Если коротко: ритейлеры всё чаще используют искусственный интеллект не для галочки, а для решения конкретных бизнес-задач. И да, это начинает приносить деньги.
NVIDIA провела опрос среди компаний розничной торговли и производства товаров массового потребления. Цель — понять, насколько глубоко ИИ встроен в их работу, что уже работает, а что ещё буксует. В исследовании участвовало более 300 руководителей из разных стран, включая США, Великобританию, Китай, Индию и другие рынки.
Что происходит с инвестициями
Начнём с цифр. Около 70% опрошенных компаний планируют увеличить расходы на ИИ в 2026 году. Это не просто декларация — многие уже тратят заметные деньги. Почти половина участников исследования инвестирует в ИИ-проекты более 10 миллионов долларов в год.
Важный момент: компании не просто экспериментируют. Больше половины респондентов заявили, что уже видят измеримую отдачу от внедрения ИИ. Это значит, что технология перешла из категории «интересно, но непонятно» в разряд инструментов, которые реально влияют на показатели бизнеса.
При этом масштаб применения растёт. Если раньше ИИ использовался точечно — например, для автоматизации поддержки клиентов или управления складом, — то теперь компании всё чаще встраивают его в несколько процессов одновременно.
Где ИИ применяют чаще всего 🛒
Самые популярные сценарии использования — это те области, где ошибки дорого обходятся, а ручная работа занимает слишком много времени.
На первом месте — управление цепочками поставок. Здесь ИИ помогает предсказывать спрос, оптимизировать маршруты доставки и управлять остатками на складах. Проще говоря, система подсказывает, сколько товара заказать, когда и куда его отправить, чтобы не было ни дефицита, ни затоваривания.
Второе по популярности направление — персонализация для покупателей. Рекомендации товаров, индивидуальные предложения и адаптация интерфейса под конкретного человека — всё это работает на основе анализа предыдущих покупок, поведения на сайте и предпочтений. Цель простая: показать клиенту то, что ему действительно интересно, а не случайный набор позиций.
Третье место — анализ данных и прогнозирование. Компании используют ИИ, чтобы находить закономерности в больших объёмах информации: что продаётся лучше в определённое время года, как меняется спрос в зависимости от региона, какие товары покупают вместе. Это помогает планировать ассортимент и маркетинговые кампании.
Также активно развиваются решения для автоматизации складов и магазинов — от роботов, которые собирают заказы, до систем компьютерного зрения, которые следят за наличием товара на полках или помогают в процессе самообслуживания.
Что мешает внедрению
Несмотря на рост инвестиций и позитивные результаты, проблемы остаются. И они довольно типичные для любой отрасли, которая пытается масштабировать использование ИИ.
Инфраструктура. Многие компании работают на устаревших системах, которые не рассчитаны на обработку больших объёмов данных в реальном времени. Чтобы ИИ работал эффективно, нужно обновлять серверы, хранилища и сети передачи данных. Это дорого и долго.
Данные. ИИ учится на данных, и если они разрозненные, неполные или плохо структурированные, результат будет соответствующим. Многие ритейлеры сталкиваются с тем, что информация хранится в разных системах, которые плохо интегрированы между собой. Например, данные о продажах лежат в одной базе, информация о клиентах — в другой, а складские остатки — в третьей. Объединить всё это в единую картину — задача нетривиальная.
Компетенции. Внедрение ИИ требует специалистов, которые понимают и технологию, и бизнес-процессы. Таких людей не хватает, а обучение занимает время. Плюс нужно выстроить взаимодействие между ИТ-отделом и бизнес-подразделениями, что тоже не всегда получается гладко.
Безопасность и регулирование. Чем больше данных собирает компания, тем выше риски утечек и тем строже требования регуляторов. Розничные компании работают с личной информацией клиентов, и любая ошибка может дорого обойтись — как в финансовом плане, так и в плане репутации.
Генеративный ИИ входит в игру
Отдельно стоит упомянуть генеративный ИИ — технологии вроде больших языковых моделей, которые умеют создавать тексты, изображения и отвечать на вопросы. В ритейле их начинают использовать для нескольких задач.
Например, для создания описаний товаров. Вместо того чтобы писать тексты вручную для тысяч позиций, компании генерируют их автоматически на основе характеристик продукта. Это экономит время и позволяет быстрее запускать новые товары.
Ещё один вариант — виртуальные ассистенты, которые помогают покупателям на сайте или в приложении. Они отвечают на вопросы, помогают выбрать товар, подсказывают, где его можно забрать или как оформить возврат. Важно, что такие системы становятся всё более естественными в общении и могут учитывать контекст разговора.
Также генеративные модели используют для создания маркетинговых материалов — баннеров, постов в соцсетях и email-рассылок. Система адаптирует контент под разные сегменты аудитории, что повышает эффективность кампаний.
Но здесь есть нюанс: генеративный ИИ пока менее предсказуем, чем классические алгоритмы. Он может выдать неточность или сформулировать что-то не так, как нужно. Поэтому большинство компаний использует его с участием человека — модель предлагает варианты, а специалист выбирает лучший или дорабатывает.
Что дальше
Судя по опросу, ритейлеры настроены продолжать инвестиции в ИИ. Причём фокус смещается с экспериментов на масштабирование: компании хотят не просто запустить пилотный проект, а внедрить технологию во все релевантные процессы.
При этом остаются открытыми вопросы интеграции, качества данных и подготовки команд. Технология развивается быстро, но организационные изменения требуют времени. И именно это — способность компании перестроить процессы под новые инструменты — часто оказывается главным ограничением.
В любом случае, ИИ в ритейле уже не выглядит как футуристическая история. Это рабочий инструмент, который помогает экономить деньги, улучшать обслуживание и быстрее реагировать на изменения рынка. Вопрос теперь не в том, стоит ли его использовать, а в том, как это делать эффективно.