Поделиться
Андрей Головкин, Fix Price: Любой ИИ-сервис изначально должен проектироваться с учетом роста
В ритейле искусственный интеллект постепенно переходит из категории экспериментальных технологий в инструменты, напрямую влияющие на выручку и операционную эффективность. О том, какие сценарии уже доказали свою эффективность, с какими барьерами сталкиваются ритейлеры и как меняются подходы к управлению магазинами, в интервью CNews рассказал Андрей Головкин, директор «Смарт Ритейл Тех», компании, которая является генеральным ИТ-подрядчиком сети магазинов Fix Price.
«Генеративный искусственный интеллект — это уже не эксперимент, а полноценный рабочий инструмент. Ключевой вопрос сегодня не в самой технологии, а в том, насколько грамотно компания умеет встроить ее в реальные бизнес-процессы»
CNews: Сегодня многие ритейлеры начинают активно внедрять решения на базе искусственного интеллекта. Какие задачи в работе сети Fix Price стали основным драйвером для запуска таких проектов?
Андрей Головкин: В текущей ситуации главный драйвер для ритейла — это рост выручки при одновременном повышении операционной эффективности. Поэтому внедрение технологий, в том числе искусственного интеллекта, в первую очередь направлено именно на решение этих двух задач.
У нас уже есть проекты, которые помогают увеличивать выручку за счет более точного контроля соблюдения стандартов в магазинах, в том числе речевых сценариев при взаимодействии с покупателем. Для ритейла это напрямую связано с качеством обслуживания, а значит — с конверсией, средним чеком, частотой покупок и в конечном итоге с выручкой.
CNews: Какие направления применения ИИ в ритейле сегодня выглядят наиболее зрелыми с технологической точки зрения, а какие пока находятся на стадии экспериментов?
Андрей Головкин: В целом технологии машинного обучения используются уже достаточно давно. Они активно применяются и в ритейле — для прогнозирования спроса, персонализированных рассылок, управления цепочками поставок.
К числу зрелых направлений я бы также отнес компьютерное зрение. Сегодня это один из наиболее практичных классов AI-решений для ритейла: такие технологии уже применяются в операционном контуре, помогают контролировать процессы в магазине и дают бизнесу вполне измеримый эффект. Мы, в частности, тоже активно используем это направление в своих проектах.
Что касается генеративного искусственного интеллекта, на мой взгляд, это уже абсолютно рабочая технология. Вопрос сегодня не в том, готова ли она к применению, а в том, насколько корректно компания умеет ее настраивать под свои бизнес-сценарии и встраивать в операционную модель. В Fix Price мы применяем генеративный ИИ, в частности, в проектах видеоаналитики и аудиоаналитики.
Если же говорить о том, что пока находится на стадии экспериментов, то я бы выделил создание персональных ассистентов для разных ролей и должностей. Такие системы могут анализировать весь массив данных и контекст работы сотрудника и давать точечные рекомендации — что именно нужно сделать для повышения эффективности и производительности.
CNews: Как вы отметили, один из ваших проектов связан с аудиоаналитикой. Как устроена эта система и какие типы данных она анализирует?
Андрей Головкин: Мы действительно сделали успешный пилот аудиоаналитики в наших магазинах и сейчас масштабируем его на всю сеть. На каждой кассе установлен микрофон, который записывает происходящее — это не противоречит законодательству.
Далее аудио проходит несколько этапов обработки. Сначала оно транскрибируется, то есть переводится в текстовый формат, а затем уже анализируется с помощью моделей искусственного интеллекта, включая генеративные. Именно они позволяют работать не только с отдельными фразами, но и с контекстом диалога — понимать, как в целом проходит обслуживание, какие темы поднимает покупатель и какие сигналы важны для бизнеса.
На практике система помогает выявлять очень конкретные вещи. Например, покупатели могут в разговоре упоминать, что в магазине слишком жарко или холодно, жаловаться на чистоту, задавать вопросы о наличии определенных товаров — батареек, кружек или других позиций. Все эти сигналы возникают в естественной коммуникации на кассе, и раньше они, как правило, оставались вне системной аналитики.
По сути, мы превращаем обычную клиентскую коммуникацию в дополнительный управленческий источник данных, который помогает быстрее видеть проблемные зоны и точнее принимать решения на уровне всей сети.
CNews: Вы также упомянули видеоаналитику торгового зала на основе генеративного искусственного интеллекта. Какие задачи она помогает решать в повседневной работе магазинов?
Андрей Головкин: Сейчас мы развиваем сразу несколько проектов в этом направлении. Один из них уже полностью масштабирован на всю сеть — это решение для контроля торгового зала. С помощью генеративного искусственного интеллекта система выявляет пустые полки, оценивает уровень чистоты, фиксирует возможные помехи для покупателей и в целом помогает видеть отклонения, которые напрямую влияют на качество клиентского опыта. Сегодня это решение уже работает во всех магазинах и показывает хорошие результаты.
Помимо этого, у нас есть еще два проекта на стадии пилота. Первый связан с цифровыми чек-листами. Его задача — закрыть те зоны, где стационарные камеры не всегда дают достаточно информации, например входную группу или складские помещения. Там с помощью заданных сценариев система также проверяет соблюдение стандартов и выявляет возможные нарушения.
Еще один пилот касается контроля наличия товара на полке — прежде всего высокооборотных позиций, — а также проверки корректности ценников. Для ритейла это одна из наиболее чувствительных операционных задач, потому что соответствие товара и цены на полке напрямую влияет и на клиентский опыт, и на качество исполнения в магазине. И здесь видеоаналитика позволяет перевести такой контроль из выборочного режима в более системный и масштабируемый процесс.
CNews: Ощущаете ли вы уже бизнес-эффект от внедрения таких аудио- и видеосистем?
Андрей Головкин: Да, безусловно. Первый проект дал прирост оборота — около 1,1% по сравнению с контрольной группой.
По проекту с чек-листами мы ожидаем эффект не столько в выручке, сколько в сокращении трудозатрат сотрудников — супервайзеров, менеджеров магазинов, которые выполняют эту работу.
При этом эффект от AI-проектов не всегда выражается только в росте выручки. Например, по проекту с цифровыми чек-листами мы в первую очередь рассчитываем на сокращение трудозатрат. Речь идет об экономии времени супервайзеров, директоров и других сотрудников, которые сегодня выполняют часть таких проверок вручную. То есть в данном случае основной эффект связан уже с повышением операционной эффективности и более рациональным использованием управленческого ресурса.
«Данные — это основа любой системы искусственного интеллекта. Но реальную ценность создают только качественные, выверенные данные, очищенные от лишнего шума и действительно пригодные для принятия решений»
CNews: Насколько сложно внедрять подобные решения в инфраструктуру крупной розничной сети, где уже работает большое количество операционных систем и сервисов?
Андрей Головкин: На практике это вопрос опыта. Мы как крупная компания, которая уже реализовала не один подобный проект, просто научились это делать.
Безусловно, многое зависит от того, насколько правильно выстроена ИТ-архитектура. Она должна быть изначально масштабируемой, чтобы подключение новых магазинов и тиражирование сервисов не превращались в отдельный сложный проект. Кроме того, очень важно, чтобы инфраструктура оставалась достаточно компактной и управляемой, без избыточного количества дублирующих решений, которые усложняют поддержку и интеграцию.
Отдельно я бы отметил роль команды. Для успешного внедрения таких систем недостаточно просто иметь технологию — нужна экспертиза в архитектуре, интеграции, эксплуатации и масштабировании. У нас эта компетенция уже сформирована, поэтому мы рассматриваем подобные проекты не как нечто экзотическое, а как часть планомерного развития цифровой платформы компании.
CNews: А вообще насколько масштабируемыми оказываются ИИ-решения? Можно ли относительно быстро тиражировать их на сотни и тысячи магазинов?
Андрей Головкин: В целом масштабирование происходит гибко и достаточно легко. Мы, например, развернули видеоаналитику на всю сеть — на тот момент это было 7,5 магазинов — примерно за два с половиной месяца. При этом основная часть работ была связана не с искусственным интеллектом, а с операционными и инфраструктурными задачами.
CNews: Ритейл работает с огромным объемом операционных данных. Какие из них оказываются наиболее ценными для задач искусственного интеллекта?
Андрей Головкин: Данные — основа работы искусственного интеллекта. При этом важно, чтобы они были качественными: выверенными, без лишнего «шума».
В первую очередь я говорю о финансовых показателях: трафике, выручке, среднем чеке в разрезе магазинов. Сейчас в сети Fix Price уже используют данные практически в режиме реального времени — вплоть до уровня отдельных чеков. Это позволяет анализировать, какой товар покупают, в какое время и в каком магазине.
Следующий важный блок — операционные показатели: выполнение задач, соблюдение стандартов, вся соответствующая статистика.
И еще один ключевой блок — логистика и товародвижение, то есть остатки, продажи и потери. На основе этих данных мы принимаем управленческие решения и формируем задачи для магазинов.
Наибольшую ценность для ИИ в ритейле создают не отдельные массивы данных, а их связка — когда компания может одновременно видеть финансовый результат, операционное качество и движение товара по всей цепочке.
CNews: Какие требования к инфраструктуре и обработке данных возникают при внедрении видео- и аудиоаналитики в масштабах большой розничной сети?
Андрей Головкин: Во-первых, нужно учитывать, что аудио- и видеоаналитика — это очень объемные данные. Поэтому ключевая задача — обеспечить достаточную пропускную способность каналов для их передачи.
При этом мы старались искать способы, чтобы сократить объем передаваемой информации, а там, где это необходимо, — расширяли каналы передачи данных.
Второй важный момент — масштабируемость, о чем мы уже говорили. Но любой ИИ-сервис изначально должен проектироваться с учетом роста: чтобы при подключении еще, например, тысячи магазинов не возникало проблем, а система могла оперативно обрабатывать весь поток данных.
«Главный барьер — ограничения на обработку персональных и конфиденциальных данных в облачных современных моделях»
CNews: С какими технологическими или организационными барьерами чаще всего сталкиваются компании при внедрении ИИ-решений в ритейле?
Андрей Головкин: Я бы выделил главный барьер, который сегодня находится на пересечении технологических и организационных вопросов, — это ограничения на обработку персональных и конфиденциальных данных, особенно при использовании современных облачных моделей.
С одной стороны, у бизнеса есть абсолютно понятный и обоснованный запрос: не выводить чувствительные данные за пределы защищенного корпоративного контура. С другой стороны, существует и технологическая реальность: решения, которые разворачиваются внутри компании, во многих случаях пока уступают по возможностям и скорости развития современным облачным моделям, доступным по подписке.
Именно поэтому основной вызов сегодня — найти правильный баланс между требованиями безопасности, регуляторными ограничениями и доступом к наиболее эффективным AI-инструментам. На практике это означает, что компаниям приходится выбирать между несколькими сценариями: либо в отдельных случаях выстраивать контролируемую модель передачи части данных во внешний контур, либо последовательно усиливать собственную внутреннюю технологическую платформу, чтобы обеспечивать качественную обработку данных в закрытой среде.
По сути, это уже не только вопрос технологий как таковых, а вопрос зрелости всей корпоративной модели работы с данными, безопасностью и цифровыми сервисами.
CNews: Как внедрение таких систем влияет на операционные процессы магазинов и работу сотрудников? Меняются ли управленческие подходы?
Андрей Головкин: Да, безусловно. Один из ключевых эффектов внедрения таких систем заключается в том, что они существенно снижают влияние человеческого фактора при принятии операционных решений. Искусственный интеллект тоже может ошибаться, но его важное преимущество в другом: он делает это по единым правилам и одинаково во всей сети.
Мы хорошо увидели это на практике, когда запускали проект по видеоаналитике. На этапе внедрения одним из обязательных требований была модерация результатов со стороны сотрудников — нужно было проверить, насколько корректно работает система. И оказалось, что разброс в оценках у людей очень большой: одни считали, что система ошибается в 60–70% случаев, другие видели уровень отклонений всего около 5%. То есть влияние человеческого фактора оказалось очень существенным.
А ведь от этого напрямую зависят действия сотрудников — нужно ли, например, выложить товар или навести порядок в зале. Искусственный интеллект как раз позволяет такой разброс убрать. Он гарантирует, что одна и та же логика работает одинаково во всех магазинах.
Это, пожалуй, один из ключевых эффектов. И, конечно, меняются управленческие подходы: больше не нужно вовлекать большое количество людей для принятия решений. Система сама формирует задачи, а человек уже контролирует их выполнение и точечно проверяет результат.
CNews: Какие направления использования искусственного интеллекта в ритейле, на ваш взгляд, будут развиваться быстрее всего в ближайшие несколько лет?
Андрей Головкин: В прошлом году все активно обсуждали ИИ-агентов, но в основном в контексте задач центрального офиса. Сейчас, на мой взгляд, быстрее всего будут развиваться персональные ассистенты для сотрудников на местах — заведующих магазинами, менеджеров, комплектовщиков на распределительных центрах.
Именно здесь я вижу один из самых сильных практических сценариев ближайших лет. Речь идет о мультиагентных системах, которые могут учитывать весь рабочий контекст конкретного сотрудника: текущие задачи, операционные показатели, ситуацию в магазине или на складе, приоритеты и возможные отклонения. На основе этого они способны давать не общий совет, а вполне конкретные рекомендации — что именно нужно сделать в данный момент, чтобы повысить продуктивность, качество исполнения и общую эффективность ежедневной работы.
На мой взгляд, это очень важный следующий этап развития ИИ в ритейле. Если раньше основная ценность была в том, чтобы собирать и анализировать данные, то теперь акцент постепенно смещается в сторону практической помощи в принятии решений непосредственно в операционном контуре. И именно такие инструменты, которые работают рядом с сотрудником и усиливают его в повседневной деятельности, будут развиваться особенно быстро.
Следующий большой этап развития ИИ в ритейле — это переход от аналитики к цифровым помощникам, которые не просто показывают данные, а подсказывают сотруднику конкретные действия в его ежедневной работе.
Короткая ссылка
