Глобальные данные показывают парадокс внедрения ИИ в ритейле: 42% компаний уже системно используют ИИ, но лишь 18% из них получают измеримый финансовый эффект. При этом 70–85% пилотов не выходят в промышленную эксплуатацию. Этот вопрос обсудили эксперты на сессии «От пилота к масштабированию: как внедрить ИИ-инструменты без просадки выручки» в рамках Е-ритейл Форума 2026. ГК «ВестЛинк», разработчик экосистемы «Цифровой управленец Linkage», присоединилась к дискуссии и показала, как превратить ИИ из «зоопарка пилотов» в реальный инструмент прибыли.
Сессия объединила экспертов из разных сегментов рынка – от BI-платформ и системной интеграции до компьютерного зрения и маркетплейсов. Участники обсудили, почему ИИ-пилоты не выходят в промышленную эксплуатацию, как качество данных влияет на ROI и почему зрелость данных увеличивает отдачу от ИИ-проектов в 2–3 раза.
По словам вице-президента ГК «ВестЛинк», директора БЕ Linkage Елены Балашовой, главный парадокс рынка заключается в том, что большинство ритейлеров уже используют генеративный ИИ, но измеримый финансовый эффект получают единицы.
«Главная ошибка – считать только затраты на внедрение искусственного интеллекта, забывая про стоимость бездействия. Упущенная маржа из-за неоптимальных цен, списания из-за «слепых» закупок, неэффективное промо – это тоже расходы, и они могут превышать инвестиции в ИИ. По нашим данным, предиктивная аналитика снижает логистические издержки на 10–15%, а ИИ-рекомендации повышают конверсию кросс-сейла на 10–20%», – отметила Елена Балашова.
В своём выступлении она привела показательные мировые кейсы: Pizza Hut, где иск на $100 млн к разработчикам ИИ и падение продаж на 9,8% показали цену поспешных решений; Uber, чей годовой ИИ-бюджет был израсходован за 4 месяца; Starbucks, отказавшуюся от ИИ на складе спустя 9 месяцев из-за ошибок системы; Microsoft, ограничившую использование ИИ-инструментов для сотрудников из-за неконтролируемого роста затрат на эксплуатацию. Эти примеры наглядно демонстрируют, что успех определяется не мощностью моделей, а качеством интеграции в бизнес-процессы и прозрачностью правил работы.
Особое внимание в выступлении было уделено практическим примерами. Кейс спортивного ритейлера показал, как ИИ-генерация объёмных фото позволяет создавать более 70 тысяч изображений в год, сокращая сроки и стоимость производства контента. Кейс медицинской онлайн-лаборатории продемонстрировал реальное проникновение искусственного интеллекта в медицине: 48% клиник уже используют ИИ-инструменты, 17,4% применяют чат-боты для записи и напоминаний, а ещё 19,3% планируют их внедрение. Главный вывод: пока вместо диагностических прорывов искусственный интеллект в первую очередь становится инструментом для экономии и администрирования.
Отдельно был представлен кейс крупного сетевого федерального ритейлера: ИИ-сервис BeautyScan на базе компьютерного зрения и персонализации масштабировался с 14 магазинов в 2022 году до 2500 в 2025-м. Результаты: средний чек вырос на 29,2%, частота посещений – на 35%, а система работает с более чем 1500 товарными позициями в реальном времени.
В ходе сессии Елена Балашова привела пример из практики ГК «ВестЛинк» – экосистему «Цифровой управленец Linkage». По её словам, ИИ-инструмент для управленца работает не как отдельный чат-бот, а как часть корпоративного контура: система подключается к данным из 1С, BI и других корпоративных сервисов, использует собственные языковые модели и общается с пользователем на естественном языке. Она отметила, что такой подход позволяет автоматизировать цепочку решений – от выявления отклонения до готового действия, – и именно в этом, а не в мощности отдельных моделей, заключается практическая ценность искусственного интеллекта для ритейла.
Участники сессии сошлись во мнении: эпоха «волшебных таблеток» ИИ закончилась. Быть AI-Native – значит не просто выдать сотрудникам доступ к нейросетям, а встроить ИИ в контуры управления, где алгоритмы берут на себя рутинную аналитику, а человек задаёт правила, лимиты и контроль. Компании с единой витриной данных и перестроенными KPI выходят на окупаемость ИИ-инвестиций за 9 –14 месяцев. Те, кто пытается «натянуть» ИИ на хаос, не выходят на окупаемость никогда.
По прогнозу McKinsey и РАЭК, через 3 года разница в операционных издержках между компаниями с зрелой дата-архитектурой и без неё составит 15 – 25%. Это означает, что окно возможностей для тех, кто ещё не навёл порядок в данных, стремительно закрывается.
