Игорь Градов
Игорь Градов
5 мин
ai

Macy's встроила ИИ в розницу от поиска до логистики: пошаговая модель для любого ритейлера

Розничная торговля переживает тихую, но глубокую перестройку: крупные сети вроде американской Macy's переходят от точечных экспериментов с нейросетями к тому, что старший директор по инженерии компании Мурали Муруган называет подходом «сначала ИИ», когда алгоритмы встроены в каждое звено бизнеса, от поиска товаров до логистики.

Macy's встроила ИИ в розницу от поиска до логистики: пошаговая модель для любого ритейлера
Почему это важно

Macy's показала рабочую модель, где ИИ в рознице перестаёт быть надстройкой и становится операционной философией: решения принимаются быстрее, а покупатель получает персональный опыт, даже не замечая технологии за ним.

Опыт Macy's описан в материале MIT Technology Review, подготовленном совместно с Infosys. Компания прошла путь от отдельных пилотов (поисковые рекомендации, вовлечение клиентов) до интегрированных систем, которые, по словам Муругана, «сжимают разрыв между сигналом и действием». Для российских ритейлеров это не абстрактный кейс: логика внедрения, от быстрых побед к масштабированию, переносима на любой рынок. Ниже разбираю этот подход пошагово, чтобы вы могли примерить его на свой бизнес или контент.

Что понадобится

  • Доступ к любой языковой модели с API: ChatGPT, YandexGPT, GigaChat или аналог, доступный в РФ.
  • Данные о клиентах или товарах: хотя бы каталог, история покупок или поисковые запросы на сайте.
  • Инструмент аналитики: «Яндекс Метрика», Google Analytics или встроенная аналитика CMS.
  • Время: базовый пилот по модели Macy's можно запустить за 2-4 недели, масштабирование займёт месяцы.

Как внедрить ИИ в розницу по модели Macy's?

  1. Определите узкую задачу с измеримым результатом. Macy's начинала с поисковых рекомендаций и вовлечения клиентов, потому что там быстро видна конверсия. Выберите одну точку: внутренний поиск по каталогу, подбор сопутствующих товаров или ответы на типовые вопросы покупателей.

  2. Постройте промпт или сценарий для ИИ-агента. ИИ-агент (программа, которая сама выполняет цепочку действий по заданной цели) должен получать контекст: историю покупок, предпочтения, сезон. Пример промпта для консультанта:

Ты — консультант интернет-магазина одежды.
Покупатель описывает ситуацию (выпускной, отпуск, деловая встреча).
Предложи 3 образа из каталога, учитывая:
— бюджет покупателя (спроси, если не указан);
— его прошлые покупки (данные ниже);
— сезон и город доставки.
Отвечай по-русски, кратко, с конкретными артикулами.
  1. Запустите пилот на ограниченной аудитории. Macy's сначала доказала эффект на узком сегменте, и только потом масштабировала. Муруган говорит прямо: «Как только мы получили быстрые победы, масштабирование стало бизнес-решением, а не технологическим спором». Покажите цифры руководству, прежде чем просить бюджет на интеграцию.

  2. Встройте ИИ в процесс, а не поверх него. Ключевая мысль Муругана: «"Сначала ИИ" — это не про добавление интеллекта сверху, а про перепроектирование того, как принимаются решения, чтобы бизнес двигался быстрее, а каждый опыт по умолчанию становился релевантнее». Перенесите это на свою CRM или движок сайта: алгоритм не дополняет старую логику, он заменяет её.

  3. Добавьте разговорный интерфейс. Macy's запустила «Ask Macy's» — ИИ-ассистент, который работает не как строка поиска, а как персональный стилист. Покупатель описывает ситуацию (выпускной, отпуск, срочное мероприятие), а система подбирает товары с учётом прошлых покупок и контекста. Для российского магазина аналогичный чат-бот на YandexGPT или GigaChat решает ту же задачу.

  4. Настройте цикл улучшений. Муруган подчёркивает: «Настоящая трансформация идёт от непрерывного улучшения — учиться на ошибках, быстро адаптироваться к новым технологическим стандартам». Замеряйте конверсию до и после, правьте промпты, убирайте галлюцинации (когда модель уверенно выдумывает несуществующий товар или характеристику).

Пример: как это работает на практике

Покупатель пишет «Ask Macy's»: «Мне нужен образ для выпускного дочери, бюджет средний, доставка в Нью-Йорк». Ассистент учитывает прошлые покупки (мама ранее брала аксессуары определённого стиля), сезон, актуальный каталог и выдаёт три комплекта с конкретными позициями. Для российского аналога: покупатель пишет в чат «Нужно платье на корпоратив, до 15 тысяч рублей, доставка в Казань», а ИИ-агент отвечает подборкой из реального каталога магазина.

Частые ошибки
  • Запуск сразу на всю аудиторию. Без пилота вы не увидите, где модель ошибается, а исправлять на лету дорого.
  • ИИ как надстройка, а не часть процесса. Если алгоритм «приклеен» поверх старой поисковой логики, он конфликтует с ней и не даёт обещанного эффекта.
  • Игнорирование галлюцинаций. Модель может предложить товар, которого нет на складе, или выдумать характеристику ткани. Без проверки по реальной базе данных такие ответы подрывают доверие.
  • Отсутствие метрик до старта. Если вы не замерили конверсию, среднее время поиска и процент возвратов до внедрения, вы не докажете, что ИИ что-то улучшил.

Что это значит для вас?

Автору на Дзене. Тема «ИИ в рознице» набирает поисковый спрос. Разберите один конкретный приём (например, разговорный ассистент) на примере российского магазина, покажите промпт и результат. Такой материал полезнее общих обзоров «как нейросети меняют мир».

Маркетологу. Персонализация через ИИ-агента сокращает путь от запроса покупателя до покупки. Проверьте, есть ли у вашей CMS или платформы (Bitrix, InSales, Shopify) готовая интеграция с языковой моделью. Часто подключение занимает дни, а не месяцы.

Предпринимателю в РФ и СНГ. Прямого аналога «Ask Macy's» на российском рынке пока нет в таком масштабе. Но инфраструктура доступна: YandexGPT и GigaChat дают API для чат-ботов, «Яндекс Метрика» закрывает аналитику. Начните с одного канала (чат на сайте или Telegram-бот), замерьте конверсию, масштабируйте по результатам.

Мнение редакции dzen.guru

Главный урок Macy's не в технологии, а в последовательности. Они не пытались внедрить ИИ везде одновременно: взяли поисковые рекомендации, доказали эффект, получили бюджет на следующий шаг. Я проверял этот подход на небольших проектах и вижу ту же закономерность: одна «быстрая победа» убеждает команду лучше любой презентации.

Честная оговорка: материал MIT Technology Review подготовлен совместно с Infosys, то есть содержит спонсорский элемент. Это не отменяет фактов, но стоит учитывать, что акценты расставлены в пользу успешного внедрения, а не трудностей.

Macy's видит ИИ как «невидимый слой, который усиливает человеческое суждение, а не заменяет его». Для российского ритейла это ориентир: не гнаться за модными виртуальными примерочными, а встроить алгоритм туда, где он реально ускоряет решение, в поиск, логистику и диалог с покупателем.

Хотите научиться писать такие разборы для Дзена?

В dzen.guru мы показываем, как превращать мировой опыт в полезный контент для российской аудитории.

Попробовать dzen.guru
Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Graph RAG позволил моделям с 2 млрд параметров решить задачу, которую без графа не решила ни одна
ai

Graph RAG позволил моделям с 2 млрд параметров решить задачу, которую без графа не решила ни одна

Graph RAG (граф знаний для поиска по документам, дополняющий генерацию) позволяет даже компактным моделям с 2-8 миллиардами параметров решать сложные…

8 мин
LLM-конвейер молча теряет записи: три бага, которые не видны в сводке
ai

LLM-конвейер молча теряет записи: три бага, которые не видны в сводке

Конвейеры на базе больших языковых моделей (LLM, от англ. Large Language Model) часто теряют записи так, что итоговые проверки показывают успех, а пользователь…

7 мин
ai

Профи.ру встроил LLM поверх Elasticsearch: 150 000 запросов в час без замены движка

Дмитрий, лид отдела семантики в Профи.ру, рассказал, как команда встроила языковую модель в поиск услуг поверх Elasticsearch, не выбрасывая классический…

6 мин