Как ИИ строит прогноз
Искусственный интеллект в прогнозировании опирается на историю компании. Модель берет фактические данные за прошлые периоды, находит в них закономерности и продолжает линию вперед.
В прогноз продаж обычно идут продажи по дням, цены и акции, сезон, праздники и остатки. Модель учитывает все это одновременно, а человек держит в голове два-три фактора.
Хороший прогноз дает не одну цифру, а коридор: в каких пределах окажется значение. Если коридор широкий, закупку делают осторожнее, если узкий, планируют смелее.
Главная польза во времени. Модель видит пик спроса через 3 месяца, а решение о закупке, найме или ремонте вы принимаете сейчас, пока оно дешевле. На схеме ниже показано, как прогноз продолжает факт.

>70%
точность прогноза спроса
X5, «Перекресток»
до +7%
EBITDA за счет планирования
Северсталь
65 млн ₽
сохранил прогноз поломки за 7 часов простоя
Северсталь, ЧерМК
9,6 млрд ₽
эффект планирования загрузки
альманах МФТИ
Retail.ru, 08.06.2020 · ComNews, 19.04.2024 · Альманах «ИИ в промышленности», Институт ИИ МФТИ, 2026
Прогноз спроса в торговле
В торговле прогноз решает две проблемы сразу: пустую полку и списания. Если товара мало, магазин теряет продажу, если много, теряет на скидках и утилизации.
X5 запустила систему прогноза спроса в «Перекрестке» в 2020 году. В пилоте точность прогноза превысила 70% (Retail.ru, июнь 2020).
Цифру точности всегда уточняйте у подрядчика: по какому показателю ее считают, на каком горизонте и по каким товарам. Прогноз на завтра по молоку и прогноз на квартал по новинке сравнивать нельзя.
Другие решения для магазинов, складов и банков собраны на странице про ИИ в торговле и финансах.
Прогноз поломок и затрат на ремонт
Прогноз поломок строится по той же логике, только вместо продаж модель смотрит на вибрацию, температуру и другие показания оборудования. Она замечает отклонение и считает, сколько времени осталось до отказа.
На ЧерМК «Северстали» модель предупредила 7 часов простоя, это 65 млн ₽ по оценке альманаха Института ИИ МФТИ 2026 года. Остановку на ремонт можно запланировать, а не ждать аварии.
Затраты на ремонт снижаются за счет того же окна: деталь заказывают заранее, бригаду выводят в рабочую смену. Общих цифр снижения затрат с проверенным источником мы не нашли, поэтому считаем на ваших данных: стоимость часа простоя, число аварий за год, разницу между плановым и аварийным ремонтом.
Какие данные нужны для такого прогноза и как он окупается, разобрано на странице о предиктивной аналитике.
Планирование загрузки производства
Планирование загрузки связывает прогноз продаж с работой цехов. Модель подбирает, что, где и когда производить, чтобы выполнить заказы с меньшими затратами.
«Северсталь» представила систему интегрированного планирования в 2024 году и ожидала роста плановой EBITDA на 5-7% (ComNews, апрель 2024). Альманах МФТИ оценивает эффект в 9,6 млрд ₽ при росте EBITDA до 7%.
Рядом стоит оптимизация цепочек поставок рулонной стали: на 20% меньше складских издержек, 2,76 млрд ₽ в год по оценке МФТИ. Оба кейса рынка, не наши проекты, и оба меняют работу всей компании, а не одного участка.
Такие решения дают крупные суммы, но требуют связанных систем: продажи, склад и производство должны видеть одни цифры. Другие примеры собраны на странице про ИИ в промышленности.
Что изменится к 2030 году
Прогнозы станут обычной частью управления, а решения будут чаще опираться на данные, а не на опыт одного человека. Мы видим три сдвига, и у каждого уже есть примеры сегодня.
1. Больше операций уйдет в автоматический режим. В ВТБ роботы решают больше 62% обращений клиентов без оператора (апрель 2026), а в одном из крупнейших банков робот делает 83% исходящих звонков по просроченным долгам.
2. Роботы будут работать рядом с людьми в одной смене. Автономные роботы на одном складе X5, по оценке МФТИ, дают 154 млн ₽ в год.
3. Системы будут сами предлагать решения, а часть принимать без человека. В одном из крупнейших банков уже действует около 900 автономных ИИ-агентовИИ-агент. ИИ-агент это нейросеть, которая сама выполняет задачу по шагам: ищет данные и пользуется программами, а в конце проверяет результат. (отчет корпоративного университета банка, июль 2026).
Компаниям, которые соберут историю сейчас, будет на чем строить эти решения. Остальным придется начинать с первого этажа, когда конкуренты уже считают прогнозы.
С чего начать
Выберите одно решение, которое вы принимаете заранее и на котором ошибка стоит денег: закупка, ремонт, график смен. Посчитайте, во сколько обошлись ошибки за прошлый год.
Проверьте историю: есть ли продажи по дням, отказы с датами, загрузка по сменам, и лежит ли это в системе, а не в таблицах сотрудников. До запуска прогноз проверяют на прошлом периоде: модель предсказывает уже известный месяц, и вы сравниваете результат с фактом.
В карте ИИ-решений такой прогноз стоит строкой с эффектом, стоимостью и сроком окупаемости. За 15 минут бесплатного звонка скажем, какой прогноз даст эффект первым и каких данных для него не хватает.