Невидимый сотрудник: как искусственный интеллект берет под контроль полки, кассы и графики

О том, как в решении этой задачи помогает искусственный интеллект, рассказывает Тимур Шаяхмедов, старший менеджер практики «Розничная торговля» компании Axenix. 

Реки данных  — в ИИ русло 

Современный магазин генерирует потоки самых разнообразных данных. Видеокамеры фиксируют трафик в торговых залах и поведение покупателей, кассы непрерывно обрабатывают транзакции, сканеры регистрируют перемещения товаров, а телеметрия с холодильников, весов и кассового оборудования отражает состояние инфраструктуры. Системы планирования и учета сотрудников дополняют картину сведениями о загрузке персонала. 

Этот массив информации зачастую хаотичен и разрознен. Однако в нем скрыт огромный потенциал для оптимизации: от управления запасами до прогнозирования спроса и персонализации клиентского опыта. Искусственный интеллект позволяет извлекать смысл из «сырых» данных, устанавливая неочевидные связи между событиями.  

Можно выделить пять основных групп сценариев применения ИИ в операциях магазинов.

1. Выкладка и запасы: наличие товара на полке и на складе магазина, свежесть;

2. Покупательский опыт: контроль очередей, умные весы, работа с отзывами;

3. Управление персоналом и задачами: составление расписания и назначение задач сотрудникам;

4. Управление рисками и безопасность: потери, фрод,  законодательные ограничения;

5. Торговое и инженерное оборудование, коммунальные услуги: мониторинг работы оборудования, потребления электроэнергии и пр.


@Freepik (лицензия INV-C-2024-8250540)

Контроль товаров и клиентский опыт: эффективнее выкладывать,  в 3 раза быстрее взвешивать

Одно из наиболее зрелых направлений применения искусственного интеллекта в ритейле — контроль наличия и качества товаров. Эти кейсы уже давно прошли стадии пилотов и активно применяются ритейлерами, так как показали высокую эффективность.

Например, в прошлом году «Супер Лента» сообщила о том, что система отслеживания товара на полках позволила сотрудникам сэкономить 40% рабочего времени, которое они тратили на выкладку и доставку до полки.

Подробнее остановимся на следующем направлении — улучшении покупательского опыта. Здесь ИИ-инструменты распознают очереди на кассах и сигнализируют, когда необходимо открыть дополнительную, а также контролируют чистоту помещений и соблюдение стандартов обслуживания.

Так, X5 тестирует в супермаркетах «Перекрёсток» систему «умных» камер, позволяющую анализировать различные метрики, влияющие на клиентский опыт. Система отслеживает покупательский трафик, распознает очереди на кассах, заканчивающиеся товары на полках, а также предпочтения покупателей. 

В супермаркетах и суперсторах «Магнита» на кассах самообслуживания используют технологию «умных» весов. С помощью ИИ происходит автоматическое распознавание продукта, который взвешивает покупатель, что позволяет ускорить процесс взвешивания в среднем в 3 раза и повысить качество обслуживания. 

Недавно сообщалось, что «умными» весами оснащены торговые залы во всех супермаркетах и суперсторах сети — всего примерно в 450 торговых точках. Также началось тестирование технологии и в магазинах формата «у дома». По итогам будет принято решение о возможности ее масштабирования на 13 тыс. таких магазинов. 


@Freepik (лицензия INV-C-2024-8250540)

Fix Price летом 2025 года завершила проект по внедрению многофункциональной системы видеоаналитики во всех своих магазинах (более чем в 7 тыс. торговых точек) на всех рынках присутствия сети. Ритейлер уточняет, что применение генеративного искусственного интеллекта позволило повысить скорость обработки данных и оперативно обнаруживать и решать различные проблемы, возникающие в торговых залах — например, загроможденность проходов или повреждение покрытия.

Ещё один интересный кейс использования ИИ для повышения качества сервиса — работа с отзывами. В «Магните» модель научили выявлять комментарии, связанные с проблемой или претензией, определять их критичность и автоматически создавать задачи для конкретного магазина (например, «провести дезинфекцию»). 

Магазин, получив уведомление о задаче, должен реализовать необходимые мероприятия и отчитаться в системе о выполнении. Отмечается, что клиенты, получившие обратную связь на свой отзыв, показывают существенный рост среднего чека и чаще возвращаются в ту торговую точку, где решили их проблему. 

Прогноз загруженности и планирование: сократить расчет смен в 3 раза 

Для ритейла, где дефицит персонала ощущается все острее, а стоимость его работы постоянно растет, точное распределение ресурсов становится ключевым фактором эффективности. ИИ позволяет учитывать десятки переменных, от времени суток и дня недели до погодных условий, маркетинговых акций и логистических ограничений. Это позволяет составлять динамичные графики и гибко адаптировать их под текущую ситуацию в торговом зале.

Летом 2025 года Walmart сообщил о том, что внедрил в своем приложении для сотрудников инструмент на основе ИИ. Он анализирует задачи человека и приоритизирует их, в затем помогает понять, на чем в данный момент следует сосредоточить свои усилия. Сейчас этот инструмент тестируется в ряде магазинов. Предварительные итоги показывают, что он помог сократить время, которое руководители групп тратят на планирование смен, с 90 до 30 минут.  

Американская сеть ювелирных магазинов Helzberg Diamonds внедрила ИИ-платформу для управления трудовыми ресурсами, что позволило предложить сотрудникам магазинов более гибкий график работы, а менеджеры стали тратить на составление графиков на 66 % меньше времени.


@Freepik (лицензия INV-C-2024-8250540)

В России «Магнит» в прошлом году запустил систему расчета оптимальной численности персонала магазинов. Решение позволяет перераспределять сотрудников в те торговые точки, где наблюдается нехватка персонала. Система учитывает большое количество параметров, включая трафик и оборот магазинов, и выдает рекомендации оптимального количества человеко-часов для каждой точки. 

Сообщалось, что решение теперь действует во всех магазинах «у дома». Такое масштабирование обеспечило сети экономию в 1,2% человеко-часов. Ожидаемый экономический эффект от внедрения новой технологии в 2025-2026 гг. оценивается более чем в 1 млрд руб.

Ритейлер сообщал и о планах протестировать функционал оптимального распределения смен в ходе рабочего дня.

---

Читайте также: Меньше маркетплейсов, больше ИИ: тренды e-commerce на 2026

---

Снижение потерь и контроль рисков: предотвратить кражи на миллиарды рублей

Другая группа сценариев применения ИИ – это минимизация потерь и контроль рисков:

● Аномальные транзакции на кассе;

● Подозрительные паттерны поведения в торговом зале и на кассах/КСО;

● Контроль соблюдения торгового законодательства.

Система анализирует кассовые события и подсвечивает «нетипичные» действия: слишком много отмен, частые ручные скидки, возвраты без товара/покупателя, подозрительные купоны и т. п. Оптимально, когда это сопоставляется с видео, чтобы сразу получить доказательную картину того, что было на самом деле.

ИИ здесь может увидеть то, что глазами обнаружить сложно. Например, высокий процент отмен у кассира: скажем, не в 3 раза (что было бы легко заметить), а в 1,7 раз, причем в конкретные часы и по конкретным товарным группам. Или межмагазинный паттерн: однотипные возвраты сразу в нескольких точках.

Сегодня в магазинах установлены десятки камер, и физически следить за таким видеопотоком проблематично. ИИ решает эту проблему, автоматически выявляя нестандартные ситуации и фокусируя на них внимание. 


@Freepik (лицензия INV-C-2024-8250540)

Компания Kroger нашла эффективное решение в сочетании компьютерного зрения и других алгоритмов ИИ. Интеллектуальная платформа оценивает поведение покупателей и сотрудников магазинов на кассах самообслуживания и сигнализирует при возникновении нетипичных ситуаций. 

Платформа собирает огромные объемы неструктурированной видеоинформации, которая интегрируется со структурированными потоками данных касс и анализируется в режиме реального времени. 

ИИ помогает выстроить закономерности и объединять в один или несколько общих паттернов большое количество мелких аномальных ситуаций, которые в рамках отдельного магазина могут выглядеть как единичные и несвязанные случаи. 

По данным компании BIT, за последние 5 лет число попыток краж в российских магазинах увеличивается ежегодно в среднем на 5-7%. Решение компании на основе ИИ предотвратило кражи в торговых залах на более чем 2,2 млрд рублей в январе-августе 2025 года. Система, внедренная более чем в 10 тысячах магазинов, в режиме реального времени анализирует видеопоток с камер наблюдения, распознает подозрительные действия и оповещает сотрудников.

ИИ помогает ускорить и сделать процесс проверки возраста, например, при продаже алкоголя или сигарет, более комфортным для покупателей. Точность  ИИ в распознавании возраста по лицу выше, чем в среднем у человека. Опыт Edeka в Германии показал, что такая система способствует значительному сокращению отвлечения персонала для подтверждения возраста и снижению числа конфликтов с покупателями. 

Обслуживание оборудования: снизить количество ремонтов и простои

Любая торговая точка — сложный технический комплекс, где работают холодильники, печи, системы кондиционирования, освещения и безопасности. Их бесперебойная работа напрямую влияет на выручку и качество обслуживания: сбой холодильного оборудования может обернуться не только порчей товаров, но и финансовыми потерями, а неисправность климатической системы снижает комфорт для покупателей и персонала в помещении.

ИИ способен анализировать телеметрию с десятков датчиков, фиксировать отклонения и предсказывать возможные поломки задолго до того, как они станут критическими. На основе таких данных система формирует прогнозы по износу узлов, оптимизирует режимы работы оборудования и помогает техническим специалистам планировать обслуживание не по регламенту, а по реальному состоянию устройств. 


@Freepik (лицензия INV-C-2024-8250540)

Это не просто профилактика, а переход к предиктивной модели эксплуатации, где простои минимизируются, а энергозатраты снижаются за счет точной настройки параметров.

Такой сценарий использования ИИ пока не слишком распространен в России. Однако зарубежные кейсы подтверждают эффективность такого подхода. Например, у крупной американской сети продуктовых магазинов до 90 % всех обращений в сервисную службу приходилось на холодильное оборудование. 

Команда по управлению объектами была постоянно занята устранением аварийных сигналов и чрезвычайных ситуаций. В итоге сеть приняла решение внедрить в 115 своих магазинах модуль предиктивного обслуживания на базе ИИ. Благодаря этому удалось выявить сотни аномалий до наступления аварий, значительно сократить количество экстренных вызовов и получить 860 тыс. долл. прямой экономии.

В Швеции ритейлер ICA начал использовать «умные» холодильные шкафы с оповещениями о необходимости профилактического обслуживания. Результатами стало сокращение внеплановых ремонтов на 40 % и заметное снижение потерь продукции.

В недалеком будущем ИИ будет пронизывать и видеть все операции магазина. Конечно, эти технологии требуют заметных инвестиций, но при этом они повышают прозрачность и эффективность операций, в конечном итоге улучшая экономику  магазинов.

Для этого стоит выстроить дорожную карту интеллектуализации магазинов, приоритизировав внедрение кейсов. Кейсы, дающие самую быструю экономическую отдачу – контроль наличия и свежести товара на полке, очередей, обнаружение антифрода. Это достаточно распространенные сценарии, которые напрямую влияют на выручку и хорошо масштабируются.

Ритейлеры, которые сумеют быстрее других внедрить и масштабировать ИИ-инструменты в операции магазинов, зададут новые стандарты для всей отрасли.

Тимур Шаяхмедов, 
старший менеджер практики «Розничная торговля» компании Axenix. 

Для NEW RETAIL