Крупный ритейл оказался одним из самых активных потребителей технологий искусственного интеллекта, что связано с большим объемом накапливаемых данных, которые можно направить на машинное обучение, а также с широким спектром потребностей бизнеса, которые можно с помощью этих технологий удовлетворить. Тем не менее даже лидеры рынка с очень большими финансовыми возможностями не всегда готовы вкладываться в проекты, эффект от которых неочевиден и не выражается в незамедлительном росте прибыли.
Лето было богато на новости о победном шествии искусственного интеллекта в ритейле. Десять лет назад мы много размышляли об «умных» полках и тележках. Теперь умным становится все. Сразу две торговые сети тестируют интеллектуальные весы самообслуживания, которые сами понимают, какой продукт на них поставили, – и это только начало. «Магнит» пытается распознать эмоции посетителей, установив на дисплеи покупателей технологию, которая считывает пол, возраст и такие эмоции, как грусть, счастье, злость, удивление, а также нейтральное выражение лица. X5 Retail Group открыла новую «Пятерочку», в которой все происходит «налету» за счет полностью автоматизированной системы покупок. Магазин работает по принципу «умного» дома: на основе архитектуры IoT (Интернета вещей) за происходящим в зале наблюдают 15 камер, полки оснащены электронными ценниками.
Не отстают и ИТ-компании (даже если это банк): Сбер только что сообщил о том, что предлагает ритейлерам сразу три продукта на основе искусственного интеллекта: «AI-маркетолог», «AI-координатор» и «AI-ритейл локатор». Решения выявляют как потенциальных клиентов, так и дают советы территориального характера: где лучше открыть новую точку и что не так с уже имеющимися магазинами.
На втором конкурсе MGNTech (российского акселератора для розничной сети) в июле среди прочих победили стартапы, предлагающие тележки с интеллектуальным подбором заказов в распределительном центре; нейросетевой сервис определения реакций покупателей на дегустационную еду и напитки; наконец, персонализированный подбор косметики на основе искусственного интеллекта.
Искусственный интеллект, кажется, проник всюду. «Крупный ритейл на сто процентов использует ИИ, хотя местами может этого даже не подозревать, – заявляет Юрий Ледаков, руководитель направления развития голосовых продуктов и интеллектуальных сервисов компании BSS. – Когда такая компания заказывает маркетинговое исследование инхаус или у агентства, там точно используется механизм с применением ИИ. Он анализирует движение информации, ее полезность и применимость, возможность использования для бизнеса. Большие данные никто уже вручную не обрабатывает. Прогнозирование тоже строится с использованием искусственного интеллекта».
Обычные дела
Именно поэтому сейчас на профессиональных конференциях говорят: ИИ в тренде, но это уже не будущее, а банальность, повседневность. Какие-то решения действительно встречаются повсеместно. «Как раз сейчас мы наблюдаем за процессом того, как ИИ становится стандартной технологией для продуктовой розницы, – говорит Кристиан Уэллс, эксперт по роботизации процессов, руководитель клиентского офиса Blue Prism в России. – Но важно отметить, что речь здесь идет именно про ИИ-технологии, а не решения для роботизации, так как роботизация уже давно стала стандартной и привычной практикой. Итак, есть два направления использования ИИ-технологий: бэк-офис и точка продажи. В бэк-офисе технология используется для распознавания отсканированных документов и экстракции слабо структурированных данных. В точке продажи интеллект задействован в сфере машинного зрения для распознавания людей, действий и продуктов».
Разговорные интерфейсы – тоже вполне стандартная история применения ИИ в ритейле. «Создаются цифровые виртуальные ассистенты, интеллектуальные помощники, которые способны заменять сотрудника в общении с клиентами как в текстовом, так и голосовом канале. Такой помощник обладает знаниями в области поддержки продаж, непосредственно продажи, телемаркетинга, опросов и других возможных коммуникаций компании с внешним миром», – рассказывает Юрий Ледаков.
Другой стандартный вариант – использование ИИ для анализа состояния бизнеса, чтобы понять, насколько последний адекватно работает, эффективно развивается. Используется анализ больших данных для выявления паттернов, которые могут быть полезными. «Это может быть анализ платежей, среднего чека, возвратов клиентов, любой текстовой и визуальной информации, данных о проводках, счетах, платежах, товарах, всех возможных движениях информации внутри компании», – перечисляет Юрий Ледаков.
Смотри в оба
Видео – вот та тема, которая давно стала привычной полянкой для выпаса искусственного интеллекта. Интеллектуальные системы видеонаблюдения, оснащенные алгоритмами ИИ, пришли в ритейл более шести лет назад. Начав с обеспечения безопасности в торговых залах и на складах, сегодня они с помощью видеоаналитических модулей составляют портрет покупателя, анализируют аудиторию и оптимизируют трудозатраты.
Для компаний, производящих решения в области видеоаналитики, ритейл – самый крупный рынок сбыта. «По нашим данным, около 30% пользователей аналитических сервисов работают в сфере розничной торговли, – делится Заур Абуталимов, директор по продуктам компании Ivideon. – По прогнозам аналитиков Juniper Research, к 2023 году глобальные расходы ритейлеров на решения искусственного интеллекта достигнут $12 млрд против $3,6 млрд в 2019 году. Таким образом, прогнозируемый рост по этому показателю за четыре года составит более чем 230%».
По мнению Заура Абуталимова, это вполне ожидаемо, ведь «умные» системы действительно пользуются все большим спросом у торговых сетей. «Умное» видеонаблюдение позволяет предотвращать мошенничество на кассах или продажу алкоголя несовершеннолетним: система синхронизирует данные с чека с видеорядом, а специальные алгоритмы выявляют потенциально мошеннические операции и нарушения. Внедряя такие камеры слежения, ритейлер может следить за всеми процессами на торговых точках и контролировать их. «Это особенно важно, когда речь идет о кражах и так называемых шоплифтерах (магазинных ворах). По данным Американской национальной федерации ритейлеров (NRF), в 2019 году 71,3% предприятий розничной торговли сообщали об увеличении организованной преступности в магазинах по сравнению с годом ранее. В России воровство в магазинах становится для ритейлеров серьезным налоговым риском: недостача товара всегда привлекает внимание налоговых органов, которые требуют от владельцев платить за нее налог. Так, наблюдение за посетителями и сотрудниками позволяет ритейлерам снизить убытки», – подчеркивает он.
Видеонаблюдение в торговых точках также помогает следствию разобраться в хронологии разбоев и терактов. Еще в 2017 году данные с камер видеонаблюдения позволили установить причины взрыва в петербургском «Перекрестке». Местами подобных преступлений часто становятся точки массового скопления людей. И это не только магазины и торговые центры, но и банки, общественный транспорт и центральные улицы города. Сегодня в любом из этих мест видеонаблюдение не прихоть, а необходимость.
Кроме того, видеокамеры активно используются с целью аналитики. Они позволяют торговым сетям составлять портрет покупателя, профилировать посетителей по гендерному и возрастному признакам, а также выявлять постоянных клиентов и VIP-покупателей. В конечном счете ритейлер может использовать эту информацию для планирования рекламных кампаний и распродаж.
Наконец, с помощью искусственного интеллекта торговые сети отслеживают маршрут передвижения покупателей по магазину, количество человек у кассы и время их ожидания в очереди. «Один из наших клиентов – глобальная сеть магазинов товаров для красоты и ухода за собой – использует видеонаблюдение, для того,чтобы считать посетителей магазина, – рассказывает Заур Абуталимов. – Когда покупателей много, в зал выходит больше продавцов-консультантов, а когда гостей меньше – продавцы переключаются на другие задачи. В сети столичных супермаркетов наши видеокамеры определяют количество покупателей в очереди. Если их больше пяти, то менеджеру магазина приходит уведомление о том, что нужно открыть дополнительную кассу».
Контроль появления нежелательных лиц – наиболее рабочий и популярный кейс. Магазины накапливают базы данных людей, которые уже были уличены в кражах или в принципе представляют потенциальную опасность. Видео с камер постоянно прогоняется через нейронные сети, которые детектируют лица и сверяют их с биометрическими шаблонами, хранящимися в базе данных. В случае совпадения событие сохраняется, а службе безопасности или сотрудникам торговой точки отправляется соответствующее уведомление на мобильный телефон. «Применение подобной технологии позволяет значительно сократить потери от краж и сэкономить на фонде оплаты труда, – говорит Виталий Виноградов, продакт-менеджер В2В-продуктов компании NtechLab. – Одним из недавних проектов, которые мне удалось внедрить, был в Белоруссии с сетью супермаркетов Bigzz, крупнейшей в стране. Результаты внедрения говорят сами за себя. Потери от краж снизились на 60%. На 40% выросло количество выявленных фактов воровства и совершивших их лиц – это в первый же месяц использования решения. После внедрения распознавания был раскрыт практически каждый случай хищения товаров, и установлены преступники, их совершившие».
Снизились и расходы на ФОТ – на 25%. «Давайте посчитаем, – предлагает Виталий Виноградов, – средняя рыночная зарплата одного сотрудника охраны с учетом всех налогов составляет около $650. При этом, по внутренней статистике магазина, охранник может предотвратить кражу в лучшем случае на $10–15 в день, а против схем профессиональных воров зачастую и вовсе бессилен. После установки системы распознавания лиц компания смогла полностью отказаться от классической схемы с охранниками на объектах в пользу искусственного интеллекта».
Странный случай
Что же может предложить искусственный интеллект ритейлу такого, что можно было бы счесть необычным применением технологии? Казалось бы, все области уже задействованы. «Есть примеры использования ИИ для сопоставления людей на видео с системой управления персоналом. Если в служебное помещение зашел человек, чьей фотографии нет в базе данных персонала, то соответствующее оповещение поступает в службу безопасности», – говорит Кристиан Уэллс.
«Одним из самых необычных кейсов, что я встречал (собственно, его мы и разрабатываем), – обогащение процесса покупок через Scan & Go индивидуальными предложениями, работающими через дополненную реальность, – делится подробностями проекта Павел Подкорытов, директор компании Napoleon IT. – Человек приходит в магазин, открывает на своем смартфоне приложение Scan & Go, и после сканирования макарон и сосисок на витрине ему делается специальное предложение с кетчупом, которое он видит в реальном времени в режиме дополненной реальности. Это не просто интересно для посетителей, но и реально поднимает средний чек ритейлеру».
Необычными, а точнее, еще не очень распространенными, являются попытки работы с анализом эмоций. «В частности, создают «портрет» покупателя с использованием аспектов эмоциональной составляющей, которую он оставляет до покупки, в момент покупки и после, при использовании продукта, – рассказывает Юрий Ледаков. – Есть и попытки анализа того, как, например, влияет эмоциональный фон на возврат или средний чек». Еще одним направлением является построение комплексного цифрового профиля клиента, на основе которого потом выстраиваются продажи и стратегия работы бизнеса.
С мая 2020 года технология «магазинов будущего» пилотируется в закрытом режиме на ограниченном количестве клиентов в магазине «Азбука вкуса», который находится в деловом центре «Москва-Сити». «Для совершения покупок на входе в зону Take & Go достаточно отсканировать QR-код из мобильного приложения от Сбера, взять с полок нужные товары и просто выйти – деньги с карты будут списаны автоматически. За перемещением товара следит искусственный интеллект», – рассказывает Виталий Виноградов.
«Магнит», в котором происходит около 16 млн покупок в день, в апреле 2021 вместе с партнером Perfect Data запустил пилотный проект Smart Shelf. Здесь установили датчики веса, чтобы определять, когда продукты снимаются с целевых полок в одном из магазинов. «Решение основано на Microsoft Azure и предлагает розничному продавцу способ поддерживать эффективный оборот своих запасов», – говорит Виталий Виноградов.
«Пока трудно сказать, какое из ИИ-решений станет наиболее перспективным и востребованным в ритейле в ближайшем будущем. Мы наблюдаем высокий интерес к формату магазина без кассиров. Без искусственного интеллекта такой формат был бы нереализуем», – подчеркивает Заур Абуталимов.
«А наша компания принимала участие во внедрении действительно инновационного сервиса «Экспресс Скан» в X5 Retail Group в части построения контура операционной аналитики, – рассказывает Илья Шутов, руководитель направления DataScience, компания «Медиа-Тел». – Это предельная точка развития, когда даже КСО (кассы самообслуживания) не требуются. Есть магазин и пользователь со своим смартфоном. Технологически это крайне сложный сервис, требующий радикальной перестройки всего ИТ ритейлера. В систему заложена персонализация на основании индивидуальной поведенческой аналитики каждого покупателя. Будем стыковать сервис с вашим «умным» холодильником и формировать заказы на онлайн-доставку на основании ваших постоянно меняющихся предпочтений. Или самостоятельно будем привозить и резервировать под вас любимые товары в вашем любимом магазине в нужный день с учетом предпочтений покупателя. Пока это шутка, но, сами понимаете…»
Без ума
Тенденция понятна – искусственный интеллект популярен, про «умные» решения говорят во всех новостях. А в кулуарах от ИТ-специалистов даже можно услышать, что на проект без ИИ дают х рублей, а под проект с ИИ – 10х рублей и больше. Выгода для ИТ-компаний очевидна.
Но, строго говоря, искусственный интеллект не новость уже больше полувека, он просто получил новое развитие после того, как данных стало не много, а очень много. Это позволило от систем, основанных на правилах (ветках вида «если А, то B, если B, то C»), перейти к машинному обучению (ML), то есть к алгоритмам, основанным на статистических методах, а затем и к Deep Learning. Последние два метода требуют много вводных: тысячи и десятки тысяч данных в случае ML, миллионы – для глубокого изучения. После тридцатилетней «зимы искусственного интеллекта» (1970–1990 годы) вычислительные мощности подросли и подешевели, а компании, в частности торговые, наконец-то накопили нужные терабайты, и телега сдвинулась с места. Однако сдвинуться с места еще не означает, что можно ехать быстро и с ветерком.
Во-первых, искусственный интеллект – один из самых распиаренных терминов, от которого сразу ждут чуда, тогда как никакого интеллекта в действительности не наблюдается. Есть алгоритмы, работающие по разным принципам. Но слушать о них никто не хочет. До такой степени, что половина наших экспертов в самом начале разговора вынуждена была сразу сказать, чтобы мы не обольщались: «Для начала хотелось бы определиться с терминами: «искусственный интеллект» – это удел фантастических фильмов и книг, – предупреждает Илья Шутов. – В продвинутой аналитике, как правило, применяются статистические алгоритмы и алгоритмы машинного обучения, которые, по-видимому, и скрываются под аббревиатурой ИИ».
Но маркетологи понимают другое – так корову не продашь. Технологию нужно подавать покупателю лицом, и желательно, чтобы это лицо было похоже на наше. Однако ничего человеческого в ИИ нет. Забавно, но сами маркетологи не знают, что им делать со своим детищем на практике. Продавать – пожалуйста. Работать… А как? Консалтинговая компания Accenture в исследовании от 2020 года писала, что 61% директоров по маркетингу не готовы применять ИИ и не вполне осознают, как помогут современные технологии в их деятельности.
Не всегда понимают искусственный интеллект и другие руководители. «Основной причиной того, что ИИ не распространен повсеместно, является отсутствие понимания и доверия к нему, потому что для компании это «черный ящик», – уверяет Алексей Романенко, главный консультант по аналитике, департамент профессиональных услуг Retail & CPG в EMEA, SAS. – Кроме того, руководство хочет увидеть материальные результаты от внедрения в течение ближайшего года. На моей практике внедрений высокотехнологичных решений, включающих элементы ИИ, только в одном из девяти проектов топ-менеджмент и владельцы компании руководствовались не операционными целями, а тактическими или даже стратегическими планами по цифровизации и интеллектуализации бизнес-процессов».
Во-вторых, чем крупнее проекты с ИИ, тем они громче падают. Поэтому начать внедрение дорогостоящей технологии страшно. Не всегда результаты использования сложных методов ИИ бывают убедительны. Примером могут стать технологии Deep Learning, разработанные в Google для прогнозирования спроса: сложный DL-подход, над которым трудилась команда специалистов из Google не один месяц, так и не смог попасть даже в топ-100 по результативности. «Многие проекты являются больше тестовыми полигонами для оценки технологий и реального влияния на бизнес-результат не имеют, – дополняет коллегу Александр Михасев, главный консультант, решения для розничной торговли, EMEA, SAS. – Лишь немногие из них доходят до стадии развертывания на весь бизнес. При этом во многих аспектах потенциальный положительный эффект от внедрения ИИ-технологий значительный, поэтому все больше ИИ-проектов все-таки будет выходить в продуктивную фазу. В краткосрочной перспективе принятие решений в рамках основных функциональных процессов начнет поддерживаться с помощью ИИ-технологий».
В-третьих, надо понимать, что имеющиеся алгоритмы ограничены. Когда говорят, например, о предсказательных системах, то имеется в виду не волшебный шар, который покажет будущее. Предсказание в данном случае – это поиск ответа при недостающей информации, восстановление неполной информации об объекте.
В-четвертых, есть буква закона. Она давит, достаточно вспомнить пресловутый ФЗ-152. Некоторые предприниматели отказываются от технологий, рассматривая их как бремя, как дополнительную ответственность за обработку персональных данных клиентов, полученных с помощью устройств распознавания лиц. «Хочу обратить внимание на то, что камеры, установленные для анализа аудитории и популярности товаров, на самом деле не собирают персональные данные, поскольку такие записи не идентифицируют физическое лицо как таковое, – отчасти успокаивает нас Заур Абуталимов. – А вот если предприниматель установил в торговом помещении камеру для определения покупательского поведения определенного лица, то тут следует быть осторожнее: в этом случае собираемые данные являются персональными, а значит, ритейлер обязан получить согласие на их обработку от соответствующего клиента».
Наконец, нужно помнить, что ритейл отличается исключительной сложностью бизнес-процессов, многие вопросы требуют коллаборации между отделами. «Пока технологии ИИ играют сомнительную роль вспомогательных инструментов для принятия решений по очень локальным задачам (которые зачастую отлично решаются и более простыми алгоритмами), потому что не многие верят ИИ и вряд ли кто-то пробовал отдавать ИИ право голоса в условиях недостаточности информации», – говорит Алексей Романенко. «Если на нейронные сети возлагаются надежды по управлению и принятию решений, то кто реально будет управлять компанией? Кто будет теневым властителем? Менеджеры или тренер нейронных сетей?» – предлагает задуматься Илья Шутов.
Искусственный интеллект в глубоком смысле этого слова только начинает завоевывать свое место под солнцем технологий в ритейл-компаниях, причем как в России, так и в Европе. «Практически в каждой торговой компании есть свой «кулибин» или даже «отдел кулибиных», который разрабатывает и внедряет ИИ в бизнес-процессы. Однако сторона, принимающая решения, не загорается от одного упоминания заветного названия сложных методов и требует серьезных доказательств действенности решения на практике уже сейчас, – говорит Алексей Романенко. – Предстоят долгие годы упорной работы, направленной на модернизацию процессов и подходов в управлении, пока упоминание ИИ станет обычным делом».
В популяризацию интеллекта решило серьезно вложиться и государство. Только на одну просветительскую деятельность, по данным CNews, выделено 305 млн руб. и в два раза больше – 702 млн руб. на хакатоны и лекции. 5,7 млрд руб. дают на создание и развитие ИИ-стартапов, 5,4 млрд руб. – на исследовательские центры.
Готовность принять ИИ-технологии зависит как от понимания технологии как таковой, так и от степени цифровизации самой компании. «Сложно внедрить ИИ-технологии в организацию, если там нет предпосылок на цифровой документооборот. ИИ-технологии позволяют склеить разрозненные цифровые процессы воедино путем замены базового человеческого интеллекта на искусственный. ИИ – это как автопилот в самолете. Без самого самолета он просто бесполезен», – резонно замечает Кристиан Уэллс.
Подсиживающий робот
Еще одна зона страха лежит в области трудовой занятости – что сделает искусственный интеллект с людьми? Amazon нанимает работников с помощью ИИ, а российские бизнес-компании увольняют сотни, потому что так решили нейросети. Чего стоит ожидать сотрудникам торговой точки? Одни эксперты предлагают бояться грядущей автоматизации всего, другие говорят, что высвободившийся кадровый состав будет брошен на другие проекты.
В рознице ясно прослеживается тренд на увеличение автоматизации всех операционных процессов и сокращение вовлечения линейного персонала. «Amazon и многие другие розничные игроки предлагают концепты магазинов без касс и персонала. Необходимость в линейном персонале в таких магазинах сведена к минимуму. Вопрос успеха тут не в том, поддержать этот тренд или нет, а в том, как его возглавить. Мы полагаем, что количество линейного персонала в рознице будет неминуемо сокращаться», – говорит Александр Михасев.
Внедрение роботов в организацию ни в коем случае не говорит о том, что цифровые сотрудники заменят людей и оставят нас без работы. Такое ошибочное мнение также создает преграды на пути к цифровой трансформации, которая откроет огромное количество новых возможностей для всех. «Роботы позволяют освободить людей от задач рутинных, скучных и не требующих особых навыков, таким образом предоставляя возможность заниматься более интеллектуальной и стратегически важной работой», – комментирует Кристиан Уэллс.
Робот, по крайней мере в обозримой перспективе, не заменит полностью человека. «Робот – все же исполнитель, а не творец, креативное начало в нем отсутствует. Поэтому качества сотрудника, который общается с клиентом, не могут быть полностью делегированы ИИ», – считает Юрий Ледаков.
По его мнению, сейчас мы постепенно приходим к человеко-машинному интерфейсу. Да, есть определенная степень автоматизации, но ее адекватность проверяется с помощью живых людей. Кроме того, человек дает знания, которые машина может вовремя не распознать, вовремя не считать. Она ограничена по сенсорике и часто является исполнителем уже принятых решений.
Скорее всего, на местах от сотрудников будут требоваться другие навыки работы. Будут другой ракурс понимания задач сотрудника, другая сфера их применения. И если кто-то из сотрудников захочет развиваться, он сможет это делать, а использование ИИ будет только стимулировать такое развитие.
Зимы не будет
Несмотря на страхи и «черные ящики», вряд ли этой технологии предстоит новая «зима». Решения на основе искусственного интеллекта облегчают работу торговых сетей. «Это подтверждается и результатами исследования Российской ассоциации электронных коммуникаций (РАЭК): по ее данным, 42% российских ритейлеров уже используют такие решения, а еще 35% планируют начать делать это в течение пяти лет. Таким образом, к 2024 году технологии и решения на основе ИИ будет использовать 77% российских ритейлеров, – объясняет Заур Абуталимов. – Однако важно понимать, что с внедрением подобных технологий по-прежнему связано множество рисков. Многие предприниматели пока еще не доверяют искусственному интеллекту и не верят в то, что затраты на подобные проекты оправдают себя».
И все-таки все больше компаний применяют или планируют применить ИИ, RPA и другие технологии для автоматизации процессов – для них это не просто погоня за трендом. «Сегодня это можно назвать необходимостью для крупных компаний и возможностью для развития остальных. Благодаря таким технологиям бизнесу удается сэкономить колоссальное количество ресурсов и времени, повысить качество продукции и сервиса», – считает Кристиан Уэллс.
Ритейлу придется заниматься инновациями. «Пока прибыль растет за счет других средств (геоэкспансия, M & A, расширение спектра товаров, программы лояльности, финансовые инструменты по оптимизации работ с поставщиками, административные модернизации) и покрывает с лихвой убытки от неэффективных решений – тонкая аналитика не требуется. BI решает все вопросы, – рассуждает Илья Шутов. – При падении маржинальности и сильном давлении со стороны конкурентов возникает органическая потребность в усложнении схем работы и предлагаемых сервисов. Тут без аналитики data science становится трудно, если вообще возможно».
В фарватере крупных кораблей идут мелкие лодки – сектор СМБ. Большой бизнес обладает достаточным объемом информации, ему есть что скормить интеллекту. «Средний и малый бизнес использует те наработки, которые сделали крупные игроки рынка, – говорит Юрий Ледаков. – Они просто берут успешные кейсы от первопроходцев, так как самостоятельно не имеют инвестиционных возможностей на внедрение ИИ и не могут позволить себе длительные эксперименты. Применяя некие подготовленные шаблоны и используя облачные сервисы и аутсорсинг, можно меньше тратить собственные ресурсы, которых у СМБ нет. Прибегая к облачным инструментам, они будут пользоваться услугами интеграторов, которые и сформируют для них наиболее удобные бизнес-кейсы».
ИТ-компании, в свою очередь, заняты тем, что правдами и неправдами сокращают стоимость компьютерных вычислений. Чем сильнее упадет стоимость таких вычислений, тем больше бизнес-процессов сможет поглотить искусственный интеллект.
За разумную цену
Кстати, раз уж мы заговорили о деньгах, давайте рассмотрим, сколько нужно готовить для ИИ. «Некоторые решения, такие как Scan & Go, совершенно незатратны, нужны софт и интеграция. В торговую точку покупать ничего не нужно, люди будут использовать свои телефоны. Что получит владелец торговой точки? Эффект в виде снижения ФОТ, роста среднего чека и увеличения частоты визитов в магазин, – говорит Павел Подкорытов. – Но тот же Amazon Go, где для оборудования каждой торговой точки необходимы серьезные вложения в специальные камеры и прочее оборудование, совсем другая история. Каждый проект нужно считать отдельно, тут не скажу ничего нового».
Иногда требуется не только купить новые камеры или программы, но серьезно поменять и ИТ-ландшафт, и архитектурный подход. «Для того чтобы алгоритмы можно было применять, как минимум нужно обеспечить корректный сбор входных данных и построить из них непротиворечивое множество. Степень затратности зависит от подхода. Классический BigData подход – «сначала все соберем, а потом будем разбираться» – крайне дорог и редко бывает успешен. Обратный подход, принятый в науке, – «сначала построим простейшую модель, а потом проведем эксперимент, снимем данные и сверим эксперимент с теорией» – кратно дешевле, меньше по масштабу и сильно эффективнее», – полагает Илья Шутов.
Если речь идет об инхаус-разработке, то серьезных инвестиций не избежать. «И скорее всего надо будет менять подходы к архитектуре. Здесь будут важны правильная аккумуляция данных, их обработка, хранение, формирование результатов – все это означает траты, – подчеркивает Юрий Ледаков. – На практике очень часто к облачным решениям прибегают ритейлеры, сфокусированные на одном бизнесе. Владельцы торговых точек очень хорошо считают и понимают целесообразность выбора. Я думаю, для них сейчас неоправданно входить в построение собственной инфраструктуры с использованием ИИ. Лучший выбор для такого бизнеса – облачные решения».
Стандартные случаи применения ИИ в ритейле
● Алгоритмы прогнозирования временных рядов (ARIMA, Neural Networks), используемые как для планирования поставок, так и для планирования ресурсов ЦОД;
● алгоритмы сингулярного разложения матриц (SVD), используемые в рекомендательных системах;
● алгоритмы дожития (survival analysis), используемые в HR-аналитике и управлении оттоком покупателей;
● статистические алгоритмы для AB-тестирования.
(По версии Ильи Шутова, руководителя направления DataScience компании «Медиа-Тел»).
Поумневшие весы от лидеров
На базе собственной лаборатории инноваций X5 Retail Group разработала «умные» весы – устройство, которое автоматически распознает весовой товар, включая фрукты, овощи и конфеты. Оно монтируется на существующую весовую платформу и состоит из камеры и вычислительного модуля, которые передают данные в общую нейросеть. В начале 2020 года весы начали внедрять в магазины.
Интеллектуальные весы позволяют ускорить время операций на кассе, сделать процесс покупок еще более безопасным и удобным для клиентов. По статистике торговой сети «Пятерочка», весовые товары входят в 30% чеков. В течение одного часа кассир взвешивает продукты около 47 раз, каждая операция занимает в среднем 14,5 секунд. «Умные весы» помогают кассирам существенно сократить это время и значительно ускорить обслуживание покупателей.
Система весов, оснащенная компьютерным зрением, самостоятельно распознает товар даже в пакете, таким образом, пропускная способность каждой кассы увеличивается. По статистике компании, только в расчете на один магазин пропускная способность увеличивается на 20 000 человек в год, а годовая экономия времени на обслуживании покупателей на кассе составит не менее 1300 часов.
Пилотирование «умных» весов прошло в 10 магазинах «Пятерочка», где была выявлена точность распознавания объектов до 98,4%. По мере тестирования нейросеть, которая использовалась в системе компьютерного зрения, постоянно обучалась и повышала точность распознавания.
После X5 «умные» весы внедрил «Магнит». Летом 2021 года был запущен пилотный проект в Краснодарском крае в шести супермаркетах «Магнит Семейный». По данным компании, точность распознавания в июле 2021 года составляла около 95%. За счет дообучения в ходе пилота компания планировала довести ее до 99%. Естественное дообучение не требует дополнительных действий от покупателя или персонала магазина – «умные» весы запоминают выбор покупателя при взвешивании товара.
«Умные» весы адаптированы к особенностям весового ассортимента, умеют работать с неотличимой друг от друга по внешним признакам продукцией и успешно распознают один и тот же уникальный товар, внешний вид которого может отличаться в разных магазинах или регионах.