Top.Mail.Ru
Когда данные подводят: почему ИИ в ритейле не работает так, как обещали - Агентство Бизнес Новостей

Когда данные подводят: почему ИИ в ритейле не работает так, как обещали

abn.agency

Максим Захаренко, СЕО компании «Облакотека», считает, что искусственный интеллект уже перестал быть модной игрушкой и превратился в инструмент, способный измеримо повышать эффективность бизнеса. Однако, по его словам, путь к этой эффективности у многих компаний оказывается тернистым.

«Часто компании переоценивают готовность своих данных, но алгоритмы не работают, если данные неочищенные или разрозненные», — говорит Захаренко.

По его словам, именно с этого начинаются большинство неудач при внедрении ИИ в ритейле. Еще одна типичная ошибка — попытка копировать чужие решения без учета специфики ассортимента или региональных факторов. В результате система, идеально работающая в одной сети, может полностью провалиться в другой.

Захаренко отмечает, что технологии не терпят механического подхода: без адаптации под конкретные процессы даже самые совершенные алгоритмы остаются бесполезными. Не меньше проблем возникает и на уровне человеческого фактора. По словам эксперта, многие проекты «умирают» после запуска, если сотрудники не понимают, как и зачем работает система.

«ИИ — это не волшебная кнопка, а управляемый процесс, который требует зрелости данных, бизнес-логики и доверия внутри компании», — подчеркивает Захаренко.

Он добавляет, что искусственный интеллект в ритейле может быть мощным инструментом роста, но только тогда, когда он встроен в стратегию бизнеса, а не навязан сверху как очередная технологическая мода.

 «Провалы случаются, когда ИИ внедряют ради самой технологии. Классический пример — когда крупный ритейлер внедрил систему ИИ-найма, а та начала дискриминировать женщин, потому что обучалась на исторических данных, где большинство соискателей были мужчинами», — отмечает эксперт по управлению ассортиментом Fashion Ольга Карнаусова.

Ошибки в данных и отсутствие четкой бизнес-цели приводят к тому, что алгоритмы начинают работать против компании, а не на нее. Там, где система должна была предсказывать тренды и снижать издержки, она создает искажения и неверные рекомендации. И всё же примеры успешных кейсов доказывают, что при грамотной настройке ИИ способен заметно повысить эффективность.