Десять лет назад стартовали первые эксперименты по маркировке. Изначально ее запускали в тестовом режиме, отрабатывали методологию и технологию. Сегодня маркировка — не просто код на товаре, а огромный массив данных, которые помогают бизнесу принимать решения. Как использовать ИИ для обработки таких данных, и какой экономический эффект это дает, обсудили на международной промышленной выставке ИННОПРОМ-2026.
Дискуссия «ИИ в промышленности: где заканчиваются эксперименты и начинается экономический эффект» прошла на стенде Контура. В сессии приняли участие директор департамента инновационно-технологического развития СОФПП Александр Обоскалов, менеджер продукта Контур.Маркировка Игорь Стадухин, менеджер проектов Контур.Маркировки Александр Синельников, директор по развитию ООО «Альбига» и кандидат технических наук Сергей Апанасенко, а также руководитель направления по ИИ-трансформации клиентов в Сбере Александр Чертушкин. Встречу модерировал Леонид Скобелин, руководитель направления автоматизации малого и среднего бизнеса в Контуре.
Участники отметили — бизнес активно использует искусственный интеллект для разных задач: от чат-ботов до систем динамического ценообразования. По оценкам Александра Обоскалова, только в Свердловской области каждый четвертый средний бизнес внедрил ИИ-решения в производство и процессы снабжения.
Александр Синельников согласился, что ИИ-инструменты действительно позволяют оптимизировать процессы. Обработанные данные о маркированных товарах уже помогают крупным игрокам рынка в ритейле и других сегментах.
Александр Синельников, менеджер проектов Контур.Маркировки: «Сегодня мы подходим к этапу, когда маркировка помогает бизнесу. Обработанные массивы данных о маркированной продукции позволяют производителям и продавцам принимать решения: когда нужно производить больше, где товары продаются лучше, какие цены у конкурента на полке. Мы видим полную картину движения продукции по рынку в том или ином городе и регионе, можем помочь оптимизировать логистические цепочки и снизить реальные издержки».
В дополнение Александр Чертушкин привел пример федерального ритейлера: компания обработала массив данных системы маркировки с помощью ИИ, оценила движение товаров и скорректировала цепочки поставок. Это помогло повысить точность поставок на 20%, снизить простои и сэкономить миллиарды рублей.
Вопросу обработки данных уделили особое внимание. Леонид Скобелин попросил экспертов оценить — можно ли считать данные «новой нефтью». Мнения экспертов разделились. Игорь Стадухин отметил, что если данные — «новая нефть», то нужно уметь их обрабатывать. Александр Чертушкин подчеркнул важность качества исходных данных.
Александр Чертушкин, руководитель ИИ-направления, Сбер: «Если загрузить плохие данные в хорошую нейросеть — мы получим те же плохие данные, хорошо аргументированные этой нейросетью. Данные из нейросети сейчас не «новая нефть», и в этом вопросе важно учитывать риски. Если ИИ ошибся с цифрой — бизнес потеряет деньги, а если из-за этой цифры произошел сбой на производственной линии — возможны даже человеческие жертвы».
При этом на практике ИИ нужен не всем. Сергей Апанасенко согласился, что ИИ помогает быстро анализировать логистику и остатки товара на складах. Но некоторые решения актуальны в основном для крупных игроков.
Сергей Апанасенко, директор по развитию ООО «Альбига»: «Когда-то изобрели конвейер, затем промышленных роботов — но и сейчас они есть не везде. То же самое с ИИ. Важно понимать, как именно и для каких задач его внедрить, на основе каких инструментов он будет работать, и что эти решения могут дать компании».
Эксперты уверены, что бездумно внедрять ИИ-решения не нужно. Александр Чертушкин порекомендовал для начала составить экономическое обоснование внедрения, в каком сценарии ИИ будет использован, и кто конкретно в бизнесе будет работать с этим инструментом. Александр Обоскалов добавил, что перед внедрением ИИ нужно стандартизировать и унифицировать все процессы, а руководство компаний должно четко понимать, зачем внедряется тот или иной инструмент.
Возврат к списку