РБК Pro —  
информационный сервис для предпринимателей и управленцев. Первый месяц — бесплатно

Как использовать искусственный интеллект в сфере потребительских товаров

Инновации Исследования Bain & Company
В последние годы 34 из топ-50 компаний потребительских товаров в мире столкнулись с падением выручки или прибыли, по данным Bain & Company. Эксперты предлагают способ измерить зрелость компании с точки зрения ИИ, чтобы повысить финансовые показатели

Спасение в руках ИИ

Руководство компаний в сфере потребительских товаров ищет новые пути, чтобы получить конкурентное преимущество и повысить финансовые показатели. Новые технологии, в том числе искусственный интеллект (ИИ), уже дали серьезные преимущества бизнесу в других секторах. Такие гиганты, как Amazon, Facebook, Microsoft, Apple, много инвестируют в технологии, чтобы сохранить свои преимущества. Например, Amazon находится на первом месте по НИОКР (R&D), расходуя более 10% своей выручки на ИТ (для сравнения, ретейлеры в целом тратят от 1 до 2%).

Лидеры, например розничная торговля и технологические компании, инвестируют в ИИ больше, чем компании фасованных потребительских товаров, но все равно пока еще не полностью отработали технологию.

Аналогичным образом «бунтарские» бренды ФПТ с глубокими данными инвестируют в ИИ для усиления своих преимуществ. Компании меньшего размера используют данные для вовлечения клиентов за счет персонификации и масштабов. В целом отрасль ФПТ пока еще находится на ранней стадии использования ИИ и серьезно отстает от десятков других отраслей. Однако эксперты отмечают, что даже лидеры во внедрении ИИ — ретейл и техкомпании инвестируют в него значительно больше, чем бренды потребительских товаров, но все равно пока еще не полностью отработали технологию.

Измерение зрелости с точки зрения ИИ

Несмотря на восприятие ИИ как инструмента будущего, «дорожная карта» в большинстве компаний ФПТ неясна. Для того чтобы определить зрелость компаний потребительских товаров с точки зрения искусственного интеллекта, Bain & Company провела общую оценку ландшафта ИИ в целом, чтобы «замерить» базовый уровень, по двум критериям:

  • размер портфеля ИИ: учитывалось количество сценариев его использования, которые компания планирует внедрить или которые находятся в работе, а также любые категории этих сценариев, опробованные за последние три года;
  • масштабность реализации: рассчитывалась путем деления количества успешно масштабированных сценариев применения ИИ на общее количество опробованных сценариев использования; сценарий использования считался успешным, если в дальнейшем произошла более масштабная его реализация (например, в нескольких бизнес-единицах или на нескольких рынках) и результаты были измерены и достигнуты хотя бы частично.

В итоге Bain & Company выявила пять архетипов зрелости компании с точки зрения ИИ и подготовила классификацию сценариев использования искусственного интеллекта в соответствии с возможностью их масштабирования и потенциальной создаваемой стоимостью.

  1. Новички. Около 28% компаний были новичками в применении или скептически относились к целесообразности использования ИИ. Они спланировали и испытали минимальное количество сценариев использования по сравнению с другими архетипами и не достигли масштабов ни в одном из таких проектов. В целом у них нет интереса и намерения использовать ИИ в будущем.
  2. Оптимисты. 18% компаний относятся к ИИ с большим энтузиазмом, но не смогли масштабировать сценарии использования за последние три года. У этой группы второй по размеру портфель инициатив по ИИ — 19 сценариев использования, но большинство из них скорее в планах, чем завершено или в процессе реализации.
  3. Экспериментаторы. 30% компаний добились больших успехов по объемам, но полученные результаты неоднородны. Эта группа смогла масштабировать только 15% инициатив по ИИ.
  4. Лидеры по фокусу на ИИ. По сравнению с остальными архетипами лидеры по фокусу на ИИ — 12% компаний-респондентов инвестировали в меньшее количество сценариев использования, но выделяли на это более значительную долю бюджета в каждом случае. Они осуществили масштабирование почти половины всех опробованных сценариев использования, объектами которых стали отдельные части организации.
  5. Лидеры по масштабам использования ИИ. 12% компаний-респондентов опробовали и масштабировали более половины сценариев использования, а также изучили их в разных функциональных областях.

Чему можно научиться у лидеров по ИИ: два кейса

Лидеры по ИИ используют технологии для создания узкоспециализированных решений для бизнес-проблем, а не применяют новую мощную технологию в общем.

Кейс 1

Чрезмерный уровень отходов по скоропортящимся товарам, в пять раз превышающий средний по отрасли, стоил глобальной компании, производящей фасованные продукты питания, порядка $100 млн в год. Прежде чем использовать для решения проблемы технологии, она привлекла сотрудников на самом нижнем уровне, чтобы понять существующий процесс и оценить недостатки. Обнаружилось, что используемые методы прогнозирования и обработки заказов вручную неточны и требуют высоких трудозатрат. Кроме того, компании необходим оптимизированный и более эффективный процесс работы с заказами, чтобы сократить уровень отходов и поставить четкую цель по тому, что будет считаться успехом. Только после этого наступила очередь технологии. Для решения бизнес-проблемы компания создала продвинутую платформу моделирования для более точного прогнозирования спроса. На основе этой платформы появился прототип новой системы обработки заказов, который интенсивно тестировали и модифицировали. За три месяца до запуска пилотного проекта в четырех ключевых локациях в решение было внесено более 250 изменений. Экспериментальная проверка концепции показала снижение уровня отходов на 40–50%, а также необходимых трудозатрат — на 50%. Решение также оказалось воспроизводимым, был выявлен возможный дополнительный функционал для масштабирования в последующие 1,5 года.


Кейс 2

Крупный производитель одежды столкнулся с проблемой высоких затрат на цепочку поставок и высокой вариативности продукции. Это привело к низкому уровню наличия товара в магазинах и упущенному объему продаж. Улучшение даже на 1% могло обеспечить ощутимый прирост прибыли. При наличии хорошей ИТ-инфраструктуры и обеспечивающих технологий компания использовала ИИ для анализа возможности переноса объемов продаж с точки зрения покупателей. Она использовала данные для автоматизации планирования кривой размеров и более точного прогнозирования распределения по видам продукции и магазинам.

На этапах пилотного проекта и последующего масштабирования привлекались бизнес- и функциональные эксперты, а организованные по странам команды помогали внедрять технологию и новые процессы, на которые она опиралась, на каждом рынке. Компания понимала, что предоставить правильную технологию недостаточно; было необходимо вовлечь сотрудников в процесс реализации полного потенциала. В результате использования ИИ вместо планирования в ручном режиме удалось сократить излишек товарных запасов и рабочей силы.

С чего начать

Существуют тысячи потенциальных сценариев использования ИИ. Не имея четкой отправной точки, большинство компаний ФПТ инвестировало туда случайным образом, поэтому чаще они не создавали максимальной стоимости и были сложны в реализации.

Для определения тенденции Bain & Company объединила сотни сценариев использования в 31 категорию. Эти категории охватывают семь прикладных областей в трех операционных сферах: маркетинг, цепочка поставок и обеспечивающие функции.

Далее эксперты провели классификацию упомянутых категорий сценариев использования по возможности их масштабирования и потенциальной создаваемой стоимости, чтобы подсказать руководству компаний ФПТ отправную точку для работы над применением ИИ. По мере накопления компаниями ФПТ опыта работы с ИИ они могут постепенно реализовать три волны мероприятий. С каждой такой волной возрастает уровень сложности и потребность в совместной работе разных подразделений.

Волна 1 — подтвержденные успешные меры с использованием ИИ. Это то, что легче реализовать и масштабировать по сравнению с другими категориями сценариев использования, что позволяет ускорить процесс и подстегнуть энтузиазм внутри организации. Торговые отношения — ключевая тема среди подтвержденных мер с использованием ИИ. В этой функциональной области ИИ можно использовать, чтобы:

  • провести основанные на фактах переговоры и оптимизировать торговые условия (вопросы сложных торговых переговоров, давления на цены и конкуренции на полке);
  • оптимизировать товарные запасы по клиенту и прогнозировать необходимость пополнения товарных запасов;
  • оптимизировать пространство на полке и выкладку в магазине;
  • оптимизировать работу с клиентом;
  • оптимизировать ценообразование;
  • получить глубокие инсайты по рынку и аналитику конкурентов;
  • обеспечить качество и выявлять брак.

Волна 2 — мероприятия, создающие дифференцирующие факторы. Это приносит организации больше пользы, но их сложнее координировать и масштабировать. Снабжение, логистика и операционная деятельность — ключевые темы волны. Например, ИИ можно использовать для того, чтобы:

  • обеспечить бóльшую гибкость производства или лучше реагировать на запросы клиентов в крупных компания ФПТ;
  • проводить прогнозные ремонты;
  • создавать программы лояльности и удержания клиентов;
  • оптимизировать снабжение, производственный процесс и график;
  • оптимизировать логистику;
  • оптимизировать состав инструментов маркетинга и медиа;
  • оптимизировать персонал продаж и поднять его мотивацию.

Волна 3 — потенциальные прорывные изменения, которые подразумевают внедрение инноваций и НИОКР. На данном этапе для успешного масштабирования и кросс-функциональной координации требуется большой опыт работы с ИИ. Несмотря на более высокие риски, это помогает передовым с точки зрения ИИ компаниям защитить свои портфели от возможных рисков.

Сценарии использования, относящиеся к категориям маркетинга и потребительской аналитики, релевантны на всех этапах зрелости с точки зрения ИИ, потому что формируют основы для понимания ключевых потребностей бизнеса.

Шесть факторов, систематически способствующих успешному внедрению ИИ:

  1. Наличие конкретной бизнес-проблемы с четко определенной целью.
  2. Наличие качественных данных.
  3. Достаточные сроки и бюджет.
  4. Методы работы Agile.
  5. Наличие обеспечивающих технологий.
  6. Убедительное видение по ИИ.

Значимость каждого фактора меняется по мере роста зрелости компании с точки зрения ИИ. Лидерам стоит оценить текущую зрелость своей компании по ИИ (и соответствующее видение), чтобы определить, какие факторы оказывают наибольшее влияние в их случае. Фокусирование на отдельных обеспечивающих факторах в правильный момент времени позволит добиться максимального результата.

В поисках своего пути к лидерству

Путь к лидерству по применению ИИ может быть разным в зависимости от текущей зрелости компании в этой сфере.

Новичкам стоит сосредоточиться на стратегических основах, обеспечивающих возможность реализации программы по ИИ: наличие данных, четко определенные показатели успеха, рабочие процессы Agile. Прежде чем реализовывать, улучшать или масштабировать применение искусственного интеллекта, новичкам необходимо иметь технологию и обеспечить выполнение требований по качеству. Успех лидеров в сфере ИИ связан с инвестициями в данные и платформы.

Оптимистам необходимо заняться тестированием, получением выводов и воспроизводимостью. Прежде чем инвестировать в серьезный портфель сценариев использования ИИ, стоит добиться небольших и быстрых побед и создать ориентированную на обучение корпоративную культуру и систему целенаправленных итераций.

Экспериментаторы должны стремиться к большей системности. Им стоит использовать Agile-методы работы для быстрого запуска или остановки пилотных проектов, направленных на решение бизнес-проблем, связанных с дифференциацией. Успешные кейсы следует превращать в лучшие практики для всей организации.

Лидеры по фокусированию на ИИ могут выбрать расширение или углубление такого фокусирования, то есть успешно масштабировать сценарии использования в узком диапазоне категорий или масштабировать применение ИИ в разных функциональных областях. Им также придется ликвидировать пробелы в компетенциях.

Лидерам по масштабам использования ИИ следует расширять его применение в разных функциональных областях и в разных сегментах цепочки создания стоимости. Они должны заниматься кросс-функциональными инвестициями, вовлекать в работу сотрудников разных подразделений и внедрять кросс-функциональные системы управления, привлекать правильные таланты.

Об исследовании

Это первый отчет Bain & Company по искусственному интеллекту (ИИ) в сфере фасованных потребительских товаров, где под ИИ подразумевается способность нейронной сети самостоятельно воспринимать окружающую среду, реагировать на нее и принимать решения. В фокусе исследования прикладные способы применения продвинутой аналитики и технологий автоматизации. Bain & Company провела опрос 350 руководителей высшего звена в компаниях сферы фасованных потребительских товаров во всем мире (с годовым оборотом свыше $500 млн), где в работе используется ИИ. В рамках опроса исследовали текущие и исторические инвестиции в искусственный интеллект, сценарии его использования, результаты и планы на будущее. В рамках исследования компания консультировалась с четырьмя экспертами из глобальной отрасли ФПТ и лидерами амстердамского стартапа по ИИ, имеющими опыт работы с отраслью, а также задействовала собственную библиотеку сценариев использования по продвинутой аналитике.

По итогам исследования Bain & Company разработала систему оценки зрелости с точки зрения ИИ, учитывающую вложенные усилия и результат, в рамках которой выделяются пять уровней зрелости, а также определила шесть принципов, которые в значительной степени способствуют успешному внедрению ИИ.