Российский ИИ ведет учет товаров на складе эффективнее зарубежных аналогов

Институт искусственного интеллекта МФТИ разработал систему управления складскими запасами на основе ИИ. При тестировании на исторических данных она увеличила валовую прибыль крупного дистрибьютора на 7%, что в денежном выражении может составить десятки миллионов рублей в год.

Управление запасами — одна из самых сложных задач в логистике, особенно когда речь идет о десятках тысяч наименований товаров при нестабильном спросе. Традиционные системы автозаказа работают по простой схеме: сначала строится прогноз спроса, затем применяется фиксированная формула. Разработанный в МФТИ ИИ-агент действует иначе — он сразу оптимизирует решения под конкретный бизнес-результат, учитывая долгосрочные последствия каждого заказа.

Например, система анализирует текущие остатки на складе, товар в пути, историю продаж за несколько недель и сезонные факторы. На основе всего этого она рассчитывает оптимальный объем заказа, взвешивая риски дефицита и затоваривания. При тестировании доля удовлетворенного спроса выросла с 80% до 90%, что напрямую сокращает упущенную выручку. При этом система самостоятельно адаптируется к изменениям условий — без ручной перенастройки.

Для обучения ИИ разработчики создали цифровую копию бизнес-процессов — платформу, которая воспроизводит историю продаж и позволяет проверять разные стратегии в условиях, максимально близких к реальным. Нейросеть управляет каждой парой «товар — склад» самостоятельно, но при этом использует опыт, накопленный при работе со всем ассортиментом. Обучение прототипа на выборке из 10 000 пар «товар — склад» занимает менее суток на стандартном серверном оборудовании.

Следующий шаг — проверка системы на данных заказчика за 2025 год, после чего ее планируется интегрировать в существующие учетные системы, в том числе в «1С». Сначала ИИ будет работать в режиме советчика, затем возможен переход к полной автоматизации заказов. По словам разработчиков, на полное внедрение потребуется около 6 месяцев: 3 месяца на тестирование и 3 — на интеграцию. Система изначально проектировалась так, чтобы встраиваться в уже существующие процессы, а не требовать их перестройки.

Разработка ориентирована на крупный ритейл, автосервис, дистрибуцию промышленного оборудования и электроники — то есть на отрасли с высокой изменчивостью спроса. Система уже готова к пилотному внедрению, сообщает CNews.