Автозаказ 1С vs ИИ-прогнозирование: что выбрать продуктовому ритейлу

Большинство продуктовых сетей в России работают на 1С. Вопрос о автоматизации заказов неизбежно возникает как вопрос о 1С: использовать встроенные модули автозаказа или добавить внешнее ИИ-прогнозирование поверх? В этой статье — практическое сравнение без рекламных клише.

Что умеет стандартный автозаказ в 1С

В 1С:Управление торговлей, 1С:ERP и 1С:Розница есть встроенные инструменты планирования закупок и автоматического заказа. Их базовая логика — точка заказа: когда остаток падает ниже заданного минимума, система формирует заказ на пополнение до максимального уровня.

Это работает хорошо для:

Товаров с длительным сроком хранения (консервы, бакалея, бытовая химия)
Позиций со стабильным и предсказуемым спросом
Небольшого ассортимента, где закупщик может вручную настроить каждую точку заказа

Для свежих категорий — продуктов, молочки, выпечки, мяса — стандартный автозаказ 1С работает принципиально иначе, и это проблема.

Где стандартный автозаказ 1С не справляется

Срок годности не влияет на расчёт заказа

Стандартная модель 1С считает остатки одинаково вне зависимости от срока годности. Клубника, которая истекает послезавтра, учитывается в запасе так же, как клубника с недельным сроком. Система не знает, что вам нужен заказ прямо сейчас, пока ещё есть время что-то продать — и не формирует его.

Результат: артикул «в наличии» по данным 1С, пустая полка по факту. Это и есть фантомный запас — один из главных источников списаний и дефицита одновременно.

Точка заказа — это статичный параметр

Минимальный остаток для молока у вас может быть 40 единиц. Но в пятницу перед майскими праздниками вам нужно 200. Стандартный автозаказ не знает, что через 3 дня праздники — он работает по заданному минимуму, который вы установили когда-то вручную.

Чтобы менять эти значения под сезон и события, нужен закупщик, который вручную корректирует каждую позицию заранее. На практике это не происходит систематически — и сеть либо перезаказывает (списания), либо недозаказывает (дефицит).

Нет учёта внешних сигналов

Погода, школьные каникулы, локальные события, праздники — всё это влияет на спрос в свежих категориях. 1С не получает эти данные автоматически. Закупщик должен самостоятельно отслеживать и корректировать заказы — это ещё несколько часов ручной работы в неделю.

Модель не обучается

Если система ошиблась с заказом (слишком много, слишком мало), следующий заказ будет сформирован по той же логике. Нет замкнутого цикла, где данные о фактических продажах и списаниях возвращаются в модель и улучшают следующий прогноз. Одни и те же ошибки повторяются снова и снова.

Что добавляет ИИ-прогнозирование

ИИ-система управления запасами — не замена 1С, а дополнительный слой аналитики и принятия решений поверх неё. Данные о продажах и остатках поступают из вашей 1С в ИИ-модель, которая формирует заказы и передаёт их обратно в 1С для исполнения.

Прогноз по каждому артикулу в каждом магазине

Вместо единого минимального остатка система строит прогнозную кривую для каждого SKU в каждой точке продаж. Продажи клубники в пятницу прогнозируются отдельно от понедельника. Центральный магазин — отдельно от спального района. Перед майскими праздниками — отдельно от обычной недели.

Учёт срока годности в расчёте заказа

Заказное количество рассчитывается с учётом того, сколько единиц можно реально продать до истечения срока. Если прогноз показывает, что за оставшийся срок продаст 30 единиц, а в наличии уже 25 — заказывается только 5, не 40.

Внешние сигналы в каждом заказе

Погода, праздники, местные события, промо — все эти данные поступают в модель автоматически. Перед долгими выходными система сама увеличит заказы на сезонные категории. Закупщик не должен помнить о каждом поводе вручную.

Замкнутый цикл — ошибки не повторяются

После каждого цикла данные о фактических продажах, остатках и списаниях из 1С возвращаются в ИИ-модель. Система обучается на собственных ошибках. Через 3–4 недели точность прогноза значительно превышает результаты ручного заказа.

Сравнительная таблица: автозаказ 1С vs ИИ-прогнозирование

Для наглядности:

Основа прогноза: 1С — точка заказа (статичный минимум); ИИ — динамическая кривая спроса по SKU × магазин × день
Учёт срока годности: 1С — нет; ИИ — встроен в расчёт заказного количества
Внешние сигналы (погода, праздники): 1С — ручная корректировка; ИИ — автоматически
Обучение на ошибках: 1С — нет (логика постоянная); ИИ — каждый цикл улучшает модель
Время на формирование заказов: 1С — авто, но требует ручной настройки; ИИ — полностью автоматически
Типичный уровень списаний: 1С — 3–8%; ИИ — 1–2% после пилота

Когда стоит оставить автозаказ 1С

Стандартный автозаказ 1С справляется, если у вас:

Большую долю ассортимента составляют нескоропортящиеся товары
Небольшая сеть (1–3 магазина) с ограниченным ассортиментом
Стабильный и предсказуемый спрос без выраженной сезонности и событийности

Как только в ассортименте появляется значимая доля свежих категорий или сеть растёт за 5+ магазинов — стандартный автозаказ 1С перестаёт справляться с задачей.

Когда нужен ИИ поверх 1С

ИИ-прогнозирование даёт измеримый эффект, если:

Свежие категории составляют 30%+ ассортимента
Уровень списаний — выше 2–3% ежемесячно
Регулярный дефицит на полке в пиковые дни
Закупщики тратят 10+ часов в неделю на формирование заказов
Сеть расширяется — и ручное управление заказами уже не масштабируется

В этих условиях ИИ-прогнозирование возвращает 76% списаний и 20%+ на наличие товара — что подтверждено в 30-дневном пилоте на реальной сети.

Подробнее об интеграции с 1С →

Как работает ИИ-автозаказ →

Кейс: 100 магазинов, -76% списаний за 30 дней →