Пока одни компании всё ещё обсуждают, «стоит ли вообще трогать нейросети», другие уже сэкономили на них 9 миллиардов рублей. Разбираем, что происходит с искусственным интеллектом в российском e-commerce, какие кейсы работают прямо сейчас и почему большинство внедрений буксуют.
Проблема, которую все чувствуют, но мало кто называет точно
Специалисты в e-commerce профессиональны. Проблема не в людях — проблема в модели работы, которая больше не масштабируется.
Операционная нагрузка растёт быстрее, чем штат. Инструментов — всё больше, специалистов — по-прежнему не хватает. Данных становится так много, что их уже невозможно использовать в полном объёме: пока одна аналитика собрана, она успевает устареть.
Есть меткая шутка про то, что «высокие технологии» в большинстве компаний — это их Excel-таблицы. И смешно, и грустно, потому что правда.
Всё это хорошо видно на конкретных показателях. По данным Yakov & Partners, средняя маржинальность ритейлеров планомерно снижается: с 7,2% до 6%. При этом сам рынок продолжает расти на 2–3% в год. Парадокс? Нет — закономерность. Операционные затраты растут быстрее выручки, все демпингуют, цены давят вниз, а значит, единственный выход — сокращать косты.
И здесь на сцену выходит ИИ. Не как модный тренд, а как вынужденный ответ на экономическую реальность.
Смена парадигмы: от инструмента к операционному слою
Раньше ИИ воспринимался просто: попросил — получил текст или картинку — закрыл. Точечный инструмент для точечных задач.
Сейчас происходит принципиально другое. ИИ становится операционным слоем — координатором, который пронизывает всю организацию. Координатор, копирайтер, публикатор контента, оператор данных — это уже не метафоры, это реальные роли, которые берут на себя цифровые системы.
Один человек сегодня может управлять целой контент-студией, потому что у него появились цифровые сотрудники.
Важный нюанс: человек из этого процесса никуда не уходит. Появился термин «human in the loop» — человек становится частью алгоритма, выполняя критическую функцию финального одобрения. Он превращается в руководителя: нажимает итоговую кнопку там, где это действительно важно. Остальное — делегируется.
На входе в такую систему — масса сигналов: изменения цен, остатки на складах, отзывы, жалобы, данные промокампаний, действия конкурентов. Всё это стекается в единую базу. Дальше — автоматизированная обработка с человеческим контролем на выходе.
Результат — быстрее вывод товаров на полку, дешевле производство контента, меньше out-of-stock, выше конверсия.
Что уже работает: кейсы российского рынка
Ozon: 9 миллиардов на автоматической модерации
Ozon внедрил автоматическую модерацию пользовательского контента — отзывов, вопросов, комментариев, загружаемых карточек товаров. По словам директора по разработке Андрея Чубейкина, этот инструмент сэкономил компании около 9 млрд рублей на ручной модерации за 2 года.
По итогам 2025 года доля автоматической модерации достигла 96%, а в перспективе ожидается 99,5%.
Параллельно Ozon работает на два фронта: персонализация главной страницы под каждого пользователя и автоматическая генерация SEO-оптимизированных описаний товаров для селлеров.
Wildberries: ИИ-примерка и 15 миллионов карточек в день
У Wildberries — автоматическая генерация SEO-описаний и глубокий анализ трендов визуального контента. Система изучает отзывы, выявляет предпочтения пользователей и подсказывает продавцам, какая композиция карточки товара будет популярнее.
Логика простая и работающая: то, за что товар хвалят или ругают в отзывах, нужно подсвечивать в рич-контенте и инфографике.
Но главная фишка — ИИ-примерка одежды, учитывающая позу, освещение и фактуру ткани. Функционал доступен любому селлеру. Пользователи, конечно, пытаются его сломать (интернет есть интернет), но система работает стабильно.
Масштаб: внутренняя нейросеть Wildberries ежедневно обрабатывает 15 миллионов карточек товаров. Это не пилот — это производственная система.
«Золотое Яблоко»: локализация для Ближнего Востока
«Золотое Яблоко» использует облачные решения Яндекса для автоматической локализации контента под зарубежные рынки — ОАЭ, Катар. Модерация отзывов, генерация описаний на разных языках, полная ретушь — всё происходит автоматически, строго по гайдлайнам компании.
«Самокат»: брендбук на автопилоте
«Самокат» выстроил полноценный ИИ-пайплайн для визуального контента: улучшение качества изображений, удаление фона и нежелательных объектов, генерация теней, замена освещения. Весь процесс идёт по брендбуку ритейлера. Человеку остаётся только утвердить готовый вариант — или попросить сгенерировать ещё несколько.
«ВкусВилл»: цифровой двойник даркстора
Один из самых нестандартных кейсов. «ВкусВилл» создал ИИ-ассистента «ГАЛА» — внутреннего помощника для операторов, который координирует работу с курьерами.
Но главная история — цифровая копия (digital twin) даркстора. Физическое расположение полок оцифровано виртуально — как BIM-системы у строителей. Это позволяет за считанные часы просчитывать миллиарды логистических вариантов и находить оптимальный маршрут для сборщиков.
ИИ-ассистент в реальном времени подсказывает операторам: где находится курьер, что закончилось на складе, где быстрее всего найти нужный товар.
Что делают мировые бренды
Amazon: GPT внутри маркетплейса
Amazon запустил AI Creative Studio с видео- и аудиогенераторами. Это полноценный GPT-интерфейс прямо внутри платформы. Селлер загружает изображение — система сама заменяет фоны, подбирает ракурсы, генерирует рекламные видео и визуалы по стандартам площадки. Контент адаптируется под поведение покупателей в реальном времени.
H&M: цифровые модели без джетлага
H&M оцифровала реальных моделей и построила на этом рекламную кампанию. Вместо того чтобы получить волну критики за «отбор рабочих мест у людей», бренд преподнёс это как развитие профессии.
Логика убедительная: цифровая копия модели может фотографироваться в новой коллекции в разных позах — без джетлага, без перелётов, без необходимости физического присутствия в студиях Токио или Нью-Йорка. На всех таких изображениях стоит специальная цифровая подпись.
Nestle, Unilever, P&G: тысячи маркетологов с доступом к ИИ
Nestle оцифровала 4000 продуктов в прошлом году, в этом году план — ещё 10 000. Внутренний ИИ-сервис доступен тысячам маркетологов по всему миру.
Unilever провёл рекламную кампанию для Dove полностью на сгенерированных ИИ изображениях. Ключевое преимущество — не только скорость, но и гибкость: если руководству не нравится элемент, не нужно переснимать съёмку — всё переделывается за минуты.
У Procter & Gamble работает внутренняя ИИ-фабрика с корпоративными сервисами ChatPG, ImagePG и AskPG. Сотрудники загружают файлы, анализируют таблицы, создают презентации и генерируют креативы с учётом корпоративных стандартов.
Тренд, который изменит всё: агенты покупают сами
Один из важнейших мировых трендов — Universal Commerce Protocol. Крупные бренды уже настраивают PIM-платформы, которые автоматически выгружают контент на маркетплейсы через API и оптимизируют данные о товарах специально для ИИ-агентов.
Смысл: ИИ сам ищет продукт, добавляет в корзину, оформляет заказ и оплачивает. Общение «agent-to-agent» без участия человека.
В России аналог — Yandex Commerce Protocol. Пользователь общается с Алисой, выбирает товар, а голосовой помощник сам оформляет заказ и оплачивает через Yandex Pay. Функционал уже внедрён в 3500 интернет-магазинов.
По прогнозам экспертов, к 2030 году мировые продажи через ИИ-агентов могут достичь 4–5 триллионов долларов.
Почему внедрения буксуют — и что с этим делать
Трансформация нередко начинается с фразы «давайте просто потрогаем». В итоге: несколько не связанных между собой подрядчиков, разрозненные пилоты, а потом — годы на преодоление травматичного опыта.
Типичные причины провалов:
Неструктурированные данные. ИИ не работает с хаосом — ему нужна чистая, организованная база.
Нет критериев качества. Без описанных стандартов невозможно понять, хорошо сработала система или нет.
Много владельцев процессов. Когда никто не может договориться между собой, внедрение превращается в политику.
Комплаенс. Самым умным «агентом» в компании неизменно оказывается юрист по комплаенсу. Это не шутка — это реальное узкое место.
Рабочий подход: не пытаться охватить всё сразу. Выбрать один-два процесса с наибольшим объёмом рутины — и там показать измеримый результат. Встраивать ИИ не как отдельный инструмент для генерации промптов, а как единую операционную систему, которая связывает отделы между собой.
Что в деньгах
По прогнозу Yakov & Partners, ожидаемый экономический эффект от внедрения ИИ в российский ритейл и потребительский сектор к 2030 году составит до 160 млрд рублей. В сегменте FMCG и потребительских товаров — до 100 млрд рублей.
В ближайшие 4–5 лет у компаний, которые смогут встроить ИИ в свои процессы, появится финансовый рычаг в размере около 260 млрд рублей.
Это не абстрактные цифры из презентации. Это разница между теми, кто останется на рынке, и теми, кто будет вытеснен теми, у кого операционные косты ниже.
Вывод
ИИ в e-commerce — это уже не вопрос «внедрять или нет». Это вопрос «успеть или опоздать». Компании, которые встроят искусственный интеллект в операционные процессы в ближайшие 2–3 года, получат структурное преимущество по издержкам, скорости и качеству — и удержат его надолго. Те, кто будет ждать «подходящего момента», столкнутся с конкурентами, у которых этот момент уже наступил.