
AI za kraj praznih polica
Savremeni e-commerce i maloprodaja suočavaju se sa velikim izazovima u balansiranju zaliha – premalo proizvoda dovodi do „out-of-stock” situacija i gubitka prodaje, dok višak zaliha povećava troškove i rizik od otpisivanja robe. Tradicionalne metode planiranja koje се oslanjaju isključivo na istorijske podatke često ne mogu da isprate tempo tržišta.
Piše: Lazar Jovanović, Chief Digital and AI Officer – Represent System
Tu na scenu stupa veštačka inteligencija (AI), koja uz mašinsko učenje omogućava daleko agilnije i preciznije predviđanje potražnje. AI sistemi za prognoziranje u realnom vremenu analiziraju velike količine podataka i predviđaju buduću tražnju po proizvodu i lokaciji, pomažući trgovcima da optimizuju zalihe i izbegnu i nestašice i nagomilavanje robe.
Za razliku od sporih ručnih analiza, AI može smanjiti greške u procenama za 30–50% i istovremeno poboljšati upravljanje zalihama i do 15%, prema McKinsey-ju. Studije pokazuju da neefikasno upravljanje zalihama i lancem snabdevanja globalno košta trgovce i do 1.8 biliona USD godišnje, dok samo u sektoru prehrambene maloprodaje u SAD stockout situacije izazivaju gubitke od 15–20 milijardi USD godišnje. Ovi podaci ilustruju koliki poslovni uticaj može imati AI koji unapređuje tačnost prognoza i automatski balansira zalihe.
Ključni izvori podataka za AI predikcije
Moć AI alata leži u bogatstvu podataka koje analiziraju. Osim klasičnih istorijskih podataka o prodaji, moderni AI modeli integrišu i real-time informacije i spoljašnje faktore. Na primer, Amazonovi sistemi za predviđanje potražnje unose ogroman spektar signala – od istorijskih prodajnih trendova i pretraga kupaca, preko vremenske prognoze, pa sve do „buzz”-a na društvenim mrežama – da bi predvideli šta će kupci želeti, gde i kada.
Generalno, AI pristup kombinuje interne izvore (POS prodajni podaci, CRM zapisi o kupcima, online pretrage, podaci o zalihama i logistici) sa eksternim izvorima (vremenski podaci, lokalni događaji, konkurentske cene, ekonomski pokazatelji, pa čak i sentiment sa društvenih mreža). Na taj način, model uči obrasce potrošnje i može da anticipira nagle promene – recimo, povećanu tražnju određenog proizvoda pred loše vreme ili viralni hit na internetu. Kvalitet i raznovrsnost podataka su ključni: što više relevantnih signala AI obradi, to će predviđanja potražnje biti preciznija, omogućavajući trgovcima pravovremene odluke o nabavci i distribuciji.

Lazar Jovanović, Chief Digital and AI Officer at Represent System – Foto: Represent communication
Prednosti AI u optimizaciji zaliha
Uvođenje AI analitike donosi niz merljivih koristi za e-commerce i maloprodajne firme. Automatizovana predviđanja i optimizacija zaliha doprinose kako smanjenju troškova, tako i poboljšanju korisničkog iskustva. Neki od ključnih benefita koje studije i poslovni primeri ističu su:
- Manje grešaka i neizvesnosti u lancu snabdevanja: AI smanjuje ljudske greške i supply chain probleme za 30–50% zahvaljujući preciznijim prognozama.
- Niži troškovi zaliha: Optimizovan nivo zaliha znači manje vezanog kapitala – 22% manji troškovi zaliha prosečno su zabeleženi kod firmi koje su uvele AI planiranje.
- Manje „out-of-stock” situacija: Prediktivno upravljanje smanjuje nestašice proizvoda za oko 18%, pa su police punije, a kupci zadovoljniji.
- Smanjenje viškova i otpada: Preciznije procene potražnje dovode do eliminacije prekomernih zaliha; pojedini trgovci su uz AI cut viškove i otpis robe i do 30–50%, što je posebno važno u kategorijama kvarljivih proizvoda (npr. do 40% manje bačene hrane u prodavnicama koje koriste AI).
- Rast prihoda i bolja usluga: Sa pravim proizvodom na pravom mestu, kompanije ostvaruju 3–7% veći godišnji prihod uz veću lojalnost kupaca. Brže reagovanje na trendove može doneti i iznenađujuće skokove prodaje – npr. jedan brend kozmetike je prateći AI uvid iz društvenih mreža prilagodio ponudu i tokom praznika povećao prodaju za 34%.
Sve ove prednosti ukazuju da AI ne samo da smanjuje troškove, već povećava agilnost poslovanja. Trgovci mogu proaktivno da upravljaju zalihama umesto da reaguju tek nakon što problem nastane. Na kraju, to znači manje praznih polica, manje rasprodaja za čišćenje viškova i zadovoljnijeg kupca koji uvek nalazi traženi proizvod.
Globalni pioniri: primeri iz prakse
Mnoge vodeće globalne kompanije već godinama ulažu u AI sisteme za upravljanje zalihama i rezultati su impresivni. Evo kako Walmart, Amazon i Target koriste prediktivnu analitiku da optimizuju lance snabdevanja:
Walmart – regionalna optimizacija i 30% manje nestašica
Kao najveći svetski trgovac, Walmart je rano prepoznao vrednost AI u logistici. Njihov AI-pogon za inventar analizira navike kupaca i spoljašnje faktore da bi svakoj prodavnici obezbedio odgovarajući asortiman. Algoritmi automatski raspoređuju zalihe i po geografskim kriterijumima – prodavnice u toplijim krajevima dobijaju više bazena i letnjih artikala, dok severnije lokacije dobijaju veći udeo zimske odeće. Ako određeni proizvod slabo ide na jednom tržištu, a rasprodaje se na drugom, AI sistem to prepoznaje i preusmerava zalihe tamo gde trebaju. Ovakav data-driven pristup doveo je do konkretnog poboljšanja: Walmart je uz AI uspeo smanjiti slučajeve praznih polica za oko 30%, što direktno znači manje izgubljenih prodaja. John Furner, CEO Walmart U.S., istakao je da integracija dodatnih podataka (npr. e-commerce ponašanja kupaca) omogućava kompaniji da se brže prilagođava potražnji kupaca u digitalnoj eri. AI je tako postao okosnica Walmartovog „seamless” iskustva – kupci znaju da će traženi artikl biti dostupan, bilo online ili u najbližoj radnji.
Amazon – prediktivna logistika i anticipativno skladištenje
E-commerce gigant Amazon otišao je korak dalje, koristeći AI da predvidi potražnju gotovo “unapred” za svaku regiju. Njihovi napredni modeli prognoze unose širok spektar ulaza: istorijska prodaja, pretrage korisnika, vremenski obrasci, pa čak i trendovi na društvenim mrežama, kako bi sa zapanjujućom preciznošću prognozirali šta će kupci želeti i gde. Zahvaljujući toj tačnosti, Amazon često raspoređuje inventar po svojim skladištima čak i pre nego što kupac naruči proizvod – strategija anticipativnog pozicioniranja zaliha koja skraćuje vreme isporuke. Rezultati ove AI strategije govore sami za sebe. Od uvođenja AI sistema za prognozu (oko 2021. godine), Amazon je smanjio višak zaliha za 20%, istovremeno povećavši dostupnost proizvoda za 15%. Praktično, to znači milijarde dolara ušteđenih troškova i zadovoljnije kupce – jer popularni proizvodi ređe bivaju nedostupni, a kapital nije zarobljen u nepotrebnom inventaru. Amazon tako uspeva da održi munjevitu dostavu i bogat izbor, oslanjajući se na AI kao na „raketno gorivo” logistike.
Target – proaktivno sprečavanje nestanka zaliha
Američki maloprodajni lanac Target ilustrativan je primer kako AI može preokrenuti zaostajanje u dostupnosti proizvoda. Pre uvođenja AI, Targetovi tradicionalni sistemi često nisu uspevali da uoče nestanak – interne analize su pokazale da je prethodni softver propuštao da detektuje čak polovinu slučajeva kada nekog proizvoda više nema na polici. To je značilo nezadovoljne kupce i gubitak prodaje. Od 2023. Target je implementirao interni AI pogon nazvan Inventory Ledger, koji u realnom vremenu prati promene zaliha u svim prodavnicama i predviđa moguće buduće nestašice – čak i pre nego što one budu očigledne zaposlenima. Ovaj sistem uzima u obzir razne faktore, od vremena isporuke dobavljača i transportnih troškova, do trenutnog stanja zaliha i lokalne tražnje, kako bi svakodnevno davao preporuke šta, kada i gde dopuniti. Rezultat je kontinuirano poboljšanje: dostupnost artikala kod Targeta raste svake godine već četiri godine zaredom otkad se AI koristi u ovom segmentu. Danas više od 40% celokupnog Targetovog asortimana ima AI asistenciju u upravljanju zalihama (dvostruko više nego pre dve godine). Njihov napredni alat za prognozu generiše “milijarde predikcija svake nedelje” o tome koliko će komada svakog artikla trebati i u radnjama i online. Ove tehnologije značajno su ubrzale i unapredile odluke menadžera – kombinacija tradicionalnog softvera i AI omogućila je “pametnije i brže odluke” i konzistentno punije rafove, ističe Prat Vemana, izvršni potpredsednik za tehnološki sektor u Targetu.
Primeri u Srbiji i regionu
Kako globalni trendovi prodiru, tako i na tržištu Srbije i Balkana počinju da se javljaju primera primene AI u upravljanju zalihama. Iako je primena još u ranoj fazi, prvi pioniri već pokazuju rezultate. Jedan od najupečatljivijih regionalnih primera je hrvatski maloprodajni lanac Konzum (u okviru Fortenova grupe), koji je u saradnji sa AI DataLab timom optimizovao lance snabdevanja. U 65 Konzum prodavnica implementirano je AI predviđanje potražnje za svežim namirnicama – rezultat: 7% manje bacanja hrane (otpada) u kategoriji voća i povrća, uz istovremeno 8% povećanje profita. Ovo pokazuje direktnu finansijsku korist preciznijeg upravljanja zalihama i smanjenja viškova.
Na srpskom tržištu, velike međunarodne grupacije prisutne kroz lokalne lance (poput Delhaize Serbia sa Maxi prodavnicama, ili Mercator-S sa Idea lancem) sve više uvode globalne AI alate i prakse i kod nas, iako konkretni rezultati retko budu javno objavljeni. Neki trgovci već koriste ovakve alate da automatski balansiraju zalihe u realnom vremenu na osnovu prodajnih podataka.
To praktično znači da sistem odmah reaguje na skok potražnje ili pad prodaje – minimizirajući rizik i od nestašica i od gomilanja neprodate robe. I u e-trgovini regiona AI pronalazi mesto: online trgovci koriste naprednu observabilnost sistema da u svakom trenutku prate sve tokove, od performansi sajta do stanja inventara u real-time. Ukratko, iako su primene za sada ograničene na pionirske projekte, trend je jasan – i našem regionu AI donosi efikasnije zalihe, kraće rokove isporuke i konkurentniju ponudu. Kompanije koje prve usvoje ove tehnologije imaće prednost na tržištu, dok će ostali neminovno morati da prate kako AI postaje novo normalno u upravljanju zalihama.
Najčešće korišćeni AI alati za optimizaciju zaliha
Za implementaciju prediktivne analitike i optimizacije inventara, kompanije se oslanjaju na različite AI platforme i softverska rešenja. U poslovnom sektoru popularni su specijalizovani alati koji nude end-to-end pokrivanje lanca snabdevanja, često kao softver kao usluga rešenja integrisana sa postojećim ERP sistemima.
Na primer, SAS Demand-Driven Forecasting je rešenje koje koristi napredne AI tehnike mašinskog učenja za izradu preciznih prognoza potražnje, pomažući da se smanje viškovi zaliha i spreče stockout slučajevi. Tu je i Blue Yonder (ranije JDA) – njihov Luminate platforma koristi AI za celokupnu optimizaciju lanca snabdevanja, od planiranja potražnje, preko automatskog popunjavanja zaliha, do optimizacije magacina i logistike. Mnoge velike maloprodaje (uključujući i Walmart) koriste Blue Yonder ili slične sisteme za automatizovano upravljanje zalihama i prediktivnu analitiku. Pored ovih, koriste se i AI moduli u okviru cloud platformi: npr. Amazon nudi svoj servis Amazon Forecast, Google Cloud ima Vertex AI prediktivna rešenja – što omogućava kompanijama da prave prilagođene modele za svoje specifične podatke.
Važno je napomenuti da se AI ne odnosi samo na planiranje nabavke; postoje i alati za monitoring i real-time uvid. Platforme za posmatranje sistema i podataka koji integrišu AI kako bi pružile punu vidljivost nad poslovanjem u realnom vremenu, uključujući nadzor nad inventarom, prometom i performansama prodajnih kanala. Time menadžeri mogu brzo uočiti anomalije ili trendove i reagovati. Ukratko, kompanije danas imaju na raspolaganju čitav ekosistem AI alata – od tradicionalnih giganta (SAS, Oracle) do specijalizovanih supply chain platformi (Blue Yonder, o9 Solutions) i novih cloud AI servisa – koji im omogućavaju da uvide iz podataka pretvore direktno u akcije u lancu snabdevanja.
Pogled u budućnost: narednih 5 godina transformacije
Kako gledamo unapred, jasno je da će AI nastaviti da transformiše maloprodaju i e-trgovinu – verovatno brže nego što mnogi očekuju. Stručnjaci prognoziraju da će u narednim godinama AI sistemi postati još autonomniji i sveobuhvatniji u donošenju odluka o zalihama.
Vidja Mani, profesor operacionog menadžmenta, predviđa da već u sledećih par godina AI asistenti mogu automatski označiti i reagovati na prazne police čak i bez fizičke provere osoblja, zahvaljujući senzorima i analitici prodajnih podataka u realnom vremenu. U roku od oko pet godina, mogli bismo videti potpuno automatizovano objednjavanje robe – algoritmi će samostalno kreirati narudžbine dobavljačima čim detektuju da zalihe opadaju ispod optimalnog nivoa. Dalje, kako se AI modeli budu usavršavali, u stanju su da uzmu u obzir i makroekonomske faktore (npr. inflacija, promene u dohotku stanovništva) i predvide promene ponašanja potrošača na višem nivou, te će inventarski planovi biti prilagođavani i tim širim trendovima. U praktičnom smislu, maloprodavci će u budućnosti imati “pametne” lance snabdevanja koji se sami podešavaju prema okolnostima – od sezone i vremena, do globalnih dešavanja – gotovo prediktivno, umesto da reaguju sa zakašnjenjem.
Za firme u našem regionu ovo znači da je sada pravo vreme za ulaganje u AI infrastrukturu i stručne kadrove. Iskustva pokazaju da oni koji rano usvoje inovacije stiču konkurentsku prednost, dok oklevanje može skupo koštati. Sudbine giganata poput Sears ili Toys “R” Us služe kao upozorenje – ove kompanije nekada dominantne u maloprodaji propustile su digitalnu transformaciju i ostale su zarobljene u zastarelim metodama vođenja zaliha, što je doprinelo njihovom padu. Suprotno tome, trgovci koji su se pravovremeno digitalno transformisali sada ubiraju benefite u vidu efikasnijeg poslovanja i veće zadovoljstva kupaca. Prema proceni McKinsey-a, samo u domenu maloprodaje primena napredne (pa i generativne) AI tehnologije mogla bi godišnje da donese $400–660 milijardi vrednosti globalno – značajan deo tog kolača biće rezervisan za one koji se najbolje prilagode.
Za domaće kompanije to znači da će narednih pet godina doneti povećan pritisak da se inovira: potrošači će očekivati da popularni proizvodi budu dostupni bez čekanja, da isporuke budu brže, a cene optimalne – sve to zahteva inteligentno upravljanje zalihama. AI će postati nevidljivi saveznik trgovaca, tiho usmeravajući odluke o tome šta skladištiti, u kojim količinama i kada pokrenuti dopunu. Oni trgovci u Srbiji i na Balkanu koji ulože u ove sisteme moći će brže da prilagode svoj asortiman lokalnim preferencijama i tržišnim promenama, što će im otvoriti mogućnost širenja i povećanja profitabilnosti. S druge strane, oni koji zaostanu za ovim trendom rizikuju da budu suočeni sa neefikasnostima i gubitkom koraka u odnosu na konkurenciju koja koristi podatke i AI na maksimalan način.
Stub modern maloprodaje i eCommerce
Prediktivna analitika uz pomoć veštačke inteligencije postaje stub moderne maloprodaje i e-trgovine. Od preciznijeg planiranja sezonskih zaliha, preko automatskog sprečavanja nestašica, do strateškog smanjenja troškova – AI već danas demonstrira svoje prednosti na globalnom nivou, uz konkretne brojke koje potkrepljuju uspeh. Kako se tehnologija dalje razvija, možemo očekivati da će granice između tradicionalnih i digitalnih prodajnih kanala potpuno izbledeti, a da će pametni sistemi u pozadini obezbeđivati da pravi proizvod bude na pravom mestu u pravom trenutku. Za kompanije u našem regionu, ovo je šansa da uhvate korak sa svetom – ulaganje u AI za optimizaciju zaliha nije više stvar prestiža, već uslov opstanka i budućeg rasta. Bez sumnje, narednih pet godina doneće nam efikasniju, automatizovaniju i inteligentniju trgovinu na dobrobit i biznisa i potrošača.
Saznajte sve o dešavanjima u biznisu, budite u toku sa lifestyle temama. PRIJAVITE SE NA NAŠ NEWSLETTER.
Izvor: BIZLife
Foto: ChatGPT Image