На лекции в Стэнфордской высшей школе бизнеса представители JD.com — крупнейшего ритейлера Китая по объёму выручки — представили глубокий анализ того, как искусственный интеллект и методы исследования операций (OR) трансформируют управление глобальными цепочками поставок. Профессор Макс Шен и доктор Юнчжи Ци раскрыли технологическую «кухню» компании, которая умудряется доставлять более 90% заказов в тот же или на следующий день, управляя инвентарём с невероятной оборачиваемостью в 13 дней.
📦 JD.com: Масштаб и вызовы цифрового гиганта 3:01
JD.com (также известная как Jingdong) сегодня позиционирует себя не просто как ритейлер, а как поставщик технологических услуг, в основе которых лежит сложнейшая логистика . Масштабы операций компании впечатляют:
- Аудитория: около 600 миллионов активных пользователей .
- Ассортимент: более 10 миллионов товарных позиций (SKU) только в рамках собственной розничной сети.
- Инфраструктура: свыше 1500 складов, находящихся в прямом управлении компании .
- Финансы: чистая выручка в 2024 году превысила $115 млрд .
По словам доктора Юнчжи Ци, главной операционной сложностью являются резкие колебания спроса. Например, во время фестиваля «618» (крупнейшая распродажа в Китае) нагрузка на цепочки поставок возрастает многократно . Подготовка к таким событиям начинается за несколько месяцев и требует точной синхронизации прогнозов, производства и логистики, чтобы избежать как дефицита, так и затоваривания складов .
🔄 Эволюция: от фрагментации к интегрированному ИИ 6:03
Традиционная модель цепочки поставок, как отмечает доктор Ци, часто страдает от разрозненности систем маркетинга, планирования и выполнения заказов . В таких условиях данные не заслуживают доверия, а процессы выполняются вручную и медленно.
JD.com переходит к «интерактивной цепочке поставок» на базе ИИ, где планирование, пополнение запасов и логистика работают как единый организм . Ключевые особенности этой системы:
- Глобальная оптимизация: система динамически комбинирует возможности планирования в зависимости от нужд пользователя .
- Чат-бот интерфейс: вместо сложных таблиц и интерфейсов сотрудники взаимодействуют с системой через чат .
- Адаптивность: возможность мгновенно реагировать на изменения спроса в реальном времени.
🤖 Интерактивный ИИ и «агенты» планирования 10:58
Профессор Макс Шен сравнил JD.com с гибридом Amazon, UPS и DoorDash (из-за выхода компании на рынок доставки еды) . Он подчеркнул, что работа оптимизатора цепочек поставок раньше была трудоёмкой: нужно было писать код, собирать данные и долго объяснять результаты бизнесу.
Теперь ИИ-чатбот выступает в роли диспетчера. Когда пользователь спрашивает: «Каким будет уровень запасов в ближайшие три месяца?», система запускает тысячи специализированных «агентов» . Эти агенты — отдельные алгоритмы прогнозирования, инвентарного планирования и оптимизации — работают сообща, чтобы выдать точный ответ .
Для обучения этих моделей JD.com использует три типа данных:
- Приватные данные: действия 600 млн пользователей на платформе .
- Публичные данные: погода, рыночные тренды и даже новости о торговых войнах .
- Синтетические данные: ИИ анализирует прошлые транзакции и генерирует новые сценарии для самообучения .
Использование синтетических данных и нейросетей позволило компании увеличить точность прогнозирования почти на 15% .
📊 Объяснимый ИИ (XAI) против «черного ящика» 15:22
Одной из главных проблем внедрения ИИ в бизнесе Шен считает недоверие сотрудников к «цифрам из ниоткуда» . Продажникам и маркетологам трудно поверить прогнозу, если алгоритм не может его обосновать.
Решением стал «Объяснимый ИИ» (Explainable AI). Система выделяет 5–7 ключевых факторов, влияющих на результат, таких как:
- Базовый уровень спроса (на основе истории).
- Влияние промоакций.
- Сезонность.
- Активность конкурентов .
В качестве примера Шен привел подготовку к фестивалю «11.11» (День холостяка). Если компания-партнер хочет продать товаров на 10 млн юаней, ИИ анализирует базу (например, 8 млн) и предлагает три варианта стратегии (планы S, A и B) с разной стоимостью и ожидаемым эффектом . Такой подход превращает «черный ящик» в инструмент для аргументированной дискуссии между отделами .
🧩 Оптимизация без программирования (OR + LLM) 21:53
Традиционно для решения задач логистики (например, распределения 1000 единиц товара по складам с учетом стоимости перевозки) требовался специалист со степенью магистра или PhD, умеющий писать сложный код . По мнению Шена, это медленно и дорого, а данные часто устаревают к моменту решения.
JD.com интегрировала большие языковые модели (LLM) с методами исследования операций (OR). Теперь процесс выглядит так:
- Пользователь описывает задачу обычным текстом в чат-боте .
- ИИ переводит английский (или китайский) язык в математическую модель .
- Система автоматически генерирует код, подтягивает актуальные данные и выдает решение.
- Пользователь может проводить мгновенный «what-if» анализ (например: «А что, если один склад закроется или грузовик сломается?») .
🎥 Феномен лайвстриминга и его давление на логистику 31:24
Обсуждая специфику китайского рынка, спикеры затронули тему «живых продаж». Макс Шен признал, что лайвстриминг стал огромным феноменом, способным генерировать миллионные продажи за одну ночь . Однако, по его мнению, этот формат является «огромным бременем» для цепочек поставок.
Ключевые тезисы Шена о лайвстриминге:
- Отсутствие предсказуемости: сегодня продаж нет, а завтра — лавина заказов, которые нужно немедленно отправить со складов .
- Импульсивность: многие покупают товары на эмоциях, поддавшись обаянию блогера, а затем часто жалеют о покупке и оформляют возвраты .
- Необходимость интеграции: JD.com старается внедрить элементы шоу в свою платформу, но опираясь на мощную логистическую базу, чтобы сглаживать эти пики .
👥 Культура, таланты и «Цифровые двойники» 35:48
Успех ИИ-трансформации в JD.com спикеры связывают не с закупкой «железа», а с управленческими изменениями. Профессор Шен подчеркнул, что сопротивление инновациям часто исходит от топ-менеджмента с 20-летним стажем, который не доверяет новым технологиям . В JD.com структуру сделали максимально плоской: инженеры работают напрямую с бизнес-подразделениями.
Особое внимание уделяется найму «гениев» — выпускников ведущих мировых вузов (Stanford, MIT, Berkeley) . По словам Шена, компания готова платить им зарплаты выше, чем у профессоров Стэнфорда, чтобы выиграть гонку талантов .
Интересные факты о персонализации в JD.com:
- Прогнозирование на уровне личности: благодаря огромному массиву данных (проект «1000 человек — 1000 лиц»), компания может предсказать, когда конкретному пользователю понадобится зубная паста, основываясь на его истории покупок .
- Цифровой двойник: JD.com использует симуляторы (digital twins) для стресс-тестирования системы и планирования на годы вперед .
- Логистика на опережение: зная, что клиент, скорее всего, купит iPhone в сентябре, компания заранее перемещает товар на ближайший к нему склад . Это позволяет осуществлять доставку в день заказа без баснословных затрат для клиента.
💡 Уроки для бизнеса от JD.com 53:50
Завершая выступление, Макс Шен выделил три главных условия для успешного внедрения ИИ в крупной компании:
- Люди: найти таланты, способные не просто считать, но и коммуницировать с другими отделами .
- Лидерство: руководство должно не просто «одобрять» ИИ, а активно способствовать найму специалистов и их интеграции, предлагая конкурентные условия .
- Координация: ИИ-специалисты не должны быть изолированной группой; они должны быть встроены во все процессы — от продаж до закупок .
Шен также добавил, что компаниям не всегда нужны «гигантские» модели. Часто более эффективным, экологичным и дешевым решением являются малые модели, обученные на специфических данных конкретного бизнеса .
