«Честный Знак» в интернет-торговле: кто отвечает за маркировку в цепочке

Ольга Похабова

Руководитель отдела поддержки и внедрения ООО “Велес Рисерч”

Автор

Генеративные модели сегодня обещают почти всё. Когда за несколько запросов можно получить прототип продукта, план внедрения и даже черновик бизнес-стратегии. На фоне этой лёгкости кажется логичным ожидать, что искусственный интеллект возьмёт на себя и такую рутинную и одновременно важную задачу, как маркировка продукции в системе “Честный знак”. Проработав с не одним десятком проектов по автоматизации 1С и внедрении маркировки, Я могу  поделиться личным взглядом на то, где здесь у AI действительно есть будущее, а где это пока не более чем красивая идея.

Прямого решения пока не может существовать

Первое, с чем сталкивается любая попытка “прикрутить” AI к процессу маркировки — это её физическая природа. Значительная часть операций в цепочке маркировки — это ручной труд. Потому что сотрудник берёт код, наносит его, сканирует, вводит данные в учётную систему, проверяет корректность. Там, где в процессе участвуют руки человека, а не автоматизированная линия,  искусственному интеллекту просто нечего анализировать и нечем управлять. Неоткуда взять данные без стороннего интерфейса, и она не может физически выполнить действие.

Это первое и самое важное разграничение, которое, на мой взгляд, часто упускают из виду в разговорах об AI в маркировке: возможность внедрения искусственного интеллекта в эти процессы почти линейно зависит не от желания автоматизировать, а от масштаба и технологической оснащённости конкретного бизнеса.

Ольга Похабова

Руководитель отдела поддержки и внедрения ООО “Велес Рисерч”

Автор

В малый бизнес AI может выступать, как накопитель опыта, а не оператор.Для небольшой компании, импортёра или локального производителя, где маркировка делается вручную несколькими сотрудниками,  говорить о полноценной автоматизации через AI преждевременно. Здесь нет ни линий, ни инфраструктуры, к которой можно было бы подключить модель.

Но это не значит, что AI бесполезен в принципе. Наиболее реалистичный сценарий для малого бизнеса — это использование AI не как исполнителя, а в виде накопительной базы знаний. На практике ошибки при работе с маркировкой повторяются: сотрудники сталкиваются с одними и теми же нетиповыми ситуациями в 1С или другой учётной системе, тратят время на поиск решения, а через полгода забывают, как его нашли, и ищут заново.

Если регулярно “скармливать” AI описания таких ошибок и способы их решения,  пусть даже вручную, без глубокой интеграции, то модель способна накапливать это знание и выдавать готовые подсказки при повторении похожей ситуации. Не нужно каждый раз гуглить или поднимать переписку с интегратором. Достаточно спросить у ИИ, которая уже “помнит” историю проблем компании. Это скромный, но абсолютно реализуемый сценарий уже сейчас, не требующий ни серьёзных вложений, ни выделенного специалиста.

Средний бизнес. Тут пока больше теории, чем практики

Если честно, для среднего бизнеса на сегодняшний день сложно привести конкретный работающий кейс внедрения AI в процессы маркировки. В нашей практике за всё время работы с доработками 1С и настройкой маркировки клиенты этого сегмента ни разу не запрашивали интеграцию искусственного интеллекта. Речь всегда шла о точечных доработках учётной системы, а не о подключении AI-инструментов.

Теоретически здесь можно было бы говорить о частичной автоматизации. Например, о подключении AI к процессу заказа кодов маркировки,  но пока это остаётся гипотезой, а не отработанным решением. Средний бизнес чаще нуждается в предсказуемой, контролируемой автоматизации через доработки учётной системы, а не в дополнительном слое AI, который сам требует достаточно весомой настройки, обучения и поддержки.

А вот крупный бизнес. Там AI действительно может закрыть пробел.

Иная картина есть на автоматизированных производственных линиях крупных предприятий. Здесь, если объединить AI с программным обеспечением линии, камерой машинного считывания и 1С, у модели появляется и данные, и точка приложения.

Анализ производительности линии

AI может фиксировать замеры в реальном времени и выявлять моменты, когда скорость линии падает, помогая точнее находить узкие места для последующей оптимизации.

Прогнозирование брака. Имея доступ к данным по отбраковке кодов “Честного знака” и самой упаковки, модель в теории способна выявлять закономерности возникновения брака и подсказывать, на каких участках его можно снизить.

Автоматизация отчётности

Вместо ручного сведения показателей по итогам смены: объёма выпуска, доли брака . AI может формировать такие отчёты автоматически, опираясь на данные линии и 1С.

Здесь важно подчеркнуть, эти сценарии в первую очередь относятся к оптимизации процессов, а не к самой процедуре маркировки как обязательству перед государством. Передавать AI сам факт нанесения, введения и подтверждения кода, то есть фактически ответственность за исполнение государственной обязанности — не готов сегодня, пожалуй, никто. И на это есть объективные причины.

Даже крупный бизнес пока сдержан к AI в маркировке

К этому стоит добавить и практический момент. Внедрение искусственного интеллекта не отменяет необходимость содержать специалиста, который умеет с ней работать и поддерживать её актуальность. AI не заменяет ни кладовщика, ни камеру считывания. Она добавляется как ещё один слой стороннего ПО, который тоже требует обслуживания. А значит, экономика такого решения должна быть просчитана отдельно. Часто выгоды, которые теоретически может дать AI, например, та же оптимизация линии, и без того хорошо видны инженерам и производственникам, которые работают с процессом вживую. Вопрос обычно упирается не в отсутствие понимания, а в стоимость реализации.

Ольга Похабова

Руководитель отдела поддержки и внедрения ООО “Велес Рисерч”

Автор

Моя позиция такова, что искусственный интеллект в маркировке — это не универсальный инструмент, а точечное решение, применимость которого напрямую определяется масштабом и технологической зрелостью компании. Для малого бизнеса реалистичный сценарий — это накопление и подсказка на основе прошлых ошибок, без глубокой интеграции.

Для среднего бизнеса подобные кейсы пока остаются скорее теорией, чем практикой.

А для крупных автоматизированных производств AI действительно способен принести пользу, но не как замена ответственности за маркировку, а как дополнительный слой аналитики поверх уже работающей инфраструктуры 1С, линии и системы считывания.

Пока сама архитектура систем маркировки требует большой контролируемости, прозрачности и прямой ответственности участников оборота, AI останется помощником, а не оператором процесса. И это, на мой взгляд, вполне здоровая граница, по крайней мере, на сегодняшнем этапе развития технологии.