Т1: Применение компьютерного зрения в ретейле растет примерно на 14% в год
Ритейл — один из главных драйверов рынка компьютерного зрения. Ежегодно отрасль генерирует прирост в 14%, при этом ужесточая контроль за эффективность инновационных технологий, что становится бенчмарком для других индустрий. Об этом на ежегодном Retail TECH IT&Innovations Forum заявил заместитель руководителя Т1 ИИ (ИТ-холдинг Т1) Евгений Григорьев.
По прогнозам эксперта, объем рынка компьютерного зрения (CV) может увеличиться с 25 млрд рублей в 2025 году до 50 млрд рублей к 2030-му. Технология уже используется не только для распознавания объектов на изображении, но и для контроля многих производственных процессов. Кейсы внедрения доказывают, что AI-контроль качества продуктов помогает автоматизировать контроль свежести продукции и сократить долю списаний до 5%, а их стоимость — до 10%.
Однако для достижения подобных показателей важно учитывать не только технические качества модели: высокая точность нейросети сама по себе не гарантирует экономического результата. Модель с точностью более 95% может оказаться неэффективной, если имеет слишком высокую задержку, генерирует большое количество дорогостоящих ложных срабатываний или требует значительных вычислительных ресурсов, привел примеры Евгений Григорьев.
По его мнению, зрелые CV-проекты необходимо оценивать одновременно на трех уровнях:
- технологическом, принимая во внимания точность, полноту, задержку сигнала, число кадров в минуту, устойчивость к изменению условий съемки;
- операционном, для автоматически обработанных событий. Учитывая количество предотвращенных инцидентов, сокращение ручных операций, время реакции и доступность системы;
- финансовом – снижение OPEX, экономия фонда рабочего времени, предотвращенные потери, стоимость простоев, изменение себестоимости и срок окупаемости инвестиций.
Следующим этапом развития технологии, по словам эксперта, станет переход от изолированных CV-сервисов к мультимодальным интеллектуальным системам, где данные компьютерного зрения будут объединяться с показаниями датчиков, историей технологических процессов и корпоративными данными. Это позволит использовать ИИ не только для фиксации уже произошедших событий, но и для прогнозирования отклонений и выбора оптимального действия.