18 сентября 2025 г.

Рисунок 1. Видение автоматизации планирования спроса. Источник: Gartner (сентябрь 2025)

Согласно прогнозу Gartner, Inc., компании в сфере бизнес-технологий и аналитики, 70% крупных организаций будут использовать прогнозирование спроса на базе искусственного интеллекта к 2030 году.

Достижение «бесконтактного прогнозирования», при котором отпадает необходимость в частых ручных корректировках и постоянном вмешательстве человека, открывает уникальные возможности масштабируемой автоматизации в области планирования спроса. Используя методы машинного обучения (ML) вместо традиционных статистических моделей, прогнозирование на базе ИИ позволяет организациям внедрить бесконтактные процессы и получать дополнительную ценность при меньшем риске снижения точности результатов.

«Ценность прогнозирования на базе ИИ заключается в улучшении стратегического принятия решений, ускорении реакции на изменения рынка и развитии совместных рабочих процессов, — отметил Ян Сноэкс (Jan Snoeckx), директор-аналитик практики Supply Chain компании Gartner. — Чтобы обеспечить успешное внедрение, руководителям планирования следует ясно обозначить срочность перехода к бесконтактному прогнозированию и рассматривать ИИ как ключевой элемент своей технологической стратегии, а не как дополнительный инструмент».

Сноэкс также подчеркнул, что для успешного внедрения крайне важно, чтобы руководители по планированию цепочек поставок (SCP) представили смелое видение, демонстрирующее, как достижения ИИ могут преобразовать весь процесс планирования спроса, выходя за рамки базового прогнозирования.

ИИ-прогнозирование способно динамически выявлять сложные паттерны во временных рядах, позволяя формировать более частые и детализированные прогнозы. Оно также может обучаться на различных наборах данных, что необходимо для автоматического прогнозирования по новым продуктам и рекламным кампаниям, где в текущих данных мало или вовсе нет исторической информации (см. Рисунок 1).

Несмотря на потенциал, уровень внедрения бесконтактного ИИ-прогнозирования пока остаётся ограниченным. Широкое распространение часто сдерживается отсутствием чёткой стратегии у руководителей SCP, а также проблемами с полнотой, доступностью и качеством данных. Кроме того, изменения процессов, необходимые для внедрения, могут встречать сопротивление сотрудников, привыкших к традиционным методам прогнозирования.

Для внедрения бесконтактного прогнозирования на базе ИИ Gartner рекомендует руководителям SCP следовать пятиточечному плану:

  1. Определите видение бесконтактного прогнозирования. Проанализируйте текущие процессы взаимодействия, индивидуальные рабочие потоки, время, затрачиваемое на традиционные методы, а также используемые инструменты и системы прогнозирования. На основе этого выявите зоны улучшения и обоснуйте бизнес-ценность.
  2. Определите параметры бизнес-изменений. Укажите процессы, рабочие потоки и метрики, которые нужно переосмыслить, чтобы поддержать бесконтактное прогнозирование, сделав его критически важной бизнес-инициативой с сильным управлением изменениями.
  3. Определите стратегию работы с данными. Выйдите за пределы использования только исторических данных о продажах, разработав комплексную стратегию, включающую внутренние и внешние источники. Важно вовлекать заинтересованные стороны, включая торговых партнёров, для обеспечения качества данных, управления ими и регулярного обновления.
  4. Создайте дорожную карту технологического обеспечения. Переход к прогнозированию на базе ИИ требует инвестиций в технологии и навыки — их можно развивать внутри компании или привлекать через внешние решения SCP, аналитические платформы или модели «прогнозирования как услуги». Организациям необходимо заручиться поддержкой IT и оценивать решения по производительности движка, опыту поставщика и соответствию стратегии данных.
  5. Спланируйте путь внедрения. Успешность бесконтактного прогнозирования зависит от доверия организации к результатам ИИ. Это требует постоянного общения о неизбежной неопределённости прогнозов. Руководители должны обеспечивать прозрачность результатов, сравнивать прогнозы ИИ с простыми моделями и демонстрировать дополнительную ценность через регулярный анализ и отчётность.

Источник: Пресс-служба компании Gartner