ИИ для прогноза спроса в оптовой торговле решает одну дорогую задачу: помогает закупщику угадывать, сколько товара заказать, чтобы меньше замораживать деньги в остатках и реже терять продажи из-за дефицита. Модель читает историю отгрузок, сезонность и заявки клиентов, а потом объясняет свои выводы словами. Под капотом это языковая модель, которой вы даёте ваши цифры и контекст бизнеса.
Зачем это опту
ИИ помогает закупщику прогнозировать спрос по позициям: читает историю отгрузок, сезонность и заявки, подсвечивает товары с риском дефицита и неликвиды, которые зависли на складе. Закупщик принимает решение быстрее и с цифрами в руках, а замороженный капитал и упущенные продажи сокращаются. Финальное решение по закупке остаётся за человеком.
В оптовой торговле деньги живут на складе. Закупщик держит в голове сотни позиций, сезонность, поведение постоянных клиентов и сроки поставки. На практике решение часто принимается по интуиции и прошлогодним цифрам в таблице: одного товара заказали с запасом — он завис мёртвым грузом, другого взяли впритык — клиент ушёл к конкуренту за недостающей партией. Каждая такая ошибка стоит вам либо замороженного капитала, либо потерянной маржи.
Модель снимает часть этой нагрузки. Вы отдаёте ей историю отгрузок по позициям, сезонные пики и текущие заявки, а она сводит это в понятный прогноз: какие товары стоит дозаказать, какие зависают и тормозят оборот. Сильная сторона языковой модели в том, что она объясняет вывод словами, а отдаёт сухое число. Закупщик видит сразу и «закажи 200 штук», и причину: позиция растёт третий месяц, сезон на подходе, у двух ключевых клиентов открыты заявки.
Это меняет роль закупщика. Вместо того чтобы вручную сводить таблицы по каждой группе, он получает черновик прогноза с обоснованием и тратит время на проверку логики и переговоры с поставщиками. Решение остаётся за ним, но опирается на цифры, а на ощущения. Для опта, где ошибка в закупке измеряется сотнями тысяч рублей, это прямая экономия.
- Прогноз спроса по позициям на основе истории отгрузок и сезонности
- Подсветка товаров с риском дефицита до того, как клиент столкнётся с отказом
- Выявление неликвидов и зависших остатков, которые тормозят оборот капитала
- Объяснение каждого вывода словами: почему именно эта позиция и этот объём
Первые шаги
Внедрение идёт от одной товарной группы, а сразу от всего ассортимента. Возьмите категорию, где ошибки в закупке стоят дороже всего, и проверьте на ней гипотезу за несколько недель. Так вы рискуете одним участком, а оборотным капиталом всей компании, и быстро понимаете, даёт прогноз реальную пользу или просто красиво выглядит.
- Выберите одну товарную группу, где ошибки в закупке обходятся дороже всего
- Выгрузите историю отгрузок по этим позициям за два-три года в таблицу
- Добавьте контекст: сезонные пики, сроки поставки, крупные постоянные клиенты
- Отдайте данные модели и попросите прогноз спроса с объяснением по каждой позиции
- Сверьте прогноз с фактическими отгрузками за прошлый сезон на тех же данных
- Закрепите рабочий запрос как шаблон и передайте его закупщику для регулярной работы
Начните с ретроспективной проверки. Дайте модели данные за позапрошлый период и попросите спрогнозировать прошлый, для которого вы уже знаете факт. Так вы оцените точность без риска для текущих закупок и поймёте, на какие группы прогнозу можно доверять, а где он пока слаб.
Чем пользоваться
Для старта хватает выгрузки истории в таблицу и запроса к сильной языковой модели. Сложная связка с ежедневной автоматической выгрузкой из учётной системы нужна позже, когда вы уже доверяете прогнозу и хотите получать его без ручной работы. Строить тяжёлую интеграцию до проверки гипотезы означает платить за инфраструктуру, которая ещё доказала отдачу.
| Задача | Чем закрыть | Когда усложнять |
|---|---|---|
| Прогноз по одной группе | Выгрузка в таблицу и запрос к модели | Когда групп много — регулярная сводка по расписанию |
| Регулярный прогноз | Шаблон запроса для закупщика | Когда нужна ежедневная выгрузка — автоматизация через n8n |
| Связь с учётной системой | Ручная выгрузка отгрузок | Когда объём вырос — прямая интеграция с базой |
| Хранение прогнозов | Таблица с историей выводов | Когда нужна аналитика точности — дашборд для руководителя |
Российский опт упирается в доступ к зарубежным моделям и оплату подписки. Здесь работают и отечественные модели на русском, и зарубежные через корректный доступ. Конкретный выбор зависит от того, насколько чувствительны ваши данные по клиентам и оборотам — это тема, которую мы разбираем на разборе процессов.
Стоимость на старте держится в рамках десятков долларов в месяц за подписку на модель, точную цифру сверьте на сайте сервиса — тарифы меняются. Для пилота на одной группе этого хватает с запасом. Платная связка с автоматизацией через n8n и прямой выгрузкой из учётной системы окупается позже, когда прогноз доказал точность и закупщик хочет получать его по всем группам ежедневно без ручной работы.
Границы прогноза
Модель уверенно выдаёт прогноз даже там, где данных мало или они кривые. Она способна продлить случайный всплеск в устойчивый тренд или придумать сезонность, которой у позиции нет. Это свойство языковых моделей называют галлюцинациями. Поэтому прогноз — это вход для решения закупщика, а готовая команда на закупку. Чем уже вопрос и чище данные, тем меньше пространства для выдумки.
Решение о закупке, переговоры с поставщиком, реакция на резкое изменение рынка — это зона закупщика и руководителя. Модель готовит прогноз с обоснованием и берёт на себя рутину сведения цифр, а ответственность за заказ держит человек. Прогноз помогает думать быстрее, а думает за вас.
Резкие события прогноз по истории упускает. Уход крупного клиента, новый конкурент, скачок курса, перебой у поставщика — всё это закупщик учитывает сам, потому что в исторических данных таких сигналов ещё нет. Полезно заранее договориться, на какие группы прогнозу можно доверять почти без правки, а где нужен обязательный взгляд человека перед каждой закупкой.
- Данные по клиентам и оборотам: отдавайте модели через корректный доступ
- Резкие рыночные события: уход клиента, новый конкурент, скачок курса учитывает человек
- Позиции с короткой историей: прогноз слаб, решение принимает закупщик
- Итоговый заказ поставщику: всегда проходит через человека
Главная защита от ошибок — узкая задача, чистые данные и ретроспективная проверка на старте. Когда вы видите, что прогноз совпал с фактом прошлого сезона на выбранной группе, доверие к нему растёт обоснованно. Расширяйте охват постепенно, группа за группой, удерживая контроль на каждом шаге. Полезно держать закупщика, который раз в неделю сверяет прогноз с фактом и правит запрос по реальным расхождениям. Так инструмент становится точнее с каждым циклом, а команда учится опираться на него спокойно.
Куда двигаться
Когда прогноз работает на первой группе и снижает замороженные остатки, компания переходит к следующим: от одной категории к нескольким, от ручной выгрузки к регулярной сводке, от прогноза спроса к прогнозу кассовых разрывов и загрузки склада. Так за несколько месяцев закупщик перестаёт сводить таблицы вручную и тратит время на решения, а оборотный капитал работает плотнее.
Заодно команда учится ставить задачи модели сама. Поначалу вы строите запросы и проверяете точность вместе со мной, дальше закупщик сам добавляет новые группы и правит шаблон под особенности своего ассортимента, а руководитель получает сводку по точности прогноза за квартал. Этот навык остаётся с компанией: новые версии моделей появятся, но команда уже умеет с ними работать и переносит шаблоны без переучивания.
Сложность здесь в выборе правильной первой группы и в честной оценке точности. Частый провал — компания отдаёт модели сразу весь ассортимент, получает сырой прогноз по позициям с короткой историей и решает, что инструмент бесполезен. На разборе процессов мы вместе смотрим на вашу структуру закупок и выбираем группу, где прогноз окупится быстрее всего.