Сеть «Реми» на Дальнем Востоке — Приморье, около 120 магазинов — с августа 2026 тестирует AI-агента, который сам ставит людям задачи. Пилот делает вместе с компанией InfoVizion, агент встроен в уже работающую у сети систему (Быстродел), а не подключён отдельным продуктом сбоку.
Это пока что редкий пример из известных, потому просто разберу его немного и дам свои мысли.
1️⃣Первый сценарий:
каждый день он разбирает дефицит по топовым SKU, ищет причину — не довезли, не заказали, сбой в логистике или на планограмме — и сам ставит категорийному менеджеру задачу с дедлайном. Раньше это делал человек сам: открывал отчёт, разбирался, что не так, и сам решал, кому и что поручить.
2️⃣Второй сценарий:
агент ранжирует магазины по потенциалу продаж и готовит территориальному директору чек-лист перед визитом — вместо того чтобы тот сам перелопачивал отчёты накануне поездки.
Смысл сдвига тут вот в чем: вместо отчета, который как то еще нужно разобрать и интепритировать- сразу закрытая задача с именем и сроком. Мечта?
Почему они подошли к задаче таким образом, в целом я соглашусь, что пускать модель напрямую в сырые данные ритейлера ненадёжно. Поэтому между данными и агентом стоит промежуточный выверенный аналитический слой с бизнес-правилами (грубо говоря контекст наше все) — архитектура из четырёх слоёв: данные, аналитика, процессы, дообучение.
И тут же они приводят цифру:
такая связка на 100+ магазинах и десятках тысяч SKU обходится в десятки тысяч рублей в месяц — против примерно миллиона, если гонять сырые данные через модель напрямую.
Пилот стартовал недавно, результатов пока нет.🏪
С архитектурой тут все понятно как божий день — про свои четыре слоя сейчас много кто говорит. Точнее это вообще относится к любой задаче, где вы пускаете агентов и модели. Тут важнее как это все заработает, но я очень оптимистично настроен что ребята идут в этом направлении.
Что ж, подождем результатов, будет что обсудить!