Розничные компании в ОАЭ постепенно переходят от экспериментов с генеративным ИИ к использованию AI-агентов в повседневной работе. На фоне роста электронной коммерции и более сложных цепочек поставок ритейлеры внедряют такие системы для управления ценами, запасами, закупками и решениями в продажах.
Как пишет Computer Weekly, одна из главных проблем для компаний связана с разрозненностью данных. ERP-платформы, системы управления складами, e-commerce-сервисы и внутренние таблицы часто существуют отдельно друг от друга. Региональный вице-президент UiPath по MEA Сулейман Юсуф говорит, что эффективность agentic AI определяется не только самой моделью, но и качеством корпоративных данных, а также доступом к ним.
По словам Юсуфа, AI-агенты способны одновременно работать с несколькими бизнес-системами, анализировать продажи, уровень запасов, спрос, данные поставщиков и рыночные условия. После этого они предлагают действия или автоматически выполняют их в рамках заданных политик управления. Особенно заметно такие системы проявляют себя в ценообразовании. Крупным ритейлерам приходится управлять десятками тысяч SKU, поэтому ручной анализ спроса, сезонности и цен конкурентов становится все менее практичным.
Ключевые факты
Системы AI-агентов применяются для управления ценами, запасами, закупками и поддержкой решений в продажах
UiPath связывает эффективность agentic AI с качеством и доступностью корпоративных данных, а не только с возможностями модели
AI-агенты могут анализировать продажи, уровень запасов, спрос, данные поставщиков и рыночные условия одновременно
Крупные ритейлеры управляют десятками тысяч SKU с разными моделями спроса и сезонности
Вопросы и ответы
- Что должно быть готово внутри компании, чтобы AI-агенты реально работали в ритейле?
UiPath связывает эффективность agentic AI прежде всего с качеством и доступностью корпоративных данных. Проблема для ритейлеров в ОАЭ в том, что ERP, складские системы, e-commerce-сервисы и внутренние таблицы часто существуют разрозненно.
- Какие решения AI-агенты могут принимать без ручного анализа сотрудников?
AI-агенты одновременно анализируют продажи, остатки, спрос, данные поставщиков и рыночные условия, после чего предлагают действия или автоматически выполняют их в рамках заданных политик управления.
- Почему ритейлерам понадобились AI-агенты именно для ценообразования и запасов?
Крупные сети управляют десятками тысяч SKU с разной сезонностью и моделями спроса, поэтому ручной анализ цен конкурентов, запасов и изменений спроса становится непрактичным на фоне роста электронной коммерции и усложнения цепочек поставок.
Контекст по теме
- ADNOC встраивает агентный ИИ в производственные процессы4 августа 2026 г.
- CH Robinson развивает «агентную» систему управления цепочками поставок на базе AI6 июля 2026 г.
- Ритейл перестраивается под AI: как Macy’s внедряет «AI-first» в процессы и сервисы25 июня 2026 г.
- «Теневые» AI‑агенты в компаниях: как несанкционированные автоматизации обходят процессы управления22 июня 2026 г.