Где склад теряет точность
Склад живёт в трёх реальностях: учётная (что говорит 1С), фактическая (что лежит на полках) и документальная (что написано в накладных). Расхождения между ними обнаруживаются на инвентаризации — то есть тогда, когда исправлять уже дорого: заказы собраны не в срок, клиенту отгружено лишнее или недовложено, недостача выросла до заметных размеров. Чем дольше расхождение живёт незамеченным, тем дороже его расследование и тем меньше шансов восстановить причину — поэтому весь контур строится вокруг принципа «ловить в момент возникновения».
ИИ на складе работает как непрерывная сверка этих трёх реальностей: читает документы, сопоставляет их с учётом, подсвечивает аномалии в движении товара и предсказывает, где возникнет расхождение. Это не «замена кладовщика роботом» — это наведение точности там, где глаза и память человека не успевают.
Бесплатно: разбор вашей задачи + расчёт за 1 рабочий день
Разбор ТЗ ведёт инженер, а не менеджер по продажам. ООО «НЬЮ-ССТ» · ИНН 7733311994 · микропредприятие в реестре МСП · работаем с 2016 года
Сценарии применения
1. Приёмка без ручного ввода
Входящие накладные, УПД и акты — в PDF, сканах и фото с телефона. Модель распознаёт позиции, количества, цены и номенклатуру, сопоставляет с заказом и учётной картой, помечает расхождения уже на рампе. Кладовщик подтверждает, а не набирает. Эффект: приёмка идёт в темпе разгрузки, а не в темпе набора строк; конфликт «в накладной 40, привезли 38» фиксируется в момент разгрузки, а не через неделю в споре с поставщиком.
2. Непрерывная сверка остатков
Модель следит за движением по ячейкам и подсвечивает аномалии: остаток меняется без документов, расход по позиции нетипично высок, товар «переехал» между ячейками без операции. Сомнительные ячейки идут в адресный пересчёт, а не в тотальную инвентаризацию. Эффект: расхождения ловятся в первые дни жизни, когда причина ещё восстанавливается по камерам и сменам; годовая инвентаризация перестаёт быть днём «сюрпризов».
3. Фотоконтроль ячеек
Камеры (стационарные или на технике) периодически снимают ячейки; модель сравнивает изображение с учётным профилем ячейки: количество мест, тип тары, занятость. Расхождения — в очередь на проверку. Эффект: контроль склада без остановки работы; подмена и недовложение становятся видны системой, а не налоговым инспектором.
4. Прогноз запасов и закупок
Прогнозная модель считает спрос по позициям и сезонам, предлагает точки заказа и объёмы с учётом сроков поставки. Закупки идут от прогноза, а не от «как в прошлом месяце плюс десять процентов». Эффект: дефицит и неликвид давят на бизнес одновременно — прогноз снимает оба: деньги не заморожены в лишнем стоке, а ходовые позиции не выпадают из продаж.
5. Подсказки при сборке заказов
Сборщику на терминале приходит маршрут по ячейкам, оптимизированный под его проход, и контроль соответствия: система сверяет, что взято из ячейки, с позицией заказа — по штрихкоду и/или камере на отборщике. Эффект: ошибки комплектации ловятся у полки, а не у клиента; новые сборщики выходят на норму быстрее — подсказки системы заменяют наставника рядом.
6. Контроль отгрузки
Перед отправкой модель сверяет собранный заказ с накладной: состав мест, количество, маркировка. Расхождение блокирует отгрузку до проверки. Эффект: клиент получает то, что заказал; рекламации и обратная логистика недовложений уходят из регулярной практики.
7. Аналитика причин потерь
По накопленным расхождениям модель строит карту причин: после каких смен, на каких ячейках, с какими поставщиками и видами номенклатуры потери повторяются. Руководитель получает адресные меры вместо «усилить контроль». Эффект: работа с потерями становится управлением по данным; инвестиции в порядок направляются в горячие точки, а не «во всё сразу». Со временем модель начинает предсказывать и сами расхождения: ячейки и операции с растущим риском ошибки уходят в превентивный контроль до того, как недостача станет фактом учёта.
Как внедряем: этапы
- Аудит склада и данных (3–5 рабочих дней, от 90 000 ₽). Смотрим процессы приёмки, хранения, сборки и инвентаризации; качество данных в 1С/WMS; дисциплину операций. Идентифицируем, где рождаются расхождения — обычно 2–3 концентратора, а не «везде». Выходим с картой и приоритетом пилота.
- Пилот (4–6 недель, от 480 000 ₽). Один контур: распознавание накладных при приёмке или адресная сверка остатков по группе ячеек. Пилот работает параллельно текущему процессу, эффект меряется на реальных расхождениях и времени операций.
- Интеграция с учётным контуром. Подключение к 1С, WMS и терминалам сбора данных через API; модель не заменяет учёт, а работает с ним — все операции остаются в вашей системе как система записи. Подтверждение человеком сохраняется на ключевых операциях.
- Контур безопасности и надёжности. Разграничение доступа, логирование операций, работа при недоступности сети — склад не должен останавливаться из-за ИИ. Проверка на манипуляции: попытки «объяснить» модели лишний товар через испорченные документы или фото блокируются валидацией.
- Развитие и сопровождение. Расширение на следующие контуры — фотоконтроль, прогноз запасов, аналитика потерь. Сопровождение: дообучение моделей, мониторинг качества, поддержка интеграций.
Эффект пилота меряется в конкретных единицах: время приёмки накладной до и после, число расхождений, пойманных на рампе, доля позиций, снятых адресным пересчётом. Эти же метрики показывают руководителю склада, что контур работает, — без веры на слово и презентаций.
Как строится интеграция ИИ с 1С и как автоматизировать документооборот — в пошаговых гайдах; прогнозный контур — в хабе «Предиктивная аналитика».
Связь с услугами и материалами
- Услуги: интеграция с 1С · извлечение данных из документов · видеоаналитика для фотоконтроля
- Технологии: OCR документов · GigaChat API для сценариев сопоставления — весь каталог
- Практика: как интегрировать LLM в 1С · автоматизация документооборота с LLM · все гайды
- Смежные хабы: предиктивная аналитика · финансы и отчётность · LLM-интеграции
Когда ИИ на складе не нужен
Складская автоматизация соблазняет, но не каждый склад готов к ИИ-контуру — и честный аудит это покажет.
- Нет дисциплины операций. Если товар двигается «мимо» системы — по памяти, на словах, задним числом — модели не с чем сверяться. Сначала порядок в операциях и сканировании, потом аналитика.
- Малая номенклатура и объёмы. Пятьдесят позиций и три отгрузки в день контролируются глазами бригадира дешевле и надёжнее любого контура.
- Хаос в справочниках. Если один товар живёт в учёте под тремя названиями, распознавание будет плодить ложные расхождения. Нормализация справочников — обязательный этап, и иногда его одного достаточно, чтобы навести порядок.
- Ожидание, что ИИ заменит порядок. Модель не заставит персонал сканировать операции и не отменит физическую инвентаризацию по требованиям учёта. Она делает контроль непрерывным и адресным — приоритет сохраняется за людьми и регламентами.
Итог честной рамки: ИИ на складе окупается там, где есть поток документов и операций, а потери от расхождений реальны и измеримы. Если ваши потери — это три позиции в год, вам не нужен этот контур, и мы скажем об этом на аудите первым делом.