4RM Systems – белорусский производитель оборудования для ритейла. В 2024 году компания запустила на рынок несколько новинок, в их числе гибридная касса и программное обеспечение на основе искусственного интеллекта и машинного зрения для ритейла. О том, почему для производителя оборудования важно предлагать на рынке системы на основе искусственного интеллекта (ИИ) и какие задачи они решают, – рассказал Александр Сульжиц, руководитель отдела инновационных исследований 4RM Systems.
Александр Сульжиц, руководитель отдела инновационных исследований 4RM Systems. Фото: 4RM Systems
– Александр, как вы оцениваете тенденции на мировом рынке искусственного интеллекта в ритейле?
– Мировой рынок искусственного интеллекта демонстрирует стремительный рост. При этом внедрение искусственного интеллекта связано с некоторым недоверием к этой технологии в различных отраслях экономики. В то время как ритейл, который переживает серьезные трансформации в поведении пользователей, – это инноватор, активно использующий ИИ для решения своих бизнес-задач. Это подтверждают, в том числе, многочисленные аналитические исследования. По данным агентства Mordor Intelligence, объем рынка искусственного интеллекта для ритейла в 2024 году составит 9,65 млрд долларов США. Прогнозируется, что к 2029 году он вырастет до 38,92 млрд долларов со среднегодовым темпом роста 32,17%. Этот тренд прослеживается и для российского рынка: согласно данным Центра искусственного интеллекта МТС (MTS AI), в 2024 году объем рынка продуктов на базе больших языковых моделей (LLM) достиг 35 млрд рублей, а прогнозируемый CAGR до 2028 года составляет 25%.
Направления, где ИИ и машинное зрение наиболее актуальны:
- Распознавание товаров. Автоматизация кассовых операций, ускорение обслуживания и снижение вероятности ошибок при идентификации товаров.
- Контроль выкладки и наличия товаров. Анализ заполненности полок и правильности размещения товаров с уведомлением персонала о необходимости пополнения.
- Анализ поведения покупателей. Создание тепловых карт для выявления популярных зон торгового зала, что помогает оптимизировать размещение товаров и рекламных материалов.
- Обнаружение краж и мошенничества. Контроль действий кассиров и покупателей для предотвращения краж и выявления подозрительного поведения.
- Персонализация предложений. Идентификация постоянных клиентов для предоставления индивидуальных предложений и скидок, способствующих повышению лояльности.
- Подготовка дата-сетов для самостоятельного обучения.
– Есть ли проблемы, связанные с внедрением систем на основе искусственного интеллекта в ритейле?
– Рынок разработки находится в стадии формирования, и среди достаточно большого количества предложений систем на основе ИИ важно не только решение технических задач, но и понимание реальных процессов, для которых разрабатывается программное обеспечение, и моделей его внедрения. Необходимо учитывать разработку нового оборудования с возможностью предустановленного ПО, а также применение этих технологий для уже установленного оборудования. Поэтому для нас, как для производителя оборудования для ритейла, уже на этапе разработки оборудования важно учитывать возможности использования новых технологий и осуществлять разработку самих этих технологий. Отдел инновационных разработок создан в 4RM Systems год назад как ответ на вызов рынка и имеющиеся потребности ритейла. Специалисты, которые уже работали в компании, выделились в отдельную команду, чтобы сосредоточиться на разработке и внедрении новаторских решений, направленных на повышение эффективности и конкурентоспособности бизнеса.
Факторы, сдерживающие внедрение искусственного интеллекта в ритейле:
- высокая стоимость внедрения и поддержки;
- недостаток квалифицированных специалистов для разработки и поддержки технологий;
- возможные риски ошибок и предвзятости в алгоритмах, что может снижать доверие пользователей.
– Какие разработки у 4RM Systems есть на данный момент?
– Наша команда разработала программное обеспечение на основе искусственного интеллекта и машинного зрения Stemma. Это система взаимосвязанных компонентов, которые работают для выполнения таких задач, как:
- детекция;
- классификация;
- трекинг;
- сегментация.
Комбинация из их решений закрывает практически все варианты, в которых модели на основе искусственного интеллекта используются в ритейле. Например, решение задачи классификации – чаще всего это задачи, связанные с распознаванием товаров на кассах самообслуживания; детекция – решает задачи управления планограммами.
Детекция и классификация. Пример решения задачи программным обеспечением Stemma. Фото: 4RM Systems
Особенность нашей системы заключается в том, что мы используем комплекс компонентов под конкретные задачи компаний.
Основные компоненты решения Stemma:
- аппаратное обеспечение (камеры, датчики, компьютеры, которые собирают данные и обрабатывают их);
- программное обеспечение (алгоритмы и модели, которые анализируют данные, делают прогнозы и принимают решения);
- интерфейсы (механизмы взаимодействия с пользователем);
- данные (информация, используемая для обучения и работы моделей, включая изображения, видео и другие формы данных);
- инфраструктура (серверы, облачные сервисы и сети, которые обеспечивают хранение, обработку и передачу данных).
– Чем отличается программное обеспечение Stemma от уже представленных на рынке?
– Обучение – проблема любой нейронной сети, одной из ключевых технологий создания искусственного интеллекта. Обучение нейронных сетей – это непростая задача, которая требует больших и разнообразных наборов данных. Недостаток данных может привести к тому, что модель либо будет слишком хорошо подстраиваться под обучающие примеры, либо не сможет уловить важные паттерны. Также критически важно правильно выбрать архитектуру сети, поскольку неверные параметры могут снизить качество предсказаний. Кроме того, процесс обучения требует значительных вычислительных ресурсов, что делает его как дорогостоящим, так и времязатратным. Нейронные сети также чувствительны к шуму в данных, что может негативно сказаться на их работе. От выбранного метода зависит качество работы сети. Мы создали набор синтетических данных, максимально близких к реальным. Этот набор несет в себе заложенную нами информацию, такую как размеры объектов, количество и прочее. Эти данные позволяют построить оптимальную модель предсказания. Уже накопленные априорные знания используются для новых моделей, что позволяет повысить их точность и свести к минимуму ошибки. Большой опыт в разработке оборудования для ритейла и широкая сеть партнеров с различными бизнес-процессами, на базе которых мы внедряем свои разработки, позволяют минимизировать ошибки и предвзятости алгоритмов.
Особенности внедрения ПО Stemma:
- полностью кастомизируется под ритейлера и его задачи;
- дообучается в реальных условиях на реальных данных;
- при адаптации программного обеспечения осуществляется работа с условиями ритейлера и подбор необходимых методов/алгоритмов;
- адаптируется под физическое окружение и IT-инфраструктуру компании, в которой внедряется.
– Как используется программное обеспечение Stemma?
– Изначально мы использовали ПО в кассах самообслуживания, чтобы решить задачу распознавания весовых товаров. Это частый запрос среди ритейлеров. Сегодня мы готовы поставлять кассы самообслуживания производства 4RM как с уже предустановленной системой распознавания, так и без, а также можем устанавливать программное обеспечение на уже используемое оборудование.
Использование программного обеспечения Stemma на кассах самообслуживания. Фото: 4RM Systems
Следующим этапом стала доработка моделей для внедрения в гибридные кассы, которые могут работать как в режиме традиционной кассы, так и в формате кассы самообслуживания. Перед нами стояла задача адаптировать систему к различиям бизнес-процессов в работе кассы с кассиром и без.
Гибридная касса Nova Roto в режиме кассы самообслуживания. Фото: 4RM Systems
Использование программного обеспечения Stemma на весах самообслуживания ООО «Евроторг». Фото: 4RM Systems
Далее мы разработали комплекс для управления планограммами, начиная от управления планограммой табачной продукции, что особенно важно для работы мерчандайзеров, а далее для управления планограммой на любой полке, где это требуется для ритейлера.
Все наши разработки уже внедрены и проходят адаптацию на площадках наших партнеров, в том числе на торговых объектах одной из ведущих торговых сетей Республики Беларусь ООО «Евроторг». А мы продолжаем расширять направления использования программного обеспечения Stemma.
Я уверен, что искусственный интеллект продолжит трансформировать ритейл, делая его более эффективным и ориентированным на потребителя. С ростом технологий усилится способность более точно удовлетворять потребности клиентов и оптимизировать бизнес-процессы, что в конечном итоге приведет к повышению конкурентоспособности на рынке. А компания 4RM Systems является одним из инноваторов, внедряющих эти технологии на рынке, ведь уже сегодня мы предлагаем то, что потребуется ритейлу завтра.
Более подробно о разработках 4RM читайте на на странице компании.
Посмотрите видео о работе решения на кассе самообслуживания
Retail.ru
'/%3e%3cg%20filter='url(%23filter0_f_10341_112044)'%3e%3ccircle%20cx='55.5'%20cy='25.5'%20r='2.5'%20fill='url(%23paint1_radial_10341_112044)'/%3e%3c/g%3e%3cdefs%3e%3cfilter%20id='filter0_f_10341_112044'%20x='52'%20y='22'%20width='7'%20height='7'%20filterUnits='userSpaceOnUse'%20color-interpolation-filters='sRGB'%3e%3cfeFlood%20flood-opacity='0'%20result='BackgroundImageFix'/%3e%3cfeBlend%20mode='normal'%20in='SourceGraphic'%20in2='BackgroundImageFix'%20result='shape'/%3e%3cfeGaussianBlur%20stdDeviation='0.5'%20result='effect1_foregroundBlur_10341_112044'/%3e%3c/filter%3e%3clinearGradient%20id='paint0_linear_10341_112044'%20x1='57.0492'%20y1='31.4754'%20x2='31'%20y2='2.5'%20gradientUnits='userSpaceOnUse'%3e%3cstop%20stop-color='%23461EF8'/%3e%3cstop%20offset='1'%20stop-color='%23E4E4FD'/%3e%3c/linearGradient%3e%3cradialGradient%20id='paint1_radial_10341_112044'%20cx='0'%20cy='0'%20r='1'%20gradientUnits='userSpaceOnUse'%20gradientTransform='translate(55.5%2025.5)%20rotate(90)%20scale(2.5)'%3e%3cstop%20stop-color='white'/%3e%3cstop%20offset='1'%20stop-color='%23C4B8FA'/%3e%3c/radialGradient%3e%3c/defs%3e%3c/svg%3e)
