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”.
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. 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. 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.
