ИИ в магазине заказал товары за вас - и полки опустели

Системы уже не только считают, сколько молока уйдёт за неделю. Они сами формируют заказ поставщику, двигают товар между складами и, через чат-боты, кладут товары в корзину за покупателя. В 2026 году это меняет полку быстрее, чем привычка человека ходить в магазин по субботам. Ключевое условие: прогноз работает, пока данные о реальной полке совпадают с учётом. Когда не совпадают, «умный заказ» опустошает одни позиции и забивает другие.

Что именно предсказывает ритейл, а не маркетинг

Предиктивная аналитика здесь - это модель, которая по чекам, погоде, промо, локальным событиям и даже снимкам полки оценивает спрос на конкретный артикул в конкретном магазине на ближайшие часы и дни. Не «молоко вообще», а упаковка 2,5% на полке у кассы в пятницу перед праздником. Walmart описывает собственную многогоризонтную нейросеть: она хранит прошлые прогнозы и пересчитывает запас по сети заранее, а не после пустой полки.

McKinsey в обзорах цепочек поставок указывает на снижение ошибки прогноза на 30-50% относительно старых статистических моделей, плюс меньше потерянных продаж из-за стокаутов. Это ориентир, не гарантия для каждой сети. IHL Group в исследовании 2026 года оценивает мировую «дисторсию запасов» (одновременно пустые полки и лишнее на складе) примерно в 1,7 трлн долларов, или около 6,2% розничных продаж. Цифра падала несколько лет, но тарифные скачки и паника закупок снова ломают модели, заточенные на спокойный сезон.

Второе, что считают системы: не только «сколько купят», а «сколько потеряем, если не будет на полке». Instacart в сентябре 2026 анонсировал портал, где бренды видят оценку упущенной выручки до магазина и штрихкода, плюс факт, ушёл ли покупатель к конкуренту.

Когда ИИ заказывает не для склада, а за вас

Отдельный слой 2025-2026 - агентские покупки. Покупатель пишет «собери ужин на четверых» или «пополни то, что обычно кончается», и агент кладёт товары в заказ. Walmart в октябре 2025 включил покупки через ChatGPT, затем встроил своего ассистента Sparky внутрь ChatGPT и Gemini. Компания заявляет, что у тех, кто пользуется чат-ботом, средний чек выше примерно на 35-40% относительно обычного покупателя. Это корреляция из отчётов сети, не доказательство, что бот «накачивает» корзину каждому.

По словам менеджмента, через ChatGPT у Walmart в топе оказывались витамины и протеин - не те же товары, что в приложении. Агент оптимизирует не ваш вкус, а то, что модель считает релевантным запросу и что есть в наличии с быстрой доставкой. Если миллионы похожих промптов сходятся на одних SKU, спрос сжимается в узкий набор позиций. Полка в магазине и хаб «день в день» начинают жить по логике чата, а не по привычке района.

Повторные закупки бакалеи сети прямо описывают как будущий автопилот: система знает, что вы берёте одно и то же каждую неделю, и предлагает заказ сама. Для покупателя это удобство. Для ассортимента - риск, что «невидимые» товары без истории в чате просто перестанут заказываться на склад.

Почему умный заказ всё равно оставляет дыры

Классический эффект хлыста никуда не делся: мелкий всплеск на кассе раздувается в крупный заказ на распределительном центре. ИИ ускоряет цикл, не отменяет ошибку во входе. Если в системе числится 12 пачек, а на полке две, модель думает, что сток нормальный, и не дозаказывает. Исследователи, сравнивавшие учёт и ручной пересчёт, в одном замере по ~370 тысячам позиций в 37 магазинах получили расхождение примерно в 65% записей. Повтор в продуктовой рознице 2025 года дал около 64,7% неточных остатков.

Пустая полка часто не «закончилось на складе», а «лежит в подсобке / не выложили / учётка врёт». Камеры и сканы сборщиков Instacart как раз закрывают этот разрыв: компания говорит о более чем 10 млн точек данных в день от порядка 600 тысяч шоперов и о 1,6 млрд заказов в истории. Цель - увидеть дыру до того, как бренд узнает о ней из отчёта за месяц.

Обратная сторона: если модель дружно решает, что «все будут есть протеин и курицу гриль», полки под это расчищают. Редкие, сезонные, «неудобные» SKU вылетают из автозаказа. Покупатель приходит за своим брендом йогурта и видит три вида того, что хорошо прогнозируется.

Что сети реально крутят в 2026

Macy's на созвоне 10 сентября 2026 сообщила, что ИИ-надстройка над пополнением выходит из пилота в широкое внедрение: «нужный товар в нужном месте в нужное время», плюс цель экономии в цепочке поставок порядка 235 млн долларов к 2026 в рамках программы трансформации. Lowe's расширяет работу с Relex по наличию и спросу. Это не фантазия стартапов, а строка в отчёте для аналитиков.

Instacart 21 сентября 2026 выкатил софт «живой полки»: спрос, выкладка, оценка подмен, прогноз, какие SKU выгорят к празднику. Для бренда пустая полка становится сигналом продаж, а не сюрпризом аудитора. Для покупателя это значит, что сеть будет агрессивнее держать хиты и быстрее убивать «мёртвые» позиции.

В России зрелый сценарий тот же: прогноз спроса и запас. Эксперты рынка говорят о точности до ~90% на регулярных товарах при нормальных данных. «Магнит» и другие сети используют распознавание выкладки. Это не агент в ChatGPT, но та же логика: камера и модель решают, что должно стоять, а кладовщик догоняет факт.

Как это бьёт по обычному человеку в зале

Вы замечаете три эффекта. Первый: любимый артикул пропадает чаще, хотя «в приложении есть». Онлайн-остаток и полка расходятся, а агент доставки бронирует то, что удобно собрать. Второй: ассортимент сужается к тому, что хорошо предсказывается и быстро оборачивается. Третий: цены и промо прыгают локально, потому что модель видит всплеск в одном районе и не видит в соседнем.

Плюс для покупателя тоже есть. Меньше ситуации «приехал, а молока нет», если сеть реально сверяет полку, а не Excel. Быстрее довоз хитов. Персональный повтор заказа экономит время. Минус: вы становитесь средним по своим прошлым чекам. Сменили диету, переехали, гости на выходные - модель отстаёт на цикл заказа.

Если ходите в один и тот же магазин, имеет смысл смотреть не на красивую витрину, а на «хвост» полки: сколько уникальных SKU ещё живы. Их сокращение - прямой след автозаказа под прогноз, а не злой умысел директора.

Что проверить, если полка пустая, а «система умная»

1. Сверьте приложение и зал в один момент: если онлайн пишет «в наличии», а фасовки нет, это ошибка учёта, не ваш «не повезло».
2. Посмотрите, не совпал ли провал с волной одинаковых запросов в чат-ботах (витамины, протеин, конкретный вкус лимонада после ролика).
3. Спросите персонал, товар в подсобке или его уже нет на РЦ. Часто ответ «сейчас выложим» значит, что камера/ИИ ещё не догнали факт.
4. Для своих закупок не отдавайте агенту весь список сразу: зафиксируйте 2-3 критичных бренда вручную, остальное пусть крутит автопилот.

Сети выигрывают, когда ИИ сокращает и дыры, и залежи. Покупатель выигрывает, когда модель смотрит на полку, а не только на чек. Пока учёт врёт в двух записях из трёх, «ИИ заказал за вас» может значить и полную корзину дома, и пустой ряд в магазине у дома.

Источники

Instacart, анонс live view полок, 21 сентября 2026; Supermarket News об Instacart; Macy's, AI replenishment, Supply Chain Dive; IHL Group, Inventory Distortion Study 2026; Walmart, агентские покупки и Sparky; Walmart, ИИ в цепочке поставок; Замеры расхождения учёта и полки; ИИ в ритейле и FMCG, Корус Консалтинг.