✉️ Сегодня #новостнаясреда — и у нас небольшое обновление. Теперь делимся не просто новостями, а главными темами, о которых говорит бизнес. Читайте нас каждые две недели по средам — будем держать вас в курсе тенденций.

🔵Новое исследование «Российский ритейл 2025: пессимизм настроений и операционная устойчивость». B1 и Redis Business Class опубликовали ежегодный обзор: оценки состояния бизнеса упали до минимума за 10 лет — 5,7 из 10. Почти половина ритейлеров ожидает ухудшения ситуации в 2026 году. Но есть и луч света — 93 % компаний уже внедряют ИИ, чаще всего для прогнозирования спроса и персонализации.

🔵Магнит внедрил собственную ИИ-платформу для управления запасами. Система Forecasting & Replenishment (F&R) предсказывает спрос и управляет поставками на базе Spark и Kafka.

🔵70 % компаний пока не окупили инвестиции в ИИ. По данным Triada Partners, среди крупных и средних предприятий промышленности, добычи и строительства — около 70 % всё ещё не вернули вложения в ИИ. Средний срок окупаемости — 2–3 года. Главный вопрос теперь не «внедрять или нет», а «как сделать ИИ частью бизнес-модели, которая действительно приносит прибыль, а не остаётся экспериментом».

🔵Цифровые двойники цепочек поставок выходят из тени. По данным Sostav, компании из ритейла и промышленности начали активно внедрять виртуальные копии складов, логистических маршрутов и производственных линий.
Такие модели позволяют в реальном времени тестировать сценарии, выявлять узкие места и прогнозировать сбои.

🔵ИИ в производстве: от пилотов к операционному ядру. По данным К2 НейроТех, заводы перестают экспериментировать с ИИ и начинают использовать его в ежедневных процессах. Главные направления — цифровые двойники оборудования, генеративный ИИ для проектирования, прогнозирование поломок и ассистенты для операторов. А мировой рынок «умных фабрик» уже превысил $5,9 млрд, и спрос на такие решения продолжает расти.

📌 Новости команды zool

На прошлой неделе прошла встреча отраслевых компаний, где обсуждали применение ИИ в производстве и автоматизации.
Говорили о видеоаналитике, роботизации, нейросетях для учёта рабочего времени и внедрении ИИ в HR-процессы.
Было много живых кейсов и обсуждений — скоро поделимся фото и подробностями 📸

На этом всё — встретимся через две недели.

⭐️Комплимент дня: Пусть ваши ИИ-проекты не просто внедряются, а окупаются.

👁 Подписаться

#дайджест_zool

Всем привет, это Иван, продакт-менеджер zool.ai 🖐

Сегодня расскажу, как мы внедряли видеоаналитику с ИИ на объекте международного 3PL-оператора — одного из крупнейших логистических холдингов (название под NDA). Полный кейс скоро появится на нашем сайте.

Перед нами стояли задачи:

🔵сократить ошибки в комплектации и приёмке грузов;
🔵 контролировать соблюдение регламентов и ношение СИЗ;
🔵 автоматизировать аналитику по инцидентам;
🔵настроить интеллектуальный контроль въезда транспорта.

Как решили:

— обучили модель zool.ai распознавать грузы на видео, включая случаи с многоярусной укладкой (35 000 фото для обучения);
— внедрили контроль ношения касок и систему автоматических уведомлений о нарушениях;
— реализовали аналитику по перемещениям сотрудников и выявлению отклонений в процессе погрузки;
— интегрировали видеоаналитику с ERP и WMS, чтобы данные и события объединялись в единую систему;
— добавили модуль распознавания автомобильных номеров для автоматического доступа транспорта на территорию.

Что получили:

В результате система обеспечивает 99 % контроль логистических процессов и соблюдения регламентов, снижает количество ошибок комплектации на 70 %, уменьшает число краж и нарушений на 80 % и фиксирует 95 % случаев нарушения охраны труда. Система работает в режиме near-real-time, автоматически формирует отчётность и помогает компании снижать потери за счёт цифрового контроля.

#кейсы_zool
#логистика_zool

Абсолютно верно!
Большинство ответили: «Начинают с выбора технологии, а не с цели» — и это действительно так.

Как и обещал, рассказываю, какие ошибки встречаются чаще всего:

📌Проблемы с данными. На старте почти всегда звучит фраза: «данные у нас есть». На практике оказывается, что часть не размечена, часть устарела, а часть не соответствует реальным условиям.

📌Отсутствие ответственного за результат. Когда проект распределён между несколькими отделами, решения затягиваются.

📌Ожидание мгновенного эффекта. ИИ-система не начинает работать идеально с первого дня.
После запуска требуется дообучение на реальных данных, настройка сценариев и адаптация к условиям конкретного помещения/объекта.

📌Формальный подход. Если проект реализуется «для отчёта», без вовлечённой команды и понимания, зачем это нужно бизнесу, эффект минимален. После формального пилота метрики не пересматриваются, процессы остаются прежними, и система не используется в ежедневной работе.

📌Проект часто начинается с выбора технологии, а не с постановки задачи. В одном случае компания приобрела оборудование и выбрала модель, но не определила, какую проблему нужно решить. В итоге система работала корректно, но не влияла на показатели.

Главное правило — начинать с цели и данных, назначать ответственного и закладывать процесс дообучения.

Что бы вы добавили в этот список? Сталкивались с подобным на проектах? 👇

➡️ Пятница! Хочется уже закрыть ноутбук, собрать вещи и поехать на дачу. Но наш Иван пока не отдыхает, он репетирует речь для конференции. А Зул решил помочь. По-своему, конечно. Как именно и чем это закончилось — показали в новой серии нашего сериала.

👁 Подписаться

#сериал_zool

Всем привет! С вами Иван, продакт-менеджер zool.ai.

Ранее мы рассказывали, как начинали разбираться с искусственным интеллектом. Наш первый эксперимент — бот для мэтчинга в Telegram-чатах. Мы хотели проверить, сможет ли алгоритм помочь людям находить друг друга по интересам, а не случайно.

Теперь об этом опыте вышла статья на Хабре. В ней подробно рассказываем, как собирали систему: от фильтрации интро и работы GPT до эмбеддингов и поиска по сходству. Поделились тем, как решали задачи с нагрузкой и как измеряли точность мэтчей.

Этот эксперимент показал, что ИИ может быть не только про производственные процессы, но и про людей.

📎Читать статью → https://habr.com/ru/articles/957450/

#новости_zool

✉️ Сегодня #новостнаясреда

Теперь делимся не просто новостями, а главными темами, о которых говорит бизнес. Читайте нас каждые две недели по средам — будем держать вас в курсе тенденций.

🔵 Ритейл: супермаркеты и гипермаркеты продолжают уходить с рынка. За три квартала 2025 года в России закрылось 67 таких магазинов, а их общая площадь сократилась на 185 тысяч квадратных метров, подсчитали в Infoline.

🔵 ИИ и рынок труда: Forbes опросил руководителей крупных компаний — большинство уверены, что активное внедрение ИИ изменит структуру занятости уже в ближайшие два года.

🔵 OpenAI выпустила ChatGPT Atlas — собственный браузер с интегрированным искусственным интеллектом.

🔵 Сбербанк запустил маркетплейс для бизнеса — СберТаргет, который помогает компаниям продвигать бренды, организовывать рекламные кампании и выбирать бизнес-решения

🔵Промышленность: холдинг Свеза внедряет ИИ-систему для анализа перспективных технологий переработки балансовой древесины. Новая база поможет сотрудникам предприятия в поиске новых решений и создании современных продуктов.

🔵IT-компании потеряют налоговые льготы. С 1 января 2026 года отменяют освобождение от НДС и повышают страховые взносы с 7,6 % до 15 %. Эксперты ожидают рост цен на ПО и пересмотр бюджетов в отрасли.

🔵 Роботизация: компания Deep Robotics представила DR02 — гуманоида для промышленных работ. Защита IP66, температурный диапазон от –20 до +55 °C и модульная конструкция позволяют ему работать там, где человеку тяжело — от дождливых площадок до жарких цехов. (🎥 видео прикрепили)

📌 Новости команды zool

⭐️ У нас вышел новый кейс — «Как мы с помощью ИИ ускорили контроль качества». Читайте полную версию на сайте.

⭐️ На этой неделе участвуем в подкасте «Практики бизнеса». Следите за новостями — скоро расскажем подробнее!

На этом всё — встретимся через две недели.

⭐️Комплимент дня: Пусть ваш бизнес развивается быстрее, чем OpenAI выпускает новые продукты.

👁 Подписаться

#дайджест_zool

Всем привет! С вами Михаил, аналитик zool.ai.

Последние месяцы мы плотно работаем с ритейлом — разбираемся, где видеоаналитика действительно даёт пользу. Я понял простую вещь: ритейлу нужны не «ИИ-модели ради ИИ», а инструменты, которые решают конкретные операционные задачи.

Ниже — несколько направлений, где это уже работает 👇

🔵Зоны самообслуживания (КСО).
ИИ помогает понять, сколько времени покупатель стоит без помощи сотрудника.

🔵 Очереди.
Система считает количество людей у касс и прилавков, фиксирует среднее время обслуживания и помогает планировать график кассиров.

🔵Контроль выкладки.
Видеоаналитика определяет, какие полки пустуют, и сообщает о нехватке товара.

🔵Поведение покупателей.
Тепловые карты показывают, какие зоны зала самые посещаемые, где люди задерживаются, а где проходят мимо.

🔵Безопасность и дисциплина.
Распознавание СИЗ, контроль доступа в служебные зоны, фиксация падений или других инцидентов.

Недавно мы начали пилот по КСО — зонам самообслуживания.
Задача: если у покупателя возникли сложности, нужно понять, сколько времени он находится без сотрудника рядом.

Мы получили видеозаписи с одной торговой точки, обучили модель распознавать сотрудников по фирменным жилетам и подключили всё к zool.ai.

Система отслеживает четыре состояния:

1️⃣Покупатель в зоне КСО без сотрудника.
2️⃣Покупатель и сотрудник вместе.
3️⃣Сотрудник без покупателя.
4️⃣ Никого нет.

Дальше всё считается автоматически: время ожидания, частота обращений, средняя реакция персонала.

📊Сейчас мы тестируем дашборды и логику SLA: если время ожидания превышено, руководитель смены получает уведомление в Telegram. После пилота хотим добавить ещё блоки — очереди и контроль выкладки.

А какие задачи вы бы хотели автоматизировать в первую очередь: качество обслуживания, очередь или безопасность?

👁 Подписаться

#новости_zool