Искусственный интеллект в логистике: от складов до минимизации отходов
Применение искусственного интеллекта все заметнее влияет на операционную эффективность компаний. Опыт крупнейших игроков в России и Азии показывает: ИИ способен одновременно снижать затраты, ускорять процессы и минимизировать упущенную выручку за счет отсутствия товаров на полках. Примеры приведены в отчёте «Практика использования искусственного интеллекта компаниями потребительского сектора. Опыт России и Азии» компании Kept.
Роботизированные склады
В России одним из заметных проектов стала роботизация складов «Яндекса». Здесь используется система управления Yandex RMS, которая координирует работу роботов: они перемещают коробки со стеллажей, выполняют инвентаризацию и даже способны поднимать грузы весом до 35 кг. Встроенная нейросеть обучается на реальных сценариях, учится сравнивать предметы и оптимизировать маршруты их перемещения.
Практический эффект выражается в цифрах: затраты на обработку единицы товара сокращаются на 30–80% за счет снижения доли ручного труда, скорость комплектации увеличивается на 30%, а число ошибок при отборе и учете запасов заметно снижается. Для маркетплейсов это означает прямое сокращение расходов и повышение качества сервиса.
Управление запасами в рознице
Другой пример демонстрирует сеть магазинов CU в Южной Корее. Здесь ИИ-система интегрирована с камерами видеонаблюдения и в режиме реального времени отслеживает наличие продукции, работу холодильников и чистоту дегустационных зон. Система сразу уведомляет сотрудников о проблемах. В результате рутинные процессы — проверка остатков, оформление заказов — сократились до одного часа в день, а показатель out of stock снизился на 20,8%. Продажи выросли почти на 5%, а оборачиваемость ускорилась.
В Китае интеллектуальные системы закупок Guandata применяются в сетях China Resources Vanguard и FamilyMart. Алгоритмы прогнозирования спроса учитывают данные о погоде, транспортном трафике и истории продаж, обеспечивая точность прогнозов выше 92%. Система автоматически корректирует заказы: при повышении температуры на 3°C закупки мороженого увеличиваются на 45%. Такой подход позволил снизить уровень потерь свежей продукции с 23% до 9% и повысить эффективность оборота запасов на 38%.
Минимизация отходов
ИИ используется не только для оптимизации продаж, но и для сокращения издержек, связанных с потерями и утилизацией. В Сингапуре стартап Lumitics внедрил на ресторанных кухнях умные мусорные баки с ИИ-трекерами. Они анализируют выбрасываемые продукты вплоть до конкретных блюд и помогают корректировать закупки. Это снижает пищевые отходы до 40%.
Другие проекты, такие как Treatsure и TreeDots, связывают производителей и гостиничный бизнес с конечными потребителями, позволяя реализовывать излишки продуктов по сниженной цене. TreeDots за три года передал на рынок около 2,3 тыс. тонн товаров, что эквивалентно 23 миллионам порций.
Управление маршрутами поставок
В Японии Mitsubishi разработал сервис на базе ИИ, который используется сетью Lawson. Система прогнозирует спрос на продукты и выстраивает оптимальные маршруты доставки. Это не только позволяет доставлять товары точно в срок, но и сокращает объемы избыточных запасов. В ходе испытаний объем запасов снизился на 30%, а в отдельных категориях — на 40%.
