От хаоса к алгоритму: как искусственный интеллект формирует заявки поставщикам в супермаркете

В ритейле есть золотое правило, которое знает каждый управляющий магазином: пустая полка — это потерянные деньги и лояльность. Раньше процесс пополнения запасов напоминал лотерею или бесконечную гонку за цифрами в Excel. Сегодня эту рутину берет на себя искусственный интеллект, превращая управление ассортиментом из искусства в точную науку.

Как ИИ понимает, что пора заказывать молоко?

Традиционные методы прогнозирования опирались на простую статистику продаж за прошлый период. Но жизнь магазина гораздо сложнее: сегодня прошел дождь — люди купили меньше мороженого, завтра по телевизору покажут фильм о Франции — взлетит спрос на багеты и сыры, а послезавтра начнется школьный сезон — родителям понадобятся соки и ланч-боксы.

ИИ-системы анализируют сотни таких факторов одновременно:

• Исторические данные: не просто «сколько продали», но и с какой скоростью товар уходил с полки в конкретные часы.
• Внешние факторы: погода (температура напрямую влияет на продажи напитков), праздники, локальные события (концерты рядом с гипермаркетом).
• Маркетинговая активность: влияние текущих акций, промокодов и скидок на спрос.
• Перекрестная эластичность: если мы снизим цену на кетчуп, вырастет ли спрос на замороженный картофель фри? Алгоритм знает ответ.

На основе этого анализа нейросеть строит точный прогноз спроса для каждого конкретного SKU (товарной позиции) в каждом конкретном магазине. Это позволяет избежать двух главных бед розницы: затоваривания склада скоропортящимися продуктами и дефицита популярных товаров.

Путь от прогноза до коробки на складе

Когда модель определила, что через три дня в «Пятерочке» на улице Ленина закончится гречка, запускается цепочка автоматизации заявок:

1. Интеллектуальный подбор поставщика

У крупной сети могут быть десятки поставщиков одной и той же категории товаров. У кого-то дешевле, у другого — быстрее доставка, третий дает отсрочку платежа. 
ИИ-агент автоматически сканирует актуальные прайс-листы и условия контрактов. Он оценивает надежность контрагентов, историю их поставок и финансовые риски. Если раньше категорийный менеджер тратил дни на поиск оптимального товара по ТЗ, то ИИ делает это за часы, формируя шорт-лист лучших предложений[2].

2. Автономное формирование заказа

Система сама создает черновик заявки в ERP-системе. Она учитывает минимальные партии отгрузки, кратность упаковки (коробками, а не поштучно) и логистическое плечо. 

3. Коммуникация без участия человека

Это один из самых впечатляющих этапов. ИИ-агент может самостоятельно отправить запрос коммерческого предложения поставщику по электронной почте, вести первичную переписку, уточнять наличие позиций на складе и даже согласовывать дату поставки. При этом письма персонализированы и выглядят так, будто их писал опытный закупщик, а не робот. Поставщики отвечают охотнее, так как получают структурированный, понятный запрос со всеми параметрами.

4. Контроль исполнения

После того как заявка отправлена, ИИ не забывает о ней. Система отслеживает статус доставки в реальном времени. Если машина с товаром задерживается, алгоритм заранее просчитывает риск возникновения OOS (Out-of-Stock — отсутствие товара на полке) и может предложить альтернативное решение: например, перебросить часть запаса из соседнего магазина этой же сети.

Эффект для бизнеса: цифры говорят сами за себя

Внедрение такой интеллектуальной системы закупки приносит измеримые результаты уже в первые месяцы:

Сокращение цикла закупки. Процесс от выявления потребности до подписанного контракта ускоряется в несколько раз (в некоторых кейсах цикл сокращался с 20–30 дней до 5–7).
Экономия бюджета. За счет выбора оптимальных предложений и предотвращения срочных («горящих») закупок компании экономят от 1% до 8% годового бюджета на закупки.
Снижение потерь. В российских сетях X5 Group и «Магнит» использование ИИ в управлении запасами позволило значительно уменьшить процент списания продуктов с истекающим сроком годности. Только сеть «Магнит» прогнозирует экономию в 1 млрд рублей в год за счет снижения потерь и оптимизации логистики.

Для сотрудников супермаркетов это означает освобождение от монотонной проверки накладных и таблиц. Искусственный интеллект становится невидимым, но незаменимым помощником, который следит за тем, чтобы покупатель всегда находил на полке свой любимый продукт.

ИИ Автоматизация магазина