«Перекрёсток» начал тестировать «Умный пекарь» в двух супермаркетах Москвы: система в реальном времени следит за витринами с выпечкой, подсказывает, что пора допечь, и помогает не оставлять покупателя перед пустой полкой. Для ИТ-аудитории здесь важен не сам факт очередного пилота с ИИ, а вполне приземлённый сценарий: компьютерное зрение добралось до одного из самых капризных процессов в офлайн-ритейле, где ошибка быстро превращается либо в упущенную продажу, либо в списание.
О запуске теста «Умный пекарь» по данным CNews сообщили 7 июля 2026 года. Речь идёт о цифровом решении для управления производством выпечки в супермаркетах сети, входящей в X5. В основе проекта — система видеоконтроля с алгоритмами искусственного интеллекта, которая отслеживает наполнение витрин и распознаёт пустоты на полках. Если нужная позиция заканчивается, информация сразу уходит в систему, а сотрудники пекарни получают сигнал на пополнение. Идея выглядит предельно утилитарно: не «умный магазин будущего», а попытка наладить выпуск булочек так, чтобы они физически были на витрине тогда, когда их хотят купить.
Вторая часть системы не менее важна, чем камеры. «Умный пекарь» анализирует данные о продажах и на их основе формирует производственный план для сотрудников. Учитываются спрос по часам, текущее состояние витрины и динамика продаж отдельных позиций. Иными словами, это уже не просто мониторинг остатков глазами камеры, а связка из компьютерного зрения и модели оперативного планирования. Для ритейла это болезненная точка: если большую часть ассортимента выпекать по старой схеме в первой половине дня, к вечеру часть товара неизбежно теряет свежесть, а часть ходовых позиций, наоборот, заканчивается слишком рано. Система как раз должна сдвинуть производство от фиксированного графика к реакции на фактический поток покупателей.
Тестирование пока идёт только в двух магазинах в Москве, и это важная деталь. На таком этапе любые громкие выводы про масштабирование были бы преждевременны. Но сама постановка задачи показательна: сеть хочет обеспечить наличие свежей выпечки в часы пикового спроса и одновременно сократить объём списаний. Директор по поддержке и развитию бизнеса торговой сети «Перекрёсток» Александр Чухонцев прямо говорит о трёх целях: повысить доступность свежей продукции, уменьшить число ситуаций, когда нужной позиции нет на витрине, и точнее планировать выпуск. Для бизнеса это не декоративный KPI. Наличие товара на полке влияет на выручку здесь и сейчас, а списания бьют по марже не хуже плохого прогноза спроса.
Если вынести за скобки аромат круассанов, картина получается вполне технологическая. Офлайн-ритейл давно автоматизирует склад, логистику и ценообразование, но цеха внутри магазина остаются куда менее предсказуемой зоной. Там больше ручных операций, выше цена ошибки на коротком промежутке времени и меньше терпимости к задержкам. Система должна работать не «когда-нибудь после ночного батча», а в моменте: увидела пустоту, передала сигнал, помогла скорректировать выпуск. Для разработчиков и продакт-команд это хороший пример того, как ИИ внедряют не через красивую презентацию, а через узкое место процесса. Сначала одна витрина, потом конкретный участок операционной цепочки, и только потом — разговоры про сеть целиком.
Отдельно интересен выбор объекта автоматизации. Выпечка в супермаркете — товар с очень коротким циклом принятия решений. Покупатель не станет писать в поддержку, если не нашёл нужную слойку: он просто уйдёт к соседней позиции или вовсе ничего не купит. Поэтому любая система, которая умеет ловить момент выпадения товара с полки и быстро возвращать его в ассортимент, потенциально ценнее, чем это может показаться со стороны. Плюс у такой задачи понятная метрика успеха. Если после внедрения реже встречаются пустые места на витрине и меньше списаний, эффект можно увидеть без сложных философских споров о том, что именно сделал ИИ, а что — дисциплина персонала.
Что это значит для ИТ-рынка
Для российского ИТ-рынка история любопытна по нескольким причинам. Во-первых, спрос на прикладное компьютерное зрение в рознице никуда не делся, просто фокус сместился с демонстрационных кейсов на экономику конкретной операции. Во-вторых, такие проекты требуют не только модели распознавания, но и аккуратной интеграции с внутренними процессами магазина: уведомлениями, производственными планами, расписанием сотрудников, правилами приоритизации позиций. Проще говоря, магия здесь не в том, что нейросеть «увидела булочку», а в том, что её сигнал встроен в работающий контур принятия решений. Именно на этом этапе многие пилоты и ломаются: детекция есть, а действия по ней либо запаздывают, либо тонут в операционном шуме.
Есть и более широкий отраслевой смысл. Ритейл всё активнее переводит ИИ из категории «аналитика для штаба» в категорию «инструмент для линейного персонала». Раньше подобные решения в основном обещали менеджменту красивые дашборды. Теперь задача формулируется жёстче: помочь конкретному сотруднику в конкретную смену выпустить нужный объём товара в нужный час. Для HR и ИТ-директоров это тоже сигнал. Автоматизация в магазине всё чаще не сокращает людей напрямую, а меняет требования к их работе: меньше ручной оценки ситуации, больше работы по цифровым подсказкам, выше цена качества данных и стабильности интерфейса.
Главный вопрос теперь не в том, умеет ли «Умный пекарь» распознавать пустоты на витрине, а в том, выдержит ли эта логика масштабирование за пределы двух московских магазинов. В пилоте почти любая система выглядит дисциплинированной. На уровне сети придётся проверить устойчивость модели, качество данных о продажах, скорость реакции персонала и экономику внедрения на десятках разных форматов. Если этот класс решений действительно начнёт работать в масштабе, следующим «умным» в супермаркете станет уже не пекарь, а весь короткий производственный цикл внутри магазина.