Невидимый сотрудник: как ИИ-ассистенты помогают ритейлу 

В ритейле финансовые команды крупных сетей часто тратят много времени на операционную рутину: бухгалтеры вручную сверяют тысячи строк в актах с поставщиками, юристы ищут в документах аргументы для налоговых споров, а аналитики собирают многостраничные отчеты по марже. Подобные ошибки или задержки могут приводить к прямым финансовым потерям, штрафам и упущенной выгоде. Как такие риски помогают нивелировать нейросети разбирались Глебом Кузьминым, руководителем отдела по развитию профессиональных ИИ сервисов в Яндексе.

Практические кейсы применения ИИ

Внедрение искусственного интеллекта в процессы, связанные с финансами, стало общемировым трендом. В этой области рекордный рост инвестиций: по данным Стэнфордского университета, частные вложения в ИИ в мире по итогам 2024 года составили $252,3 млрд.

Международные компании активно внедряют технологии для автоматизации рутинных задач и повышения эффективности. Например, аудиторская фирма KPMG в апреле 2025 года объявила о внедрении ИИ-агентов в свою интеллектуальную аудиторскую платформу KPMG Clara.

Эти агенты автоматизируют такие трудоемкие процедуры, как проверка расходов и поиск незарегистрированных обязательств, помогая более чем 95 000 аудиторов по всему миру повышать продуктивность и сосредотачиваться на анализе. Банк JPMorgan Chase, в свою очередь, предоставил 200 000 своих сотрудников доступ к внутреннему инструменту на основе генеративного ИИ — LLM Suite. Половина из них использует его ежедневно, в таких процессах, как подготовка команд к встречам с клиентами или работа с документами в юридических отделах, технология значительно экономит время.

Эта практика применяется и в России, где ритейл — одна из наиболее адаптивных отраслей для внедрения ИИ. Крупнейшие сети делают акцент на операционной эффективности. Например, X5 Group (сети «Пятёрочка», «Перекрёсток») внедряет ИИ-системы для прогнозирования спроса и пополнения запасов, что позволяет снижать потери.

«Лента» применяет компьютерное зрение для отслеживания наполненности полок в реальном времени, что экономит до 40% рабочего времени сотрудников на выкладку товара. Другие сети, например, «Ашан» и «ВкусВилл», внедряют ИИ и IoT-датчики для динамического ценообразования и контроля условий хранения, сокращая пищевые отходы на 25-30%. «Магнит» использует большие языковые модели (LLM) для анализа миллионов клиентских отзывов в месяц, а также тестирует системы автоматического контроля сроков годности. В то время как классический ИИ для оптимизации процессов уже широко используется, генеративный ИИ (как в примерах с KPMG и JPMorgan) находится в России на стадии пилотирования.

В Яндексе специалисты отдела закупок используют наработки компании в области ИИ, чтобы справляться с огромным потоком операционных задач. Например, чтобы снизить нагрузку на отдел с помощью автоматизации ответов на типовые вопросы с помощью умной базы знаний на основе ИИ, которую можно создать на основе накопленной в отделе информации. Так с помощью Нейросаппорта сейчас решается значительная часть типовых вопросов по инструкциям и процедурам — это экономит около 20 часов в неделю на отдел или до 30 рабочих дней в год.

Также команда автоматизирует проверку смет с помощью Алисы Про, что избавляет сотрудников от необходимости вручную сверять ставки от поставщиков в Excel-файлах. Ранее сотрудники вручную сравнивали ставки от подрядчиков в сметах с утвержденными ставками в пулах (формат больших Excel-файлов), чтобы определить возможное завышение цены. Сейчас команда тратит на это около 2,5 часов.

То, что раньше занимало несколько часов монотонного труда ежемесячно, теперь делается быстрее и точнее, позволяя специалистам фокусироваться на стратегии, а не на рутинном анализе.

Какие инструменты доступны бизнесу

Переход от тестовых проектов к повсеместному внедрению — ключевая черта современного этапа цифровизации. В бизнес-среде находят применение несколько классов ИИ-решений. Это могут быть умные чат-боты для поддержки клиентов, цифровые ассистенты, помогающие сотрудникам в повседневных задачах, рекомендательные системы, ускоряющие рабочие процессы, а также локальные решения для анализа данных и прогнозирования.

Отдельное и стратегически важное направление — системы, которые не просто генерируют ответы, а работают с конкретной информацией компании. Для этого применяется, например, архитектура RAG (Retrieval-Augmented Generation, или «извлечение данных с последующей генерацией ответов»). Её суть в том, что нейросеть перед ответом на запрос обращается к заданному пользователем источнику — корпоративным документам, выбранной базе данных. Кроме того, источником может быть даже корпоративная почта. Это позволяет давать точные и актуальные ответы, основанные на внутренних данных, а не на общей информации из интернета. Класс подобных интегрированных ассистентов уже представлен на рынке. Среди известных продуктов, использующих RAG-подход, — Notebook ML от Google, популярный в международной практике, Нейросаппорт и Алиса про от Яндекса.

Как использовать

В нейросеть на базе RAG можно загрузить договоры с поставщиками, акты, накладные, налоговые кодексы или архивы старых писем. Корпоративные RAG-инструменты объединяет информацию из писем и загруженных файлов и создаст для сотрудников или целой команды единую базу знаний. При этом система не генерирует информацию, а находит ответы строго в собственной базе данных, а если там его не находит – сообщает об этом.

Этот подход меняет привычные бизнес-процессы, сокращая время на рутинные задачи. Там, где раньше на сверки с поставщиками уходили недели, теперь можно загрузить папку с актами и своей выпиской и дать задание: «Сравни акты от такого-то поставщика за апрель и найди все расхождения». Через несколько минут можно получить готовую таблицу для анализа.

В области управленческой отчетности искусственный интеллект открывает новые возможности для повышения эффективности. Современные ИИ-ассистенты и аналитические платформы способны значительно упростить и ускорить рутинные этапы подготовки отчетов. Например, вместо ручного сбора и консолидации данных из разрозненных систем (1С, ERP, CRM) финансист может с помощью запроса на естественном языке (как если бы он давал задачу сотруднику) поручить нейросети: «Сформируй предварительный отчет о рентабельности по товарным категориям за прошлый квартал». В этом случае ИИ выступает как мощный интеллектуальный посредник: он понимает запрос, извлекает нужные данные, применяет заданные логику и формулы, а затем визуализирует результат. Это позволяет сократить время на подготовительные работы и сосредоточиться на анализе и интерпретации цифр.

В условиях, когда ритейл ищет точки роста в глубокой внутренней оптимизации, подобные технологии могут быть полезны для повышения конкурентоспособности бизнеса.

Таким образом, искусственный интеллект становится частью корпоративных инструментов компаний. Сегодня такие решения создаются крупными разработчиками и внедряются как на уровне всей организации, так и в отдельных командах — от финансов и юридических отделов до закупок и поддержки. Это позволяет автоматизировать рутинные процессы и ускорять работу с документами и данными.