Блог

Как сократить время на контроль товарных задач в 4 раза с помощью ИИ

В сети на сотни магазинов ежедневно генерируются тысячи товарных задач: контроль старта промо, проверка ценников, наличие топ-позиций после OOS, мониторинг сроков годности. Общая черта у всех этих процессов одна — для подтверждения нужно сделать фотографию. И именно здесь с ростом сети начинаются системные проблемы.

Где ломается исполнительская дисциплина

Пока магазинов немного, руководитель ещё может просмотреть фотоотчёты вручную. При 30–50 точках это превращается в 1500 задач в день — ручной просмотр становится невозможным.
Именно тогда начинается то, что на практике встречается в каждой сети: сотрудники фотографируют «для галочки», прикладывают нечёткие снимки или снимают не тот товар. Не потому что люди недобросовестные — просто контроля нет, и это становится нормой.
Каждая некачественно выполненная задача — это потерянная выручка: промо не выставлено вовремя, OOS-товар не найден, ценник на полке не совпадает с кассой.

Два привычных подхода и почему оба не работают

Выборочный контроль — быстрый, но с дырами. Когда проверяют одну задачу из десяти, остальные девять остаются без внимания. Сотрудники это чувствуют.
Тотальный контроль — точный, но не масштабируется. Чем больше сеть, тем больше задач — и нанимать отдельных людей только для просмотра фотографий нерационально. Плюс это монотонная работа: качество такого контроля быстро падает из-за усталости.
Есть третий путь.

Контроль по исключениям: нейросеть вместо человека

Принцип: нейросеть проверяет 100% выполненных задач по фотографии. Человек видит только отклонения.
Сотрудник в магазине фотографирует товар — так же, как делал раньше. Дальше система сама сопоставляет фото с данными задачи: название товара, штрихкод, проверочная цена. Если всё совпало — задача закрывается автоматически. Если есть расхождение — попадает к руководителю на разбор.
Нейросеть не нужно обучать на вашем ассортименте: она работает через оркестр нескольких моделей, которые читают ценник, распознают упаковку и при необходимости ищут, как товар выглядит в интернете.
Точность — 90–95%. Система масштабируется на любой объём без роста штата контролёров.

Что меняется на практике

На примере сети из 50 магазинов с 30 задачами в день — 1500 задач ежедневно:
—До: контролёр тратит на просмотр фотоотчётов около 6 часов в день — практически весь рабочий день
—После: нейросеть обрабатывает весь поток, контролёр разбирает только отклонения — 30 минут
—Освободившееся время уходит на реальную работу: разбор причин нарушений, работа с магазинами, улучшение процессов
Важный побочный эффект: когда сотрудники понимают, что контроль стал тотальным, исполнительская дисциплина растёт сама — обмануть систему бессмысленно.

Мониторинг цен конкурентов

Тот же принцип работает и для мониторинга цен конкурентов. Сотрудник фотографирует полки в точках конкурента — система сама сопоставляет товары со справочником, считывает цены и передаёт данные в систему ценообразования. Время на сбор данных сокращается, скорость попадания цен в систему растёт.

Как это внедряется

—Не требует обучения нейросети на вашем ассортименте — готова к работе с первого дня
—Разворачивается поверх уже работающего мобильного приложения — сотрудники работают в знакомом интерфейсе
—Поддерживает интеграцию с существующими системами через API
—Данные передаются обезличенно на выделенный сервер — только для вашей компании
—Возможно размещение внутри контура заказчика
Хотите увидеть, как это работает на реальных примерах?
На вебинаре 23 июня мы показали разбор живых кейсов из реальных проектов: как нейросеть размечает фотографии, где ошибается и как это решается. Запись доступна по запросу.
Оставьте заявку по ссылке, пришлём запись.
2026-06-25 10:55