Ред-флаги, гипотезы, решения: как ИИ-агент сокращает путь от отклонения до результата
Управленческий цикл в рознице состоит из трёх отрезков: найти отклонение, принять решение и получить результат. На первые два во многих сетях уходят недели: причину собирают по десяткам отчётов, а решение ждёт следующего оперкома. Третий отрезок вообще остаётся в тени: за какое время решение приводит к результату и приводит ли вообще, почти никто не измеряет.
Из-за этого возникает иллюзия, что работа закончена в момент, когда решение принято. На деле именно здесь начинаются потери, которые никто не считает: решение не исполнено, исполнено частично или исполнено, но не сработало, и об этом узнают через квартал.
Почему путь от отклонения до результата такой долгий
Аналитика по своей природе заканчивается на выводе. На каждый ракурс есть свой отчёт: по товарам, магазинам, поставщикам, покупателям. Чтобы назвать причину, отчёты приходится совмещать вручную, и чаще всего это происходит уже после того, как отклонение случилось. Пока причину ищут, проходят недели. Когда решение наконец принято, у него нет ни владельца, ни срока, ни даты проверки. Во многих сетях оно так и остаётся в протоколе оперкома и в памяти того, кто его предложил.
Поэтому ускорить только анализ мало. Если цикл не замкнут до результата, сеть быстрее узнаёт о проблемах, но решает их так же медленно.
Ред-флаги и гипотезы: что агент делает до оперкома
ИИ-агенты InfoVizion работают поверх модели данных сети. Сводку, которую аналитики собирают неделями, агент готовит за несколько минут, максимум за час. Каждое критичное отклонение он помечает как ред-флаг с тег-диагнозом:
Дальше агент прогоняет гипотезы, которые команда проверяет регулярно, а если дать ему свободу в модели данных, сам выбирает, куда смотреть: в магазины, товары, поставщиков или покупателей, и предлагает гипотезы, о которых его не спрашивали.
Каждое число в сводке можно раскрыть до магазина, партии и чека прямо на оперкоме: его считает модель данных по формулам, согласованным с финансовым директором, а агент объясняет, что это число значит.
Глубина выводов зависит от того, какие данные получает агент. На одних продажах он скажет, что категория падает. Если добавить уровень сервиса поставщиков, промо, прайс-мониторинг и чековую аналитику, ответ становится другим. Например, категория с ред-флагом «холостое промо» после подключения прайс-мониторинга оказывается дороже рынка, и на оперкоме обсуждают уже цены, а не падение. Причина приходит вместе с отклонением, и решение можно принять на ближайшем совещании.
Но это только половина цикла. Дальше решение нужно исполнить и проверить.
От решения к задаче: опыт «Находки»
Как выглядит замкнутый цикл, показывает работа с излишками в сети «Находка» на платформе Быстродел.Офис.Неликвиды. Это федеральный жёсткий дискаунтер: более 450 магазинов в 13 регионах. Сначала излишки нормировали: для каждой категории, каждого формата и каждого месяца определили, какой запас считать нормальным. Дальше каждую среду категорийные менеджеры получают 20 задач по излишкам, а по каждой задаче оценивается, исполнена ли она и к какому результату привела.
Следующий шаг в том же направлении: нормирование OOS с учётом особенностей конкретного магазина. Здесь возникает вопрос, который каждой сети придётся решить для себя: на каком уровне она готова управлять. Раньше управляли на уровне категорий и форматов, теперь агент позволяет опуститься до пары «товар–магазин». Остаётся определить, насколько подробно сеть хочет знать свой магазин и своего покупателя и на какие сигналы готова реагировать.
Последний метр: магазин
Решение, принятое в офисе, приносит результат только на полке. Поэтому агент считает для каждого магазина единый индекс эффективности, который сводит в одну оценку товары и торговые процессы.
Утром супервайзер видит индекс по всем своим точкам и понимает, куда ехать в первую очередь. По каждому магазину он получает свои ред-флаги: где списания выше, чем по городу, где ассортимент не соответствует спросу. В мобильном приложении «Быстродел» эти проблемы превращаются в чек-лист визита, а через неделю становится видно, что сработало, а что нет. Сработавшие действия накапливаются, и в следующий раз агент рекомендует уже их.
Так время до результата сокращается с квартала до недели: каждое решение проверяется на следующем визите.
Когда задача не рост, а сокращение
Большая часть управленческих процессов в рознице выстроена под рост: открытия, расширение матрицы, наращивание оборота. Но у сетей бывают и обратные задачи, и их тоже нужно планировать заранее.
Пример такой задачи: операционный директор сообщает, что сеть закрывает три магазина. Агент помогает разработать план распродажи остатков. Он учитывает эластичность товаров, текущие запасы, продажи и лояльность покупателей и предлагает уценку в три волны, у каждой свой цвет ценника. Отдельно агент показывает, какие товары сеть не сможет перераспределить, и их можно уценивать уже сейчас. В итоге сеть тратит меньше на перемещение товара и теряет минимум маржи.
Категория: цели вместо отчёта раз в квартал
Тот же принцип работает в управлении категориями. К защите категории КМ обычно готовят десятки листов, и подготовка занимает недели. С агентом сбор данных занимает минуты, и у КМ остаётся время на главное: спланировать работу на следующий квартал.
Для этого у категории фиксируются роль и цели. Агент выбирает KPI, которые определяют роль категории, выделяет набор товаров, на котором стоит сфокусироваться, и помогает назначить срок, к которому решение должно дать результат. Если цель недостижима, агент подсказывает это КМ заранее. Квартальное ревью категории превращается в проверку того, какие решения привели к результату.
Где деньги
Эффект от ИИ в рознице чаще всего считают через фонд оплаты труда. Однако это не самая крупная статья: задачи становятся сложнее, данных больше, и потребность в людях скорее растёт. Главные деньги лежат в потерях, которые накапливаются, пока решение ищут, принимают и исполняют.
Есть и второй фактор, который пока недооценивают: стоимость самого ИИ. В InfoVizion посчитали её на собственном опыте. Подписки на модель за $200 в месяц хватает для работы по трём компаниям. Когда в августе лимит подписки закончился, оценили, сколько стоил бы тот же объём работы по API: около $12 тыс. На момент расчёта подписка обходилась примерно в 60 раз дешевле.
Это окно возможностей, а не постоянное состояние. Пока ИИ дешёвый, сеть может описать себя в данных: построить модель, договориться, что отдаётся ИИ, а что нет, и задать нормативы, по которым оцениваются отклонения. Скорее всего, со временем модели станут взаимозаменяемыми, и у сети появится выбор, кто будет интерпретировать её данные.
Поэтому главная ценность не в подписке на модель: её может купить любая компания. Ценность в слое, который сеть успеет построить за это время: в модели данных, нормативах и правилах оценки отклонений. Модель можно сменить, а этот слой останется у сети и в её контуре: данные не уходят за периметр компании, а расчёты идут по формулам, согласованным с финансовым директором.
Что нужно учесть
Научить агента смотреть глазами первого лица
Агент должен видеть цифры так, как их видит генеральный директор, и давать ту же картину каждому уровню управления. Для этого ему нужна стратегия: тогда он отличит отклонение от осознанного решения и оценит, сколько это решение стоит и исполняется ли оно.
Возглавить теневое использование ИИ
Сотрудники уже подключают ИИ сами: загружают в него данные компании и принимают решения на его основе, а компания часто об этом не знает. Этот процесс лучше возглавить: дать сотрудникам контролируемый инструмент и накапливать удачные запросы и сценарии как актив компании.
Сохранить критическое мышление
Сотрудник задаёт модели плохой вопрос, получает плохой ответ и приносит его на совещание как находку. Отделять сильные выводы от слабых придётся учиться, и на это нужно время. Здесь и помогает проверяемая цифра: когда каждое число можно раскрыть до первичных данных, хороший ответ легко отличить от уверенного плохого.
Почему начинать сейчас
ИИ-агентов можно купить сейчас, через год или через два. Но задать нормативы, научить команду работать в новой культуре и пересобрать процессы за деньги быстро не получится: на это нужно время. Первые работающие ИИ-агенты InfoVizion запускаются примерно через два месяца после подключения к данным.
Запись выступления
Получите пример ИИ-сводки
Чтобы увидеть, как агент находит ред-флаги, проверяет гипотезы и готовит решения для оперкома, выберите сводку, которая ближе к вашим задачам, и специалисты InfoVizion пришлют пример:
- сводка для CEO
- сводка по защите категории
- сводка для визита супервайзера