Российский ритейл входит в число самых технологичных отраслей экономики. Сегодня это уже не история про любовь к инновациям. На фоне падения потребительской активности, кадрового дефицита и давления маркетплейсов автоматизация и ИИ становятся для ритейлеров инструментом выживания. Без активного внедрения новых технологий сложно удерживать выручку, управлять затратами и соответствовать ожиданиям покупателей.

Иван Коновалов, основатель и генеральный директор Molver, рассказывает, как отрасль пришла к текущему уровню цифровизации, с какими задачами уже справляются AI‑решения и почему ближайшие годы могут стать моментом качественного перелома.

Что сейчас влияет на цифровизацию и автоматизацию ритейла

По уровню цифровизации российский ритейл стабильно в топ‑3 отраслей экономики: в 2024-2025 годах более 40% ритейлеров находились в активной фазе цифровой трансформации, еще 15-20% планируют старт цифровых проектов в 2026 году.  Современные торговые сети выстраивают полноценный цифровой контур: учетные системы, процессно‑ориентированные решения, WMS и TMS, омниканальные платформы и развитую аналитику.

При этом 2025 год стал для российского ритейла самым сложным за последнее десятилетие: индекс предпринимательской уверенности опустился почти до уровней пандемийных лет. Параллельно рынок ИТ‑решений для ритейла продолжает расти на 20-25% в год, что отражает спрос на автоматизацию логистики, «умные» склады, self‑service и цифровые сервисы для покупателей.

Ситуацию усложняет кадровый голод. По данным SuperJob, 78% российских компаний ощущают дефицит сотрудников, и ритейл находится среди наиболее уязвимых отраслей. Особенно остро стоит вопрос с линейным персоналом: кассирами, сотрудниками залов, работниками распределительных центров. В отдельных сегментах, например в строительном ритейле, текучесть линейного персонала, по оценкам Molver, достигает 98%. Ритейлер тратит ресурсы на обучение и онбординг сотрудников, которые быстро уходят, и цикл приходится начинать заново.

Второй фактор давления — маркетплейсы. За последние годы они не только отняли значимую долю рынка, но и радикально изменили поведение покупателей. Клиенты привыкли к доставке за 1-2 дня, «бесконечному» ассортименту, персональным рекомендациям, динамическим скидкам и тысячам подробных отзывов с фото и видео.  Возможности маркетплейсов стали базовым стандартом сервиса. Чтобы продолжать конкурировать, ритейлу приходится в этот стандарт вписываться.

Сам по себе уровень автоматизации процессов в российских сетях уже высок. Ритейл одним из первых массово внедрил WMS‑системы для управления складами, TMS и Yard Management для транспортной логистики, системы автоматического пополнения запасов, электронные ценники, кассы самообслуживания, решения для учета и онлайн‑инвентаризации. «Классическая» автоматизация уже стала стандартом, но в новых условиях этого недостаточно: сети ищут способы двигаться дальше и наращивать обороты.

AI‑автоматизация: от экспериментов к экономическому эффекту

На фоне падения маржи, роста издержек и усиления конкуренции ритейл оказался в ситуации, когда нужно резко повышать эффективность без пропорционального увеличения расходов и штата. Логичным ответом стало ускоренное развертывание ИИ‑решений: от предиктивной аналитики и классического машинного обучения до генеративных моделей. Если несколько лет назад это были скорее точечные пилоты, то сейчас крупные игроки выходят на уровень системных программ.

Показательный пример — X5 Group. Как сообщают представители компании, за прошлый год сеть получила порядка 5 млрд рублей совокупного эффекта от технологий, связанных с искусственным интеллектом. К ключевым направлениям относят оптимизацию ассортимента, ценообразование и персонализацию — фактически, весь контур принятия решений в продажах и маркетинге. В компании также развивают Copilot — веб‑интерфейс, который дает сотрудникам доступ к нескольким ИИ‑моделям (от отечественных до open source и внутренних).

Макроэффект подтверждают и более широкие исследования. Аналитики «Яков и Партнеры» и «Яндекса» оценивают ожидаемый экономический эффект от внедрения ИИ к 2030 году в 7,9-12,8 трлн рублей ежегодно, что соответствует до 5,5% прогнозируемого ВВП. По их данным, 78% опрошенных компаний уже получают экономический эффект от использования AI‑решений — это на 10 п.п. больше, чем в 2023 году, а в передовых отраслях совокупный вклад ИИ в EBITDA оценивается в 8% с прогнозом роста до 13–21% в ближайшие годы. Наибольший вклад ожидается от генеративного ИИ (до 2,7 трлн рублей), причем доля компаний, применяющих такие технологии хотя бы в одном направлении, к 2025 году достигла 71%.

На уровне задач ритейл использует ИИ в нескольких ключевых блоках:

• В управлении спросом и запасами модели прогнозируют потребность в товаре с учетом сезонности, акций, погодных и локальных факторов, что помогает снижать дефицит и списания.
• В ценообразовании ИИ‑алгоритмы анализируют эластичность спроса, поведение конкурентов и остатки, формируют динамические цены и оценивают эффективности промо в режиме, близком к реальному времени.
• В маркетинге и продажах ИИ отвечает за сегментацию клиентов, построение рекомендательных систем, персональные офферы и автоматизацию коммуникаций в цифровых каналах.
• На стороне клиентского опыта развиваются чат‑боты, голосовые ассистенты и виртуальные консультанты, способные обрабатывать сотни тысяч обращений в месяц.

Отдельное направление — решения в магазинах и логистике. Компьютерное зрение используют для контроля кассовой зоны, мониторинга залов, предотвращения краж, управления очередями, а также для оценки выкладки и заполненности полок.  IoT‑датчики и «умные» бейджи помогают управлять работой персонала и выполнением задач, системы видеоаналитики позволяют детально изучать трафик и конверсии. 

Один из интересных примеров развития ИИ-автоматизации в офлайн ритейле — киоск‑консультант в торговом зале. Он выполняет роль полноценного цифрового продавца: сам инициирует диалог, уточняет задачу, подбирает решение, объясняет разницу между товарами, доводит до оплаты через QR-код или мобильное приложение. Это позволяет одновременно сокращать потребность в линейном персонале и повышать средний чек за счет системного кросс‑сейла.

Важный момент — архитектура решения. Например, вместо «обертки» над публичной языковой моделью, мы используем собственную нейросеть, которая работает по базе знаний ритейлера (его каталоги, техкарты, инструкции, скрипты). Это помогает ритейлеру контролировать стоимость, отвечать на запросы покупателей в течение 2-5 секунд и управлять качеством ответов. Параллельно киоск собирает аналитику: про какие товары и категории чаще спрашивают, как меняется средний чек, какие позиции влияют на выручку сильнее, где есть потенциал для пересмотра ассортимента и т.д.

Какие барьеры тормозят внедрение ИИ-автоматизации в ритейле

Влияют внешние факторы — высокая стоимость проектов, дефицит квалифицированных IT‑ и data‑команд, санкционные ограничения на импорт ПО и оборудования, необходимость перестройки бизнес‑моделей под омниканальность и e‑commerce. Внутри компаний «давят» свои барьеры: недоверие к решениям ИИ, опасения по поводу репутационных рисков и безопасности данных, страх «не отбить» инвестиции, а также сопротивление изменениям со стороны персонала.

Отношение к ИИ‑инструментам в целом можно описать как смесь прагматичного интереса и настороженности. С одной стороны, большинство крупных игроков понимает, что без AI‑решений сложно эффективно управлять большими массивами данных. С другой — рынок уже прошел первую волну хайпа, когда ИИ воспринимался как «дешевый и быстрый» инструмент, который можно внедрить силами энтузиастов или «вчерашних студентов». Такие пилоты чаще всего формировали негативный опыт: собранные «на коленке» недорогие решения не оправдывают обещаний, что в итоге усиливает скепсис к внедрению ИИ.

Что ждет AI-автоматизацию в ближайшие годы: мировой опыт и российские тенденции

Мировая практика показывает, что ритейл — одна из тех отраслей, где ИИ наиболее быстро переходит из стадии экспериментов в операционный стандарт. Исследование Honeywell, основанное на опросе 450 руководителей крупных сетей по всему миру, фиксирует: 85% компаний уже внедрили ИИ‑решения, 60% активно расширяют их использование.

В Китае ИИ‑инновации фактически встроены во всю цепочку: от логистики и закупок до клиентского сервиса и финтех‑сервисов. Например, DingDong активно меняют рынок доставки продуктов с помощью AI-технологий и используют модели, способные прогнозировать спрос на уровне отдельной улицы. Сингапурская FairPrice делает ставку на глубоко персонализированное мобильное приложение, где ИИ формирует индивидуальные корзины, рецепты и скидки.

В США и Европе крупные ритейлеры интегрируют ИИ более консервативно, через доработку существующих систем и строгий акцент на защиту данных. Основной фокус — на повышении точности прогнозов спроса, оптимизации логистики и складских операций, а также персонализации клиентского опыта. Например, Ocado многие годы развивает AI‑роботику и машинное обучение в центрах исполнения заказов, а IKEA использует AI‑ассистентов и рекомендательные сервисы.

Российский рынок, с одной стороны, движется в общем тренде, с другой — имеет свои особенности. Сходство в фокусе на маркетинге, клиентском опыте и персонализации — например, кейс «Магнита» с его AI-ассистентом Мэджик.

Классический ИИ (прогнозирование спроса, планирование запасов, ценообразование, логистика) в российских сетях уже стал частью новой нормы. Генеративные сети активно тестируют в создании карточек товаров, рекламного контента, инструментах для работы с базами знаний и клиентским сервисом.

В ближайшие годы можно ожидать движения к гиперперсонализации, когда учитывать будут не только история покупок, но и контекст: локацию, погодные условия, календарные события, формат магазина, даже эмоциональное состояние клиента. Будут развиваться мультимодальные модели, которые одновременно работают с текстом, изображением, видео и голосом, что открывает новые сценарии для ассистентов и сервисов «помощи в выборе» в реальном времени.

Ритейлеры также ожидают дальнейшей автоматизации управления запасами, оптимизации цепочек поставок и появления полноценных виртуальных шопинг‑ассистентов, которые будут сопровождать клиента от момента планирования покупки до постпродажного сервиса.

Спрос на такие решения в России будет усиливаться по двум причинам. Во‑первых, экономическое давление и кадровый дефицит никуда не исчезают, а значит, запрос на автоматизацию и оптимизацию расходов останется долгосрочным. Во‑вторых, на рынке уже есть зрелые отечественные AI‑продукты, способные закрывать прикладные задачи ритейлеров, не нарушая при этом требований по безопасности данных и импортозамещению. В таких условиях ИИ перестает быть экспериментом и становится инфраструктурной технологией, от скорости и качества освоения которой будет зависеть позиция конкретной сети в конкурентной гонке.

Подписывайтесь на наш канал в Telegram, чтобы первыми быть в курсе главных новостей ритейла.