Контур.Маркировка на ИННОПРОМ-2026: ИИ и данные маркировки подняли точность поставок на 20%
Федеральный ритейлер обработал массив данных системы маркировки с помощью искусственного интеллекта, оценил движение товаров и скорректировал цепочки поставок: точность поставок выросла на 20%, простои снизились, экономия исчисляется миллиардами рублей. Этот пример привел Александр Чертушкин, который отвечает в Сбере за ИИ-трансформацию клиентов.
Кейс прозвучал на дискуссии, посвященной промышленному ИИ, — «Где заканчиваются эксперименты и начинается экономический эффект». Сессия прошла на стенде Контура на международной промышленной выставке ИННОПРОМ-2026, модератором выступил Леонид Скобелин: в Контуре он руководит направлением автоматизации малого и среднего бизнеса. От Контура в обсуждении участвовали менеджер продукта Контур.Маркировка Игорь Стадухин и менеджер проектов Контур.Маркировки Александр Синельников. К ним присоединились Александр Обоскалов, возглавляющий в СОФПП департамент инновационно-технологического развития, и кандидат технических наук Сергей Апанасенко, директор по развитию ООО «Альбига».
Первые эксперименты по маркировке стартовали десять лет назад в тестовом режиме — тогда отрабатывали методологию и технологию. Сегодня коды на товарах превратились в массив данных, пригодный для управленческих решений. По словам Александра Синельникова, обработанные сведения о маркированной продукции показывают производителям и продавцам, когда наращивать выпуск, где товар расходится лучше и какие цены выставил конкурент на полке, а также позволяют оптимизировать логистические цепочки и снизить издержки.
Спрос на такие инструменты уже заметен: Александр Обоскалов оценивает, что в одной лишь Свердловской области ИИ-решения в производство и процессы снабжения внедрил каждый четвертый средний бизнес. Компании применяют искусственный интеллект в самых разных задачах — от чат-ботов до динамического ценообразования.
При этом эксперты предостерегли от внедрения ради внедрения. Александр Чертушкин обратил внимание на качество исходных данных: слабые данные, поданные в хорошую нейросеть, вернутся тем же результатом, только аргументированным моделью, а ошибка в цифре обернется финансовыми потерями или сбоем на производственной линии. Сергей Апанасенко напомнил, что часть решений актуальна прежде всего для крупных игроков — как в свое время конвейер и промышленные роботы дошли не до каждого предприятия. Рекомендации участников: начинать с экономического обоснования и понятного сценария использования, заранее определить, кто в компании будет работать с инструментом, и стандартизировать процессы до автоматизации.
По информации пресс-службы Контура.