# ИИ-чатботы вместо PhD-программистов: как JD.com управляет логистикой на $115 млрд

Источник: https://www.youtube.com/watch?v=xmrbjb209XU
Канал: Stanford Graduate School of Business
Опубликовано: 02.06.2025

---

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
[[JUMP:03:01]]

JD.com (также известная как Jingdong) сегодня позиционирует себя не просто как ритейлер, а как поставщик технологических услуг, в основе которых лежит сложнейшая логистика [03:01]. Масштабы операций компании впечатляют:

*   **Аудитория:** около 600 миллионов активных пользователей [03:15].
*   **Ассортимент:** более 10 миллионов товарных позиций (SKU) только в рамках собственной розничной сети.
*   **Инфраструктура:** свыше 1500 складов, находящихся в прямом управлении компании [03:27].
*   **Финансы:** чистая выручка в 2024 году превысила $115 млрд [03:40].

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 [04:07]. Подготовка к таким событиям начинается за несколько месяцев и требует точной синхронизации прогнозов, производства и логистики, чтобы избежать как дефицита, так и затоваривания складов [04:44].

## 🔄 Эволюция: от фрагментации к интегрированному ИИ
[[JUMP:06:03]]

Традиционная модель цепочки поставок, как отмечает доктор Ци, часто страдает от разрозненности систем маркетинга, планирования и выполнения заказов [06:03]. 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 [07:21]. Ключевые особенности этой системы:

1.  **Глобальная оптимизация:** система динамически комбинирует возможности планирования в зависимости от нужд пользователя [07:35].
2.  **Чат-бот интерфейс:** вместо сложных таблиц и интерфейсов сотрудники взаимодействуют с системой через чат [08:18].
3.  **Адаптивность:** возможность мгновенно реагировать на изменения спроса в реальном времени.

## 🤖 Интерактивный ИИ и «агенты» планирования
[[JUMP:10:58]]

Профессор Макс Шен сравнил JD.com с гибридом Amazon, UPS и DoorDash (из-за выхода компании на рынок доставки еды) [09:39]. 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» [12:13]. Эти агенты — отдельные алгоритмы прогнозирования, инвентарного планирования и оптимизации — работают сообща, чтобы выдать точный ответ [12:27].

Для обучения этих моделей JD.com использует три типа данных:

*   **Приватные данные:** действия 600 млн пользователей на платформе [13:08].
*   **Публичные данные:** погода, рыночные тренды и даже новости о торговых войнах [13:20].
*   **Синтетические данные:** ИИ анализирует прошлые транзакции и генерирует новые сценарии для самообучения [13:45].

Использование синтетических данных и нейросетей позволило компании увеличить точность прогнозирования почти на 15% [14:55].

## 📊 Объяснимый ИИ (XAI) против «черного ящика»
[[JUMP:15:22]]

Одной из главных проблем внедрения ИИ в бизнесе Шен считает недоверие сотрудников к «цифрам из ниоткуда» [15:37]. 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 [17:11].

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 [20:31]. Такой подход превращает «черный ящик» в инструмент для аргументированной дискуссии между отделами [21:25].

## 🧩 Оптимизация без программирования (OR + LLM)
[[JUMP: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 [22:33]. 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:

1.  Пользователь описывает задачу обычным текстом в чат-боте [24:48].
2.  ИИ переводит английский (или китайский) язык в математическую модель [25:00].
3.  Система автоматически генерирует код, подтягивает актуальные данные и выдает решение.
4.  Пользователь может проводить мгновенный «what-if» анализ (например: «А что, если один склад закроется или грузовик сломается?») [25:26].

## 🎥 Феномен лайвстриминга и его давление на логистику
[[JUMP: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 [32:17]. 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 [32:57].
*   **Импульсивность:** многие покупают товары на эмоциях, поддавшись обаянию блогера, а затем часто жалеют о покупке и оформляют возвраты [33:35].
*   **Необходимость интеграции:** JD.com старается внедрить элементы шоу в свою платформу, но опираясь на мощную логистическую базу, чтобы сглаживать эти пики [34:01].

## 👥 Культура, таланты и «Цифровые двойники»
[[JUMP: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 [36:41]. 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) [37:33]. По словам Шена, компания готова платить им зарплаты выше, чем у профессоров Стэнфорда, чтобы выиграть гонку талантов [54:29].

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 [51:23].
*   **Цифровой двойник:** JD.com использует симуляторы (digital twins) для стресс-тестирования системы и планирования на годы вперед [50:19].
*   **Логистика на опережение:** зная, что клиент, скорее всего, купит iPhone в сентябре, компания заранее перемещает товар на ближайший к нему склад [48:57]. Это позволяет осуществлять доставку в день заказа без баснословных затрат для клиента.

## 💡 Уроки для бизнеса от JD.com
[[JUMP:53:50]]

Завершая выступление, Макс Шен выделил три главных условия для успешного внедрения ИИ в крупной компании:

1.  **Люди:** найти таланты, способные не просто считать, но и коммуницировать с другими отделами [54:03].
2.  **Лидерство:** руководство должно не просто «одобрять» ИИ, а активно способствовать найму специалистов и их интеграции, предлагая конкурентные условия [54:15].
3.  **Координация:** ИИ-специалисты не должны быть изолированной группой; они должны быть встроены во все процессы — от продаж до закупок [54:55].

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 [30:17].