Как искусственный интеллект следит за порядком на полках: «Пятёрочка» тестирует Shelf Sense

Что именно умеет распознавать нейросеть? Алгоритмы системы обучены выявлять отсутствие ценников на полках, наличие пустот в выкладке товаров, а также неправильные или лишние ценники. Shelf Sense не просто констатирует проблему, а преобразует визуальную информацию в структурированные данные, позволяя руководству сети получать точную картину о состоянии каждого магазина без необходимости проводить дорогостоящие и трудоёмкие выездные проверки. Это обеспечивает высокую дисциплину торгового пространства и существенно повышает точность аналитики.

Контроль ценников осуществляется автоматически по заданному расписанию. Когда система находит позицию, требующую корректировки, она формирует для сотрудника подробное задание, содержащее точную навигацию: номер стеллажа, номер полки, название товарной позиции и фотографию для визуального подтверждения. Параллельно Shelf Sense решает задачу распознавания пустот на полках. Сканируя стеллажи по графику, система определяет отсутствие товара, затем анализирует остатки на складе магазина и формирует конкретные рекомендации по пополнению, предлагая выложить тот или иной SKU. Такой подход полностью исключает субъективность при оценке ситуации на полках и значительно сокращает время реакции персонала, что в конечном счёте повышает общую эффективность каждой торговой точки.

Георгий Кононов, занимающий пост директора по поддержке и эффективности бизнеса «Пятёрочки», прокомментировал ход эксперимента: «В ходе теста нейросеть-технология проходит обучение, поэтому система может допускать неточности при распознавании. Успешность этого пилота напрямую зависит от обратной связи сотрудников магазинов, которые подтверждают или корректируют работу технологии. Такой подход позволит нам повысить точность алгоритмов перед масштабированием решения. Кроме того, мы уже сейчас видим дальнейший потенциал расширения функционала системы».