Рынок генеративного ИИ в России по итогам 2025 года достиг 58 млрд рублей и вырос более чем в 4 раза за год. Одни компании ждут, что ИИ поможет снизить операционные затраты: на поддержку, ручную аналитику и отчетность. Другие нацелены на рост выручки: за счет персонализации рекомендаций и более качественного клиентского опыта, который теперь можно построить с помощью относительно недорогих инструментов искусственного интеллекта.
Но применение ИИ интересно ритейлу только в связке с выручкой: 83% респондентов отмечают, что ждут от внедрения ИИ экономического эффекта (по данным опросов Just AI и Onside, «Яков и Партнёры», Яндекса). Вопрос в том, как довести ИИ-пилот до полноценного проекта, на котором эффект становится измеримым и устойчивым.
Сначала ценность, потом бюджет
Самый рабочий маршрут внедрения, считают эксперты облачного провайдера ОКСИДЖЕН, — идти от бизнес-задачи к технологии, а не наоборот.
Средний и крупный ритейл получает максимум отдачи там, где ИИ снимает рутину с ключевых сотрудников и точечно закрывает конкретный процесс:
● обработку обращений,
● работу с документами,
● персонализацию для покупателя,
● речевую аналитику,
● отдельные процессы внутри магазинов.
Как это может выглядеть? Например, в части персонализации:
● Индивидуальные рекомендации на основе истории покупок и ИИ-ассистент для покупателя — эти аспекты могут дать рост продаж минимум на 10%.
● ИИ-агент для первой линии поддержки, интегрированный с CRM, а также нейросети в работе back-office (для обработки договоров, автоматизации отчетности) могут ускорить процессы в среднем на 35%.
От пилота к масштабу
По разным оценкам рынка, до плановой окупаемости сейчас доходит меньшая часть ИИ-проектов — примерно 5-7%. Это связано с большой долей хайпа в ИИ, инструмент нельзя назвать устоявшимся и зрелым. Но у тех, кто выходит на ROI, путь обычно одинаковый.
● Обследование процессов. Ищем задачу, где эффект от ИИ легко измерить — автоматизируем конкретный процесс с конкретной метрикой.
● Оценка данных и инфраструктуры. Проверяем, есть ли чистые, доступные и размеченные данные — без этого ML-команда не развернет модель без задержек. Здесь же считаем ресурсы под реальную нагрузку: аренда GPU позволяет стартовать без капитальных затрат на оборудование. По данным iKS-consulting, минимальный набор ускорителей Nvidia для одной модели вырос с 13,7 млн ₽ в 2025 году до 38,8 млн ₽ в 2026-м (в 2,8 раза), поэтому аренда может быть значительно выгоднее.
● Пилот. Запускаем один процесс. Фиксируем метрики успеха и срок окупаемости.
● Фиксация результата. По истечении срока проверяем, достигнута ли цель, собираем обратную связь и решаем, что скорректировать и сделать дальше.
● Обогащение. Добавляем данные и возможности, встраиваем решение в текущие системы, обучаем сотрудников — и масштабируем процесс.
Инфраструктура: считаем ресурсы под сценарий
Инженеры ОКСИДЖЕН предлагают для ритейла следующие сценарии:
Такой подход даёт возможность стартовать с компактного сценария и докупать мощность по мере роста нагрузки — без пересмотра архитектуры на каждом шаге.
Самое главное в ИИ-внедрении
Пилот, который стартует из понятной измеримой цели, с подходящей конфигурацией и чистыми данными, имеет самые высокие шансы выйти на окупаемость и показать реальную ценность ИИ для вашего бизнеса.
