У вас уже есть 1С, ERP, собственная система автозаказа или специализированная система управления запасами. Она рассчитывает потребность, формирует заказы, хранит данные и поддерживает текущий процесс. Но вокруг неё по-прежнему остаётся много ручной работы. Причём большая её часть — не про расчёт. Это письма поставщиков с новыми условиями, прайсы в PDF, планы промо от коммерции, разбор «почему система заказала именно столько» и вечное «выгрузка не та, поправьте формат». Система про эти данные ничего не знает — не потому, что не умеет их принимать, а потому что их никто не перекладывает в машиночитаемый вид.
Как добавить к существующей системе ИИ, не перестраивая всё с нуля? Какие задачи можно передать ему уже сейчас? Нужно ли для этого интегрироваться с 1С или вашей системой автозаказа? Где достаточно обычной выгрузки, а где нужен API или ИИ-агент? Можно ли дать ИИ доступ к рабочим данным и документам? И как понять, что вообще имеет смысл автоматизировать в вашей компании?
15 октября в 12:00 на вебинаре разберём эти вопросы на примере системы управления запасами Forecast NOW!. Пройдём одну рабочую неделю специалиста по закупкам — от заказа в понедельник до разбора писем поставщика в середине недели — и на каждом шаге посмотрим, где сегодня остаётся ручная работа и что из неё можно передать ИИ.
При этом сама система управления запасами продолжает выполнять свою основную работу: рассчитывать прогноз, потребность и заказ специализированными алгоритмами. ИИ подключается к тем задачам вокруг системы, где сегодня остаётся ручная обработка информации и взаимодействие между разными источниками.
О чем будет говорить на вебинаре
- Где в вашем процессе прячется ручная работа. Пройдём неделю специалиста по закупкам и посмотрим, какие действия он выполняет вокруг системы автозаказа каждый день. Разберём, какие из них имеет смысл автоматизировать в первую очередь, а какие трогать не стоит.
- Почему система знает о вашем бизнесе меньше, чем могла бы. Forecast NOW! умеет принимать 29 типов данных. Обычно загружают четыре: продажи, классификатор, остатки, поставщиков. Остальное остаётся пустым — минимальные партии, кратности, ценовые ступени, сроки, списания. Не потому, что это не нужно для расчёта, а потому что таких данных нет ни в одной учётной системе: они живут в письмах, прайсах и в головах сотрудников. Покажем, как составить карту источников для своей компании.
- Как начать без интеграции. Самый простой вариант: выгрузка из системы → работа с ИИ → готовый результат. Покажем два кейса, для которых этого уже достаточно: объяснить, почему в заказе стоит именно эта цифра, и подготовить записку с тем, что в заказе требует внимания перед отправкой.
- Как связать данные системы с другой информацией. Письма поставщиков, прайсы, спецификации и планы промо существуют отдельно от ERP и системы автозаказа. Покажем на сквозном примере одного поставщика, как ИИ превращает письмо с новыми условиями в настройки системы, прайс из PDF — в ценовые ступени, а смену артикула в прайсе — в связку аналогов, чтобы не потерять историю продаж.
- Что делать, когда «данные не те». Знакомый круг: программист написал выгрузку, формат не тот, единицы не те, поля не заполнены, правим третью неделю. Покажем другой подход: не переписывать выгрузку под формат системы, а принять ту, которую учётная система уже умеет отдавать. И вместо «данные не те» получить список конкретных строк с конкретными проблемами.
- Как выглядит автоматический шаг. Разберём следующую ступень, где человек не участвует вовсе: внешнее событие меняет спрос, ИИ размечает его для системы, система пересчитывает заказ сама. Поговорим об API, простых автоматизациях и ИИ-агентах без погружения в разработку.
- Что можно доверить ИИ, а что нельзя. Где ИИ может самостоятельно подготовить результат, а где обязательна проверка специалиста и подтверждение действия. И как вообще проверять, что ИИ сделал то, что сказал, — потому что убедительный ответ и правильный ответ это не одно и то же.
- Как работать с корпоративными данными безопасно. Что можно отправлять во внешние сервисы, когда нужно обезличивание, чем отличается публичный ИИ от корпоративного решения и когда действительно нужен закрытый контур. Покажем, как клиентская база уезжает на разбор без названий товаров, складов и поставщиков — и почему расчёт заказа при этом не меняется. Вместе с честными оговорками о том, чего такое обезличивание не даёт.
- С чего начать после вебинара. Простой подход: как выбрать одну рутинную задачу в своём процессе и попробовать подключить к ней ИИ без большого IT-проекта.
Для кого вебинар
- Специалисты по закупкам и управлению запасами — увидят, какие ежедневные задачи вокруг 1С, ERP или системы автозаказа можно упростить с помощью ИИ, и как получать объяснение расчёта, а не только цифру.
- Категорийные менеджеры и аналитики — поймут, как использовать ИИ вместе с данными существующих систем, документами и рабочими выгрузками, и как разбирать длинные списки проблемных позиций, до которых обычно не доходят руки.
- Руководители закупок, логистики и supply chain — смогут оценить, где ИИ действительно способен снять ручную работу команды и как начинать внедрение без замены существующих систем.
- ИТ-специалисты и руководители автоматизации — увидят возможную архитектуру интеграции ИИ с системой управления запасами и поймут, где достаточно простой связки, а где уже нужен корпоративный контур, и как перестать бесконечно переделывать выгрузку.
Спикер
Александр Грицай
CEO и основатель компании Forecast NOW!
Эксперт в области управления запасами, постоянный приглашенный спикер на конференциях по логистике и УТЗ
Автор программы для управления запасами Forecast NOW!
