«Черкизово» и Data Sapience представили практики внедрения ИИ в ритейле
На Форуме ИТ и инноваций в ритейле представители «Группы Черкизово» и Data Sapience обсудили, как компании переходят от отдельных экспериментов с искусственным интеллектом к системному внедрению технологий. Совместный доклад «Вкус будущего: сохранить традиции, внедрить инновации» представили руководитель направления архитектуры ПАО «Группа Черкизово» Юлия Гришина и директор платформы Kolmogorov AI компании Data Sapience Михаил Зайцев.
Data Sapience выступила генеральным партнёром сессии «Практики ИИ (AI) трансформации розничной торговли». Форум собрал ИТ-директоров, руководителей по работе с данными и представителей проектных офисов розничных компаний. Три сессии деловой программы были посвящены применению технологий искусственного интеллекта.
От экспериментов к управляемой программе
В «Черкизово» рассказали, что на первом этапе разные бизнес-направления самостоятельно включали ИИ-инициативы в планы развития. Количество пилотных проектов росло, однако их результаты не всегда соответствовали ожиданиям. При детальном анализе не удавалось обнаружить измеримый эффект, который можно было бы перенести в повседневные процессы.
Переломным этапом стала работа с базой знаний и предварительная проработка процессов. В компании пришли к подходу, при котором новый пилот запускается не только ради демонстрации возможностей технологии: сначала определяются бизнес-задача, правила принятия решений и критерии результата. Инициативы объединили в единую таблицу, сопоставив традиционный способ работы с возможностями ИИ.
Где ИИ дополняет специалистов
Обсуждение показало, что степень автоматизации зависит от конкретного сценария. Поиск по базе знаний можно ускорить с помощью ИИ, но саму базу необходимо адаптировать под формулировки и запросы пользователей. Обработка электронной почты также поддаётся автоматизации, хотя в ряде случаев классификация писем зависит от истории взаимодействия с конкретным контрагентом.
Предиктивная аналитика позволяет получать более точную картину на основе исторических данных, но её качество напрямую связано с полнотой исходных вводных и участием профильного специалиста. В сценарии цифрового технолога ИИ может рекомендовать решение, если опыт сотрудников и принципы принятия решений подробно описаны, даже когда они не полностью закреплены в нормативной документации.
В подборе персонала окончательное решение, по оценке участников, должно оставаться за человеком. Иным оказался сценарий видеоаналитики: объём поступающей информации значительно превышает возможности одного специалиста, поэтому здесь ИИ можно передать основную нагрузку без дополнительных оговорок. В докладе это соотношение представили как условный счёт 4:6 в пользу инноваций — в зависимости от задачи технология либо заменяет привычный процесс, либо работает вместе с сотрудником.
Архитектура ИИ-ландшафта
Михаил Зайцев представил концептуальную архитектуру ИИ-ландшафта на базе Kolmogorov AI и распределение зон ответственности между платформой и заказчиком. Data Sapience предоставляет корпоративный портал для доступа к большим языковым моделям, прокси- и защитный слой, а также платформу для создания ИИ-агентов. В неё входят low-code-конструктор, библиотека шаблонов и песочница для тестирования решений.
Вычислительные ресурсы, системное программное обеспечение и сами модели в такой схеме обеспечивает заказчик или сервис-провайдер. Пилотный контур был сосредоточен на поиске информации, работе с базами знаний и интеграции ИИ-компонентов во внутренние приложения поверх внешних моделей.
Одним из примеров стала обработка НФП: если раньше обращение полностью проходило через службу поддержки, то теперь входящий запрос предварительно разбирает ИИ-агент. Специалист проверяет результат, при необходимости корректирует его и согласовывает дальнейшее действие. В целевой архитектуре предусмотрены собственные модели внутри корпоративного контура, портал с модулем контроля утечек Guardrails, автоматизация процессов и генерация контента.
По словам Михаила Зайцева, рынок ритейла уже прошёл этап массовых пилотных проектов. Отдельный эксперимент может убедительно выглядеть на демонстрации, но не переноситься в реальный процесс. Поэтому конкурентное преимущество определяется не столько выбором конкретной модели, сколько наличием среды, где агента можно собрать, протестировать, запустить и сопровождать. Опыт «Черкизово» в этом подходе сводится к последовательности: сначала формируются концепция и процессы, а затем подбираются инструменты.
