ИИ в управлении складом в ретейле: умные полки, автопополнение и предсказание воровства

Средний супермаркет теряет ₽3–7 миллионов в год на краже и «усушке» товаров. При этом 8–10% полочного пространства постоянно пустует из-за несвоевременного пополнения. AI решает обе проблемы одновременно.

Кейс 1. Focal Systems — AI-камеры на полках супермаркетов

Инструменты

• Камеры на каждой полочной секции + Computer Vision
• Real-time детектирование out-of-stock и неправильной расстановки
• Автоматические задания для персонала на пополнение
• Аналитика: что быстро расходится, что залёживается

Что происходит

Традиционный обход полок: сотрудник с листом бумаги проходит каждый ряд → записывает что нужно пополнить → идёт на склад → возвращается. Занимает часы, делается 1–2 раза в смену.

Focal Systems: камеры постоянно смотрят на каждую секцию. CV выявляет: «Полка 12B, молоко 1.5% — осталось 2 пачки (было 12 утром). При текущем темпе продаж — через 45 минут пусто». Автоматическое задание на планшет сотрудника: «Пополнить полку 12B молоком 1.5%, приоритет ВЫСОКИЙ».

Плюс: CV видит неправильно расставленный товар (продавец-поставщик поставил свой товар не на свою полку) → алерт мерчандайзеру.

Результаты

• Out-of-stock события с Focal Systems: снижение на ~50–65%
• Продажи при снижении out-of-stock: рост на ~3–5% (клиент находит нужное)
• Время персонала на обходы: снижение на ~40% (мобильные задания вместо ручных обходов)
• Focal Systems: партнёрство с Walmart, Wakefern, сетями по всему миру

Кейс 2. Trigo и Standard AI — «магазин без касс»

Инструменты

• Потолочные камеры + CV: отслеживание каждого покупателя и взятых товаров
• Computer Vision: детектирование взятых и возвращённых товаров
• Автоматическое списание с привязанного аккаунта при выходе
• Loss Prevention AI: выявление подозрительного поведения

Что происходит

Amazon Go — первый массовый эксперимент. Покупатель заходит, берёт товары, уходит — списание автоматическое. Trigo и Standard AI предлагают ту же технологию как B2B-сервис для существующих магазинов: установить камеры на потолке, не переделывая магазин.

CV отслеживает каждого посетителя как «трек». Когда человек берёт товар с полки — фиксируется. Когда возвращает — убирается. При выходе из зоны — автоматическое списание.

Loss Prevention: нетипичное поведение (человек долго стоит в непроходном месте, скрывает товар за одеждой) → флаг охране.

Результаты

• Потери от воровства в магазинах без касс (по данным Amazon Go): снижение на ~35–50% vs стандартные магазины
• Время покупки без очереди: с ~8 минут до <2 минут
• Trigo: партнёрство с Aldi, Wakefern; Standard AI: с целым рядом крупных розничных сетей

Кейс 3. AI-предотвращение потерь в российском ретейле

Применения

«Лента», «Перекрёсток», «ВкусВилл»:

• CV-системы на входах/выходах: распознавание попыток вынести товар без оплаты
• Алертинг охраны в реальном времени
• Анализ точек концентрации потерь (какие секции чаще становятся местом кражи)

Умные весы с CV:

• Распознавание продукта на весах без PLU-кода
• Защита от «взвешивания дешёвого под видом дорогого»

Аналитика потерь:

• ML: разделение потерь на воровство vs порча vs учётные ошибки
• Выявление корреляций: смена → уровень потерь (выявление персонала-участника краж)

Типичная экономика: Магазин с оборотом ₽100 млн/год:

• Потери: ~2% = ₽2 млн/год
• AI-система видеоаналитики: ₽500 000 инвестиция
• Снижение потерь на 40%: ₽800 000 экономии/год
• ROI: <8 месяцев

Источники: Focal Systems platform data, Trigo official information, Standard AI case studies, Rite Aid loss prevention AI report.