередить конкурентов.

Приветствую! На связи Влад Кармаков, CEO компании по цифровой разработке Siberian.pro. Ранее у нас уже были материалы, посвященные технологиям искусственного интеллекта в e-commerce и традиционном ритейле. Давайте посмотрим свежим взглядом как на мировые тренды, так и на успехи российского ритейла на ниве применения технологий AI.

Прежде чем переходить к примерам (забегая вперед, там есть реально крутые!) я хочу обозначить один важный момент. Критики внедрения ИИ в различные бизнес-процессы часто о нем забывают и поэтому поспешно называют всю сферу ИИ хайпом и пирамидой.

Этот важный момент — данные. Вот почему искусственный интеллект в любых его проявлениях (LLM или классическое машинное обучение) так важен именно сейчас. Особенно в ритейле. Ведь сегодня как никогда до этого ритейлеры знают о своих покупателях едва ли не все. Они буквально завалены данными!

Что покупают клиенты, в какое время, с какой периодичностью, какие товары покупаются вместе, а какие — порознь, предпочтения по брендам и по географии магазинов. Цифровизация позволяет нарисовать детальный профиль человека, а затем сопоставить его с усредненными интересами других людей того же профиля и предложить товары, которые с высокой вероятностью ему тоже нужны. Собственно, это буквально главная причина разработки мобильного приложения для ритейлера.

Но одних данных мало. Важно правильно ими распорядиться. Проанализировать, найти паттерны, закономерности и инсайты. И на их основе принять решение. Грамотно развернутая автоматизация на базе искусственного интеллекта позволяет извлечь максимум потенциала из собранных данных. Как? Вот давайте на это и посмотрим.

Весной 2025 года eBay анонсировал появление ИИ-помощника в своем мобильном приложении. Новость не то чтобы шокирующая: на тот момент те или иные интерфейсы к генеративным AI уже были встроены чуть ли не в каждый второй утюг.

Нюанс в том, что в случае eBay нейросеть ориентируется не только на запрос пользователя, но и на предыдущий контекст его покупок, вишлист и профиль. Получается точечная гиперперсонализация каталога товаров, который в реальном времени создается под конкретного пользователя.

По сути, это дальнейшее развитие рекомендательного механизма, который компания внедрила годом ранее, тоже на основе ИИ. Тогда пользователь мог комбинировать разные товары с помощью ИИ, чтобы посмотреть, как они сочетаются. Сейчас AI-агент сразу предложит подходящие именно этому клиенту варианты на основе его запроса и предпочтений.

Аналогичные решения внедряют европейские ритейлеры Mango, Marks & Spencer и многие другие. А вот в России дельные рекомендации в e-commerce приложениях и онлайн-магазинах — пока редкость. 

По данным исследования Retail Rocket Group, только 6% наших соотечественников всегда обращают внимание на рекомендованные товары. Еще 19% делают это часто, 31% — лишь изредка, когда что-то заинтересует. Пятая часть всех покупателей не смотрит рекомендации вообще никогда. А 66% опрошенных заявили, что рекомендации не соответствуют их интересам. 

Это катастрофа для ритейлера! По существу, речь идет о том, что двум третям своей ЦА магазины не могут дополнительно ничего продать. Не умеют.

Между тем, хорошую рекомендательную систему покупатели называют важным фактором выбора магазина и готовы покупать больше, если рекомендации будут дельные. А применение AI-технологий как раз и позволяет такую систему создать.

Похожий кейс есть у другого e-commerce гиганта, ориентированного на продажу кастомных изделий ручной работы. Компания Etsy применяет ИИ для персонализации сообщений пользователям, включая маркетинговые рассылки и push-уведомления.

По словам CEO компании, после внедрения инструмента вовлеченность клиентов выросла почти вдвое. И, кстати, внедрить такую штуку довольно просто, даже если у вас пока нет миллиардных оборотов: по сути нужна лишь интеграция с LLM типа Яндекс GPT и привязка к прошлым покупкам пользователя через связку MCP-агентов и RAG. Мы в Siberian.pro такое делаем.

Кстати, Amazon вообще довел эту историю до логического завершения. В их приложении с помощью можно и примерить, и получить рекомендации и сразу купить товар, причем не только на самом Амазоне, но и в других магазинах. Налицо попытка укутать пользователя в уютное одеяло супераппа и никогда не отпускать. Кстати, про суперприложения — что это и зачем они вам нужны — у нас недавно была отличная статья.

В 2025 году Walmart, который уже давно заслужил репутацию «тягача» всего американского ритейла, опубликовал новость. Интегрированная в процессы закупки продовольственного сырья ИИ-система не только автоматически анализирует текущие цены, но и прогнозирует их изменение с учетом климатических факторов, вплоть до погоды в регионе произрастания.

В основе — AI-платформа Helios на базе как традиционных AI/ML-моделей, так и LLM. Система анализирует цены на продовольственных биржах, расценки на транспорт, климатические изменения и десятки других факторов и мгновенно выдает подробную аналитическую информацию.

Если вы все еще думаете, что ИИ — это лишь хайп, и использование AI в ритейле обусловлено модой, то вот вам интересный факт. Недавнее подорожание зёрен какао система Helios AI сумела предсказать на пять недель раньше всех остальных, дав ритейлерам (включая Walmart) время на проведение необходимых защитных мер.

К слову, учет всего многообразия факторов является сегодня важным трендом и в фудтехе. Я рассказывал об этом в статье про тренды в разработке мобильных приложений ресторанов и доставки.

Предыдущие примеры были про крупный ритейл. Я бы даже сказал — мегаритейл. А что насчет небольших и средних компаний? Региональных сетей гастрономов, цветочных магазинов, нишевых маркетплейсов? В общем, всех, у кого нет пары миллионов долларов на внедрение мощных AI-решений.

Для малого ритейл-бизнеса есть вариант использования чатботов. Этот способ применения AI в ритейле уже вроде бы и не совсем новый. Техподдержка и чатботы — это уже мем.

Однако именно современные нейросети вывели клиентское обслуживание на качественно новый уровень. В отличие от тупления традиционного бота, ИИ-чатбот действует умнее. В основе — обученная нейросеть (облачная или on-premise) с подключенным через технологию RAG доступом к прошлым и текущим заказам клиента.

Работает так: клиент задает вопрос в обычной форме на естественном языке. Языковая модель понимает смысл вопроса, затем система через RAG дополняет контекст важными для формирования ответа данными и вновь формирует внутренний запрос к LLM, чтобы та ответила клиенту. Я подробно разбирал все плюсы технологии RAG в этом материале, посмотрите.

Подобные ИИ-чаты применяются у многих ритейлеров в России и за рубежом. Про Россию тоже сейчас расскажу, а вот представители британского Wellness-ритейлера Holland & Barrett уже назвали генеративный AI одним из лучших инструментов для повышения качества обслуживания своих клиентов.

В целом интерес даже небольших магазинов к искусственному интеллекту понятен. Согласно опросам, 63% опрошенных владельцев бизнеса убеждены, что применение AI в ритейле позитивно скажется на лояльности клиентов, уровне retention и lifetime value (LTV). Разделяю эти взгляды.

Логистика — это кровеносная система ритейла. Неудивительно, что именно здесь сосредотачивается большинство нововведений. Европейский ритейлер Tesco применяет AI для прогнозирования спроса и последующей оптимизации цепочки снабжения магазинов. Система в реальном времени отслеживает местонахождение контейнеров и автомобилей, рассчитывает ETA и тем самым помогает менеджерам своевременно восполнять запасы и мгновенно устранять возникающие неприятности. 

Строго говоря, здесь задействованы не только AI и машинное обучение, но и полноценная цифровая платформа, мобильное приложение, элементы IoT. В общем, целая цифровая экосистема.

Многие западные ритейлеры торопятся внедрять решения на базе генеративного ИИ (Gemini, ChatGPT и др.) в свои приложения.

Например, магазин товаров для дома Lowe использует ассистента для ответов на вопросы клиентов, советов по планировке интерьера и подбора подходящих товаров, исходя из контекста вопроса.

А ассистент Hopla французской сети продуктовых магазинов Carrefour (переводится «перекресток») может собрать корзину на основе диалога с пользователем. «У нас тут планируется вечеринка на 6 человек, что можно приготовить?»

К слову о перекрестке. Давайте посмотрим на российские примеры применения ИИ в ритейле.

X5 Group относится к технологиям искусственного интеллекта серьезно. В рамках группы существует отдельное направление, X5 Tech, занятое преимущественно внедрением ИИ в различные бизнес-процессы.

С помощью GPT в компании ускоряют различные рутинные операции: составление писем и отчетов, аналитику. Внедряются ИИ-решения для прогноза спроса и управления цепочками поставок, аналогичные западным. В 2024 году компания начала тестировать роботизацию складов на базе распределительного центра X5 в Подольске.

И если последнее технологическое решение — это довольно дорого, то автоматизация офисной рутины с помощью ИИ, напротив, вполне доступна даже небольшим торговым сетям. «Перекрёсток» уже выручил более 5 млрд. руб в год за счет внедрения ИИ. Ритейлер регионального масштаба может рассчитывать на десятки миллионов выгоды, при том, что стоимость LLM-решения составит лишь несколько сотен тысяч.

Одно из важных отличий ритейла от других бизнесов — огромное число SKU. И для каждого нужна карточка товара, ценник, и множество других шаблонных, но важных документов.

Многие российские ритейлеры используют генеративный AI для автоматизации этого процесса. Так, в «Лемана ПРО» («Леруа Мерлен»), ИИ используется на сайте для написания карточек товаров. Это уже позволило сократить стоимость создания одной карточки на 95% и значительно ускорить появление описаний товаров на сайте.

Здесь вновь нужно напомнить о существовании технологии RAG, позволяющей исключить галлюцинации нейросети. О том, что такое RAG и какая от него польза бизнесу, я как-то рассказывал.

Очень крутой кейс на стыке компьютерного зрения и искусственного интеллекта.

А суть при этом очень простая. Сотрудник подходит к стеллажу, фотографирует его приложением и через пару секунд получает от ИИ полный анализ выкладки:

• ошибочно выставленный товар;
• отсутствующий товар;
• ошибки оборудования (не горит свет на витрине или нет ценника);
• соответствие реальной выкладки запланированной.

Раньше сотрудники делали это по-старинке: просто ходили от стеллажа к стеллажу с бумажной планограммой. Сегодня это выглядит так:

Удобнее? Да. Быстрее? Намного. По данным «Магнита», благодаря такой системе доступность товаров выросла на 95%, а число ошибок уменьшилось. У Siberian.pro в портфолио тоже есть опыт разработки подобных мобильных приложений для ритейла. Например, мы делали приложение для облегчения работы сборщиков ритейлера SPAR.

Как видно из примеров, современный искусственный интеллект приносит вполне осязаемую пользу ритейлерам, причем как специализированным, так и «широкого спектра действия». Давайте подытожим, что это за польза:

• Работа с отзывами. Анализ тысяч отзывов вручную — крайне трудоемкое дело. А LLM справится за минуту и выдаст детальный отчет с конкретным описанием проблем, упомянутых в отзывах.

• Автоматизация офисных задач. Составление презентаций, отчетов, писем, внутренняя коммуникация. Здесь ИИ вне конкуренции.
• Применение ИИ в HR-процессах ритейлера. Оформление отпусков и больничных — это существенная нагрузка на кадровый отдел, которую можно легко сократить с помощью ИИ-ассистента для HR.
• Персонализация рекомендаций. Лента товаров, идеально соответствующая интересам и нуждам клиента, помогает поднять доп.продажи на десятки процентов. А если сделать грамотно, то клиенты даже скажут спасибо.
• Предиктивная аналитика и формирование цены. Здесь мы вступаем на территорию AI/ML-решений. Анализируйте спрос, адаптируйте цены, увеличивайте маржу.
• ИИ-чат-боты. Сокращайте нагрузку на поддержку и получайте ценные инсайты из первых рук.
• Мобильное приложение с ИИ-функциями. Клиентам — подбор товаров в форме диалога с ИИ. Сотрудникам — упрощение работы с выкладкой товара или быстрая приемка на складе.

Допустим, я вас убедил: применять ИИ в ритейле можно и нужно. С чего начать, если вы не Walmart и даже не X5 Group?

Начните с декомпозиции бизнес-процессов вашего магазина. Найдите узкие места, выберите стек технологий и запустите пилот. После получения первых результатов — масштабируйте решение. Запускать подобные проекты in-house сложно, поэтому стоит найти грамотного подрядчика с опытом внедрения ИИ.

Звучит общо, я знаю. Поэтому я написал подробный гид по внедрению ИИ. Еще более развернутая инструкция с техническими нюансами есть в нашем блоге на Хабре. Обязательно почитайте. Или просто пишите нам напрямую, мы с радостью ответим на все ваши вопросы и подберем оптимальное решение.