«Магнит» запустил ИИ-ассистента для поставщиков, который анализирует продажи, остатки, промо-периоды и причины упущенных продаж. Для логистики и supply chain значение сервиса — в более быстром доступе к данным, от которых зависят поставки, доступность товара и управление запасами.
«Магнит» интегрировал ИИ-ассистента в аналитический портал для поставщиков RS.Magnit. Решение создано совместно с Retail Services и работает как чат-бот в браузере: поставщик задаёт вопрос на естественном языке, а система формирует ответ с таблицами, графиками и бизнес-выводами. Ассистент использует данные RS.Magnit и документы пользователей.
Для поставщиков крупной розничной сети такая аналитика выходит за рамки коммерческих отчётов. Данные о продажах, остатках и промо влияют на планирование поставок, доступность товара на полке и скорость реакции на отклонения. Поздно выявленный дефицит или ошибка в оценке причин падения продаж быстро превращаются из аналитической проблемы в сбой товарного потока.
Сервис закрывает три уровня задач: выгрузку статистики, вычисления и стратегический анализ. Он сопоставляет периоды, рассчитывает отклонения, визуализирует тренды, анализирует ожидаемые продажи и дискретность. Для поставщика это меняет порядок работы с данными: вместо ручной подготовки отчётов в BI-системе появляется интерфейс, который помогает быстрее перейти от вопроса к решению по SKU, региону, формату магазина или промо-периоду.
Операционная ценность заметна на примере упущенных продаж. По данным Retail Services, поставщик может запросить анализ упущенных продаж в рублях за последний промо-период в Московском регионе с разбивкой до товара и формата; система распределит причины по группам, включая отсутствие остатков, виртуальный сток и логистические сбои. Такой разбор связывает коммерческую аналитику с управлением товарными потоками: видно, где спрос не был реализован из-за недостаточного наличия товара или проблем исполнения.
Сервис развёрнут как SaaS-решение в защищённом контуре Retail Services. Данные пользователей изолированы, ассистент не смешивает информацию поставщиков и не обучается на чужих запросах. Для поставщиков это важное условие: аналитика продаж, остатков и промо содержит коммерчески чувствительные данные, а доверие к цифровой инфраструктуре становится частью операционной модели работы с ритейлером.
Для поставщиков такой инструмент сокращает путь от обнаружения отклонения к решению по остаткам, промо и поставкам. Для ритейла он повышает прозрачность причин товарной недоступности и делает управление упущенными продажами более операционным.
ИИ здесь работает не как витрина цифровизации, а как интерфейс к данным, от которых зависят запасы, поставки и исполнение спроса.
