Главное заблуждение ритейлеров — воспринимать искусственный интеллект как «волшебную палочку», способную с легкостью подменить человеческий анализ. На практике точность модели зависит от множества факторов: ассортимента, частоты продаж, погодных условий, акций конкурентов, валютных колебаний, сезонности, логистики, рекламных кампаний и других переменных.
Эксперт предлагает делить ассортимент на три ключевые категории. В «красной зоне» — это товары ежедневного спроса (молоко, хлеб), для которых алгоритмы способны дать прогноз с точностью 70–80%. В «синей» — товары, покупаемые редко, где точность уже нестабильна и ограничена значимостью бизнес-модели. А вот «жёлтая зона» — самая сложная и в то же время перспективная. Это нестабильные, чувствительные к промо и погоде позиции. Именно здесь современные нейросети могут быть особенно полезны, но и требуют огромного массива данных.
Однако технологии — это лишь часть уравнения. Старосельский подчёркивает: критически важно внедрять ИИ в рамках зрелой бизнес-культуры. Одного лишь внедрения алгоритма недостаточно — нужна инфраструктура, накопленные данные (минимум за два года), специалисты с эконометрической и data science экспертизой, способные проводить A/B-тесты, оценивать точность прогноза и корректировать модели.
ИИ не заменяет людей, а усиливает их. Он освобождает категорийных менеджеров от рутины, давая больше времени на стратегические задачи: переговоры, анализ новых рынков, построение акций. Вместе с тем, эксперт предупреждает, что нельзя внедрять ИИ «по инерции». Необходим инкрементальный подход: выбрать товарную категорию, измерить стартовые показатели, сравнить с результатами после внедрения и только после этого масштабировать.
Что касается будущего — уже сейчас на рынок приходят LLM (модели вроде ChatGPT), способные анализировать продажи и тренды по запросу в естественном языке. Это упрощает доступ к аналитике не только для data-специалистов, но и для линейных менеджеров. Однако и здесь требуется понимание, как правильно ставить вопрос и интерпретировать ответ.
Таким образом, ИИ — это не универсальное решение, а инструмент в руках грамотной команды. Только при должной подготовке, развитии культуры работы с данными и пошаговом подходе он становится эффективным помощником для повышения маржи и конкурентоспособности.
