Цифровая академия Х5 запускает новый информационно-образовательный продукт. «Цифровая бакалея» станет регулярной рубрикой, в которой мы будем рассказывать о сложных технологиях на максимально простом языке.
В первом выпуске рассказываем о том, как можно бороться с недостатком курицы с помощью камеры, как «нейронка» прогнозирует спрос во время короны, и почему искусственный интеллект нужно внедрять с осторожностью. В этом нам поможет Валерий Бабушкин, директор департамента моделирования и анализа данных.
Искусственный интеллект или ИИ — это самообучающиеся программы. Они учатся на большом объеме данных, которые в них загружают люди.
Вот как это работает на простом примере.
Можно установить камеру возле человека, который сортирует яблоки, и запустить программу на основе искусственного интеллекта. Программа сперва будет внимательно следить за тем, как сортирует яблоки человек, пытаясь понять: «Какие яблоки он кладет в одну коробку? А какие — в другую?». Постепенно программа обнаруживает соответствия: зеленые яблоки отправляются в коробку справа, красные — в ту, что слева. Обучившись, программа может сортировать яблоки сама.
Технологии ИИ совершенствуются со временем. К примеру, если поменять коробки местами или ввести третью коробку для маленьких яблок, программа переучится действовать в новых условиях.
⌘ ⌘ ⌘
Искусственный интеллект — сфера на стыке математики, программирования, логики и техники. Специалисты по ИИ не только пишут программы, но также помогают им взаимодействовать с датчиками, видеокамерами, базами данных.
Это очень сложное, но чрезвычайно перспективное направление. Многие специалисты уверены, что это IT-технология будущего. Достаточно развившись, ИИ освободит людей от множества рутинных задач, дав больше времени для творчества и того, что на самом деле интересно и важно.
Удивительно, но первые исследования на тему искусственного интеллекта появились уже в 1940-х годах. Правда, тогда это были «бумажные программы» — еще не существовало достаточно мощных компьютеров, которые могли бы изучать мир и обучаться. Только в последние 10-20 лет технологии ИИ начинают набирать силу. И это только начало!
Прогнозирование спроса
Традиционно прогнозированием спроса занимались сотрудники магазина. В помощь им шло все: эксельки, опыт работы, даже чутье на экономическую ситуацию. Действительно, сотрудники могут прогнозировать спрос и обеспечивать товарные остатки на достаточном уровне — покупатели вряд ли столкнутся с недостатком курицы на прилавках (ну, или столкнутся пару раз в месяц).
Однако в ритейле этого недостаточно.
Как спрогнозировать спрос так, чтобы с одной стороны курица на прилавках была всегда, а с другой — ее не приходилось списывать каждые несколько дней, потому что в магазин ее завезли больше, чем требовалось на самом деле? Оптимизация остатков и списаний даже на 1% способна принести компании десятки миллиардов рублей экономии каждый год, а также значительно повысить экологичность работы.
Добиться такой оптимизации человеческими силами — невозможно. Нельзя просто так взять и предсказать спрос по 4,5 тыс товарных позиций в магазине. Здесь на помощь приходит автоматизированная система с применением методов искусственного интеллекта. Система учитывает спрос по каждой товарной позиции, связывая его датой, временем и другими условиями.
В Х5 используют собственное решение — систему «Прогнозирование спроса». На ее разработку ушло больше года, при этом совершенствование системы не останавливается и сейчас. Уже сейчас по качеству прогнозирования система превосходит рыночные решения.
В Х5 проводили эксперимент: просили руководителей магазинов оценить свою выручку на год вперед. А после прогнозировали выручку на основе ИИ-системы. Через год — сравнивали. Система оценивала ситуацию с «холодной и трезвой головой», и точно попадала, а люди часто подходили к оценке слишком оптимистично.
Сильная сторона решения Х5 — данные. В компании накопили большой объем данных, на которые опирается «Прогнозирование спроса». Эти данные — важное конкурентное преимущество. Ведь даже если завтра «Прогнозирование спроса» попадет в условный магазин на районе, то система будет бесполезна первые месяцы, пока ее не «накормят» достаточным количеством релевантных данных, на основании которых она делает прогнозы. И этот зазор между нами и конкурентами продолжает увеличиваться.
Система прогнозирования спроса помогла нам правильно реагировать в корона-кризис, во время покупательского бума. Было важно понять, последуют ли за первым бумом следующие, нужно ли наполнить склады туалетной бумагой, гречкой и другими необходимыми товарами? Система дала однозначный ответ — нет, покупатели уже сформировали достаточные запасы дома, и нового бума не случится.
Мы определили что в среднем покупатели запаслись товарами на 108 дней (а пенсионеры — на 130 дней), и вряд ли будут наращивать запасы. И действительно, второго бума не последовало. Благодаря такой оценке спроса компания сэкономила значительные средства на закупке и хранении товаров, которые после трудно было бы реализовать.
Камеры
Следующая важная точка применения технологий на основе ИИ — камеры внутри магазина. С их помощью можно не только бороться с похитителями молока и виски, но значительно повышать выручку магазина.
Прежде всего, ИИ учится обнаруживать «дыры» в выкладке товара. К примеру, в жаркий день покупатели активнее разбирают охлажденную колу в холодильниках. Спрос такой, что спустя 10-15 минут полки холодильников частично пустеют. Сотрудник магазина может заметить это не сразу (особенно если он занят выкладкой других товаров). В результате значительная часть покупателей не купит напиток, а то и уйдет в другой магазин, где есть прохладная кола.
Благодаря системе распознавания образов и технологиям ИИ в Х5 учат камеры быстро определять «дыры», чтобы сотрудники могли быстро «затыкать» их товарами. Ведь любая дыра в выкладке — это недополученные деньги. Также компания может экономить, не нанимая в магазин слишком много сотрудников — обслуживать выкладку может меньшее число персонала.
Контроль выкладки по камерам точнее контроля выкладки по чекам, которую часто используют сейчас. Ведь между тем как человек возьмет товар с полки и пробьет его на кассе может пройти полчаса и больше — получается, все это время полка будет оставаться пустой.
Однако обнаружение «дыр» — это не единственная возможность для камер в магазине. Вот еще несколько систем, которые исследуются или внедряются в Х5:
- Анализ очередей. Камеры могут следить за тем, чтобы в очереди к кассе не ждало более 3-4 человек. Если это случается, то система позовет на кассу дополнительного сотрудника.
- Поиск воров. Камера может узнавать магазинного вора в лицо и обнаруживать его противоправные действия. Пока для полномасштабного использования такой системы нет нормативной базы, но это только вопрос времени.
- Аутентификация сотрудников. Уже сейчас в некоторых магазинах X5 камера узнает сотрудников в лицо. В перспективе это позволит точно следить за началом и окончанием рабочего времени без пропусков (и случающихся манипуляций с ними). В будущем, если это позволят законы, камера и ИИ-системы распознавания лиц смогут узнавать и покупателей тоже. Возможно, скоро в магазинах X5 можно будет «заплатить лицом».
Онлайн и мобильные решения
И наконец, ИИ-решения могут применяться в растущем сегменте онлайн-продаж. Компания учится изучать вкусы и потребности клиентов, предлагая им релевантные товары и напоминая об акциях.
Благодаря ИИ-технологиям распознавания речи и голоса возможно построить автоматизированные колл-центры, в которых голосовые помощники и чат-боты смогут ответить на вопросы клиентов, разгружая дорогостоящих сотрудников-людей от рутинной работы.
В будущем получится связать онлайн и оффлайн, сделав покупки по-настоящему мультиканальными. К примеру, система узнает покупателя в магазине, предложит ему взять сейчас самые востребованные покупки, исходя из его вкусов и предыдущего опыта, а менее важные и более тяжелые покупки предложит заказать с доставкой на дом.
Важно отметить, что в Х5 используют рациональный подход к внедрению современных технологий в ритейле.
Так, ИИ для нас — это не модный фетиш, который нужно любой ценой приложить к якобы «устаревшим» технологиям. Это инструмент решения бизнес-задач, и главные такие задачи — оптимизация затрат и увеличение прибыли
