AI na półce sklepowej: Jak Visual Recognition rozlicza FMCG

Przeczytaj także: Odejście twórców Google Brain - czy w nowym startupie Discovery Loop stworzą "Skynet"?

Budżety na trade marketing i opłaty półkowe w branży FMCG liczone są w dziesiątkach milionów złotych. Producenci i sieci handlowe podpisują szczegółowe umowy, precyzując udziały, obecność w strefach gorących i specjalne ekspozycje promocyjne. Zderzenie tych ustaleń z brutalną rzeczywistością fizycznego sklepu obnaża zjawisko powszechnie nazywane execution gap – przepaść między planem opracowanym w centrali a sytuacją na półce ułożoną rękami merchandisera.

Jak przed laty bezlitośnie wykazał Harvard Business Review w analizie „Why Most Product Launches Fail”, aż 85% nowych produktów ponosi rynkową porażkę, a główną przyczyną jest właśnie błędna egzekucja sklepowa. Pod tym względem niewiele się zmieniło. Przez dekady głównym narzędziem weryfikacji tego procesu był audyt deklaratywny. Handlowiec wypełniał ankietę w systemie SFA, tworząc wyidealizowany obraz półki. W ten sposób wygenerowaliśmy potężną i niezwykle drogą iluzję.

Pułapka 30% dokładności i brutalny Excel

Twarde dane z kontroli krzyżowych pokazują druzgocący obraz: dokładność ankiet deklaratywnych oscyluje na poziomie zaledwie 30–40%. Pojawienie się systemów AI i visual recognition, w których pozostawiono możliwość ręcznej korekty wyników detekcji, jedynie utrwaliło ten problem. Jak wynika z analiz wdrożeniowych przeprowadzonych w jednym z naszych projektów, odsetek poprawnie zgłoszonych ręcznie zmian w tak zaprojektowanych systemach wynosił czasami zaledwie 28%.

Potwierdzaja to globalne badania ECR – Efficient Consumer Response, nad wskaźnikiem On-Shelf Availability (OSA). W ikonicznym raporcie „Retail Out-of-Stock”, badacze wykazali, że wskaźnik braków towarowych utrzymuje się na poziomie 8%, co kosztuje detalistów do 4% utraty całkowitej sprzedaży. Pytając pracownika terenowego o poprawność jego własnej pracy, zawsze stawiamy go przed tym samym wyborem: premia i święty spokój czy raportowanie braków? Odpowiedź widać w wynikach CRM, gdzie rotacja kuleje, ale w raportach ekspozycja lśni.

Niedokładność danych spływających z terenu bezpośrednio uderza w marżę. Według najnowszego, raportu branżowego Coresight Research „The State of In-Store Retailing 2026”, luki w egzekucji sklepowej kosztują rynek średnio 6,4% strat w przychodach brutto. Aż 90% detalistów przyznaje, że operacje na fizycznej półce stanowią dla nich stałe, nierozwiązane wyzwanie operacyjne.

Brak ceny to brak sprzedaży

Właściwa egzekucja strategii to nie tylko fizyczna dostępność opakowania, ale również polityka cenowa. Nawet najlepiej ułożony planogram nie sprzeda produktu, jeśli brakuje przy nim poprawnej etykiety cenowej. Z dezorientacją konsumenta wiąże się bezpośrednie ryzyko spadku konwersji, a nierzadko także z bolesnymi karami finansowymi dla samych sieci detalicznych.

Tradycyjny audyt kilkuset cenówek w alei to proces żmudny i podatny na błędy. Dlatego dopełnieniem rzetelnej weryfikacji półki stał się automatyczny audyt cenowy. Nowoczesne algorytmy potrafią czytać komunikację cenową z obrazu, przyporządkowując w czasie rzeczywistym etykietę do fizycznego SKU. Daje to centrali pewność, że mechanizm promocyjny nie tylko dotarł do sklepu, ale jest również faktycznie komunikowany nabywcy.

Przewaga AI: Twardy dowód zamiast deklaracji

Model zarządzania audytem ewoluował. Uzupełnianie pól tekstowych odchodzi do lamusa na rzecz Visual Recognition, czyli rozpoznawania obrazu wspieranego przez algorytmy Deep Learning. W najnowszych aplikacjach przedstawiciel lub personel sklepu, wykonuje krótki skan wideo, a technologia zajmuje się resztą, pokazując wyniki w czasie krótszym niż sekunda.

Sztuczna inteligencja zdejmuje z człowieka presję oceniania samego siebie, podnosząc dokładność detekcji SKU do poziomu ponad 95%. Zastosowanie architektury Edge AI pozwala na przetwarzanie danych bezpośrednio na urządzeniu mobilnym, co eliminuje konieczność łączności z chmurą i umożliwia pracę w trybie offline. Technologia łącząca wizję komputerową z rozszerzoną rzeczywistością (AR) automatyzuje identyfikację produktów oraz weryfikację cen w czasie rzeczywistym. W efekcie osoba wykonująca audyt uzyskuje na ekranie obraz z nakładką AR, która bezpośrednio wskazuje braki towarowe (out-of-stock), błędne oznaczenia cenowe oraz odstępstwa od przyjętego planogramu.

Z perspektywy P&L i optymalizacji zasobów zyskujemy twardy dowód poprawności ekspozycji i czystą redukcję kosztów. Wdrożenia pokazują, że automatyzacja audytu skraca go na tyle, że przynosi 20–30% oszczędności czasu pracy handlowca podczas wizyty.

Wynik, którego nie da się podważyć

Zastąpienie audytu opartego na wierze systemem opartym na obrazie to nie innowacja technologiczna, lecz gwarancja szczelności finansowej. Analiza wdrożeń takich technologii u wiodących graczy rynkowych (Coca Cola, Mondelez, Coty, Kompania Piwowarska) udowadnia, że eliminacja ludzkiego błędu winduje wskaźniki poprawności standardów z 40% w okolice 90%.

Skutek? Zniwelowanie luki egzekucyjnej przekłada się na natychmiastowe wzrosty sprzedaży – nierzadko w przedziale od 12% do 20%. Budżety trade marketingowe przestają być wirtualnym kosztem, a realizacja kontraktów, widoczność asortymentu i komunikacja cenowa stają się twardo egzekwowalnym faktem.

Autor: Wiktor Miałkowski, Partner w PRO Business Solutions