На полях Петербургского международного экономического форума 9 июня 2026 года состоялась сессия «Цифровой управленец в ритейле: большие данные и ИИ-аналитика меняют рынок». Её провела ГК «ВестЛинк», участник «Сколково» (Группа ВЭБ.РФ), на III Международном форуме «ИИ — будущее сегодня» в Санкт-Петербурге. Сессия объединила экспертов из розницы, технологических компаний и центров компетенций и была посвящена практикам внедрения искусственного интеллекта в российском ритейле.
Главное: более 85% российских ритейлеров уже внедрили ИИ хотя бы в одну функцию: от анализа продаж до ценообразования. По оценкам аналитиков, к 2030 году применение генеративного ИИ в e-commerce и рознице может принести до 160 млрд рублей дополнительной операционной прибыли. Но разрыв между потенциалом технологии и фактической эффективностью сохраняется, и ключевая причина: качество исходных данных, а не мощность самих моделей.
Контекст форума и место сессии
Форум «ИИ — будущее сегодня» прошёл на полях 29-го Петербургского международного экономического форума и собрал представителей органов государственной власти, бизнеса, научного и экспертного сообщества. Организаторами выступили Аналитический центр при Правительстве Российской Федерации, Ассоциация «РУССОФТ», ООО «Ивент Менеджмент Глобал», Экспертный клуб «ИТ-Диалог» и Санкт-Петербургский государственный экономический университет. Центральной темой форума стал баланс между технологическим суверенитетом и международной кооперацией, а сессия участника «Сколково» сфокусировалась на рознице и управленческих решениях на базе данных.
Главный барьер: не алгоритмы, а «шум» в данных
Ключевая причина разрыва между потенциалом ИИ и фактической эффективностью: качество исходной информации. Данные лежат в разных системах (1С, Excel, кассовые системы, ERP), в разных форматах, с дублями и пропусками. Рынок переполнен BI-системами, но инструмент бесполезен, если данные «шумные» и разрозненные.
«Рынок переполнен BI-системами, но инструмент бесполезен, если данные "шумные" и разрозненные. "Цифровой управленец Linkage" начинает не с визуализации, а с наведения порядка в источниках — поэтому компании получают первые инсайты уже через 3-4 недели», — подчеркнула вице-президент ГК «ВестЛинк», директор бизнес-единицы Linkage Елена Балашова.
Итог этой части дискуссии: без наведения порядка в данных даже продвинутые модели не дают точного результата, а управленческая аналитика должна опираться на достоверные источники.
Как внедрять ИИ, не ломая работающую инфраструктуру
Сессия сфокусировала внимание на практическом принципе: не заменять существующую инфраструктуру, а наращивать ИИ-слой поверх неё через API. Такой подход позволяет объединить данные и аналитику в единую экосистему без капитальной перестройки ИТ-ландшафта и быстрее увидеть измеримый эффект. Отдельный акцент — последовательность внедрения: подход «сначала оцифровать клиентский путь, затем подключать модели» помогает избежать типичной ошибки запуска ИИ в неподготовленную среду.
Маркетинг и доверие: ИИ как генератор гипотез, а не замена команды
В клиентском маркетинге эксперты рекомендовали сохранять баланс между инновациями и надёжностью. ИИ хорошо работает как инструмент генерации гипотез и тестирования персонализированных сценариев, однако финальные решения должны оставаться за командой: это снижает риски и укрепляет лояльность клиентов. Участники подчеркнули: ИИ усиливает человека, но не заменяет его. В пиковых ситуациях — скачках спроса или сбоях поставок — финальное решение остаётся за управленцем, а задача системы — своевременно подсказать, на каких данных строится рекомендация, и предупредить об отклонениях.
Ключевые числа и ориентиры
| Показатель | Значение |
|---|---|
| Ритейлеры, внедрившие ИИ хотя бы в одну функцию | Более 85% |
| Потенциал генеративного ИИ к 2030 году (e-commerce и розница) | До 160 млрд рублей дополнительной операционной прибыли |
| Срок первых инсайтов при наведении порядка в данных | 3-4 недели |
| Ключевой принцип внедрения | Наращивание ИИ-слоя через API, без замены инфраструктуры |
От пилотов к промышленному эффекту: объединить данные и процессы
Главная причина, почему многие инициативы остаются на стадии пилотов, — разрыв между данными и бизнес-процессами. Переход к промышленной эксплуатации требует единого контура данных и согласованности операционных процедур. Принципы работы с оцифрованным клиентским путём и единым информационным контуром универсальны и за пределами розницы: когда источники интегрированы и поток данных прозрачен, ИИ начинает приносить измеримый эффект вне зависимости от отрасли.
Практические шаги «цифрового управленца»
- Оцифровать клиентский путь: зафиксировать точки контакта и измерения.
- Навести порядок в данных: убрать дубли и пропуски, объединить источники (1С, Excel, кассовые системы, ERP) в единый контур.
- Нарастить ИИ-слой поверх действующей инфраструктуры через API, не ломая рабочие процессы.
- Сохранять контроль команды: использовать ИИ для генерации гипотез и тестов, финальные решения — за людьми.
- Определить эталон транзакции для аналитики и бенчмаркинга — например, кассовый чек как точку отсчёта для сравнения с рынком.
- Согласовать аналитику и операционные процедуры, чтобы пилоты масштабировались в промышленный контур.
Розничным компаниям, которые планируют переход от разрозненных ИИ-пилотов к системной трансформации, стоит получить консультацию по аудиту качества исходных данных перед выбором конкретных ИИ-инструментов — большинство неудачных внедрений связаны не с выбором модели, а с состоянием источников данных, на которых модель обучается.
Единый стандарт транзакции и бенчмаркинг
Качество управленческой аналитики определяет не визуализация, а эталонность исходных данных. В дискуссии прозвучало, что кассовый чек может выступать точкой отсчёта для сравнения себя с рынком и принятия стратегических решений. Когда участники рынка используют единый стандарт транзакционных данных, бенчмаркинг перестаёт быть догадкой и превращается в инструмент планирования: компания видит не просто внутреннюю динамику своих показателей, а реальное положение относительно конкурентов по сопоставимой методике расчёта.
Примеры из ритейла одежды, которые обсуждались на сессии, показали, что ИИ особенно эффективен там, где задача формализуема и результат легко проверить: от генерации 3D-образов товара до автоматизации рутинной разработки типовых макетов. Это подтверждает общий принцип, звучавший на протяжении всей дискуссии: чем конкретнее и измеримее поставленная задача, тем выше вероятность получить от ИИ-инструмента реальный, а не декларативный эффект.
Почему сессия важна для рынка за пределами розницы
Хотя формально сессия была посвящена ритейлу, обсуждавшиеся принципы — последовательность внедрения от оцифровки клиентского пути к подключению моделей, наращивание ИИ-слоя через API вместо замены инфраструктуры, единый эталон для сравнения данных — универсальны для любой отрасли, где бизнес-процессы опираются на разрозненные источники информации. Партнёрства, объединяющие экспертизу в машинном обучении и управлении данными с практиками «цифрового управленца», нацелены на преодоление разрыва между пилотными проектами и промышленной эксплуатацией, чтобы модели стабильно работали в реальной эксплуатации и приносили измеримую пользу с первых недель, а не оставались демонстрационным прототипом.
Для участников экосистемы «Сколково» подобные отраслевые сессии на крупных площадках вроде ПМЭФ выполняют двойную функцию: демонстрируют накопленную экспертизу перед потенциальными корпоративными заказчиками и одновременно собирают обратную связь от практикующих специалистов розницы о реальных барьерах внедрения — эта обратная связь формирует дальнейший план развития продукта.
Вопросы и ответы
Когда и где прошла сессия «Цифровой управленец в ритейле»?
9 июня 2026 года в Санкт-Петербурге, в рамках форума «ИИ — будущее сегодня» на полях ПМЭФ.
Кто организовал сессию?
ГК «ВестЛинк», участник «Сколково» (Группа ВЭБ.РФ).
Какие ключевые цифры обсуждались?
Более 85% российских ритейлеров уже используют ИИ хотя бы в одной функции; к 2030 году генеративный ИИ в e-commerce и рознице может добавить до 160 млрд рублей операционной прибыли.
Почему при широком внедрении ИИ эффект получают не все компании?
Основной барьер — качество данных: они разрознены по системам, содержат дубли и пропуски, что снижает точность моделей.
Источники
- Sk.ru: официальный отчёт о сессии «Цифровой управленец в ритейле» на форуме «ИИ — будущее сегодня».