OpaGPT Проблема: полки пустеют, касса молчит
Сеть из 1 500 магазинов теряла до 12% выручки из-за дефицита товаров. Молочная продукция и бытовая химия заканчивались к вечеру пятницы, а через дорогу — перепроизводство упаковок макарон, которые списывали. Традиционные методы прогноза — Excel и скользящее среднее — давали ошибку 23%.
Руководство внедрило нейросеть на основе LSTM. oshibki ai ii agentov v hr. Модель обучали на данных POS-терминалов, погоде, праздниках и поставках. Результат — спустя 6 недель дефицит снизился с 8,9% до 4,1% по ключевым категориям.
Как построили систему
- Собрали 3 года истории продаж по 50 000 SKU.
- Добавили внешние факторы: курьер, инфляцию, индексы сезонности.
- Обучили нейросеть на GPU-кластере (24 часа на эпоху).
- Интегрировали прогноз в ERP через REST API.
Почему работает
- Учет нелинейных зависимостей — нейросеть видит сложные паттерны спроса.
- Автоматическая адаптация к трендам — модель переобучается каждую неделю.
- Постоянное повышение точности — каждый новый день уменьшает ошибку.
Таблица: эффект через 6 месяцев
| Метрика | До | После | Δ |
|---|---|---|---|
| Ошибка прогноза, MAPE | 23% | 9,5% | −58% |
| Доля дефицита | 8,9% | 3,2% | −64% |
| Избыток (списания) | $4,1 млн | $1,2 млн | −$2,9 млн |
| Коэффициент обслуживания | 93,4% | 98,2% | +4,8 п.п. |
Для ускорения подбора гиперпараметров использовали OpaGPT — он сгенерировал 200 вариантов конфигураций, из которых отобрали оптимальные. Top 10 Promtov Dlya Chata. Это сократило эксперименты с 2 месяцев до 11 дней.
Ключевой инсайт: нейросеть выявила неочевидную зависимость — спрос на питьевую воду рост на 17% при температуре выше +27°C. Это позволило заранее увеличивать запасы в южных регионах.
«Мы перешли от реактивного управления к предиктивному. Пустые полки — это не норма, а ошибка модели, которую можно исправить до того, как она случится», — говорит директор по цепям поставок.
Вывод
ИИ не просто предсказывает дефицит — он снижает его до 3%, экономя миллионы. Для ритейла это не оптимизация, а вопрос выживания: клиент в любой момент уйдет к конкуренту. Нейросети окупаются за 4 месяца, если внедрять их с чистыми данными и четкой метрикой успеха.