Wildberries: ИИ в операциях маркетплейса — машинное зрение на складах, нейропоиск и работа с отзывами

• Корпоративный блог Wildberries: масштаб платформы, Техношкола, ML Meetup — Habr (блог Wildberries), 2024
• Warehouse robots at Wildberries — TAdviser, 2025-03
• Wildberries начал тестировать роборуки для сортировки товаров на складах — Habr (новости), 2025-03-11
• Автоматизация складов — опыт Wildberries — RoboTrends, 2025
• Wildberries объявила о запуске в Красном Бору нового роботизированного склада — Ведомости. Северо-Запад, 2025-12-25
• Wildberries теперь имеет право самостоятельно распределять товары продавцов по разным складам и регионам — Oborot.ru, 2026
• Wildberries тестирует нейросети, которые помогут покупателю искать и выбирать товары прямо в мобильном приложении — Oborot.ru, n/a
• Wildberries создала ИИ-помощника (ответы продавцов на отзывы) — CNews, 2026-02-20
• Возвраты на Wildberries: как сократить потери (отраслевые оценки доли возвратов) — Uniseller, n/a

Контекст

Wildberries — крупнейший маркетплейс России, с 2024 года работающий в составе объединённой компании РВБ (Wildberries & Russ). По данным корпоративного блога компании на Habr, платформа обрабатывает десятки миллиардов пользовательских событий и порядка 15 миллионов заказов в день. Для подготовки ML-кадров компания открыла собственную Техношколу (Data Science, аналитика), а в сентябре 2024 года провела первый ML Meetup.

При этом в складской роботизации Wildberries — догоняющий: по оценке отраслевого издания RoboTrends, компания всерьёз занялась автоматизацией и роботизацией складов только в 2024 году, позже многих лидеров отрасли. Это придаёт кейсу особую динамику: перед нами не двадцатилетняя программа автоматизации, как у Amazon, а форсированная попытка закрыть отставание за два-три года — с собственной разработкой софта, а не покупкой готовых решений.

Важная рамка этого кейса: Wildberries раскрывает о своём ИИ заметно меньше, чем банки или Ozon. Компания публикует направления работ, технические характеристики роботов и цели — но почти никогда не публикует бизнес-метрики эффекта. Поэтому здесь собрано только документированное: технические посты в корпоративном блоге, новости о запусках и публичные заявления руководителей направлений. Всё, что выходит за эти рамки, мы явно помечаем как отсутствующее в публичном поле.

Проблема

Два операционных вызова маркетплейса такого масштаба хорошо видны из публичных материалов. Первый — зависимость логистики от ручного труда: сортировка миллионов разногабаритных отправлений на складах. Пятнадцать миллионов заказов в день — это непрерывный поток предметов всех форм и размеров, каждый из которых нужно распознать, захватить и направить в правильную ячейку; исторически это делали руки. Уязвимость такой модели компания прочувствовала буквально: в январе 2024 года пожар уничтожил склад в Шушарах — и вместе с ним заметную часть мощностей Северо-Западного хаба.

Второй вызов — размещение товаров: продавцу сложно угадать, на каких региональных складах будет спрос на его товар. Ошибка размещения — это либо долгая и дорогая доставка через полстраны, либо замороженный на невостребованном складе сток.

Отраслевой фон усиливает цену ошибки: по оценкам сторонних сервисов для селлеров, в среднем около 30% заказов на маркетплейсе возвращается, а в одежде и обуви доля возвратов доходит до 70%. Каждый возврат — это повторный цикл складской обработки, то есть боли первая и третья усиливают друг друга.

Наконец, руководитель отдела автоматизации складов Wildberries Андрей Ульянов публично обозначил и границу возможного: полная автоматизация склада, по его оценке, остаётся утопией — реалистичная цель для компании — гибрид, в котором автоматизация закрывает порядка половины процессов. Это редкое по трезвости целеполагание для рынка, привыкшего к обещаниям «безлюдных складов».

Решение

Публично подтверждены четыре направления работ — и по складскому теперь известны технические детали.

Склады. С 2024 года Wildberries строит портфель автоматизации: роботы-полочники по схеме goods-to-person (товар едет к человеку, а не человек к товару), роботизированные погрузчики для перемещения паллет, вертикальный кросс-белт-сортер (по данным RoboTrends, окупившийся примерно за 6 месяцев благодаря объёмам отгрузок) и промышленные роботы с машинным зрением для переброски товаров между конвейерными линиями. В марте 2025 года компания начала тестировать шестиосевые роборуки с собственным ИИ-софтом: машинное зрение распознаёт границы каждого товара, ранжирует товары по вероятности «лучшего» захвата, определяет положение и количество присосок и выбирает эффективную траекторию движения без столкновений. По данным TAdviser, производительность манипулятора — не менее 950 единиц в час при доле успешных захватов выше 97%; промышленная эксплуатация началась на действующей сортировочной линии в Коледино. «Наши роботы — это шаг к более умной и эффективной логистике», — говорит Андрей Фомин, руководитель отдела робототехники WB Automation. Следующий заявленный шаг — автономный мобильный робот для перевозки грузов.

Масштабирование подхода показал запуск склада в Красном Бору (первая очередь — 26 декабря 2025 года, 95 тысяч м² из проектных 154 тысяч): три вертикальные автоматические линии сортировки, конвейерные системы и роботы для автономного перемещения паллет; комплекс заменяет сгоревшие Шушары и становится хабом всего Северо-Западного федерального округа.

Размещение. С 2026 года (изменение оферты) компания сама перераспределяет товары продавцов между складами и регионами в зависимости от спроса — задача прогнозирования размещения снимается с селлера и решается алгоритмами платформы, которые, по данным RoboTrends, учитывают историю продаж и сезонность.

Покупательский опыт. Компания тестирует нейросетевой поиск и подбор товаров прямо в приложении, применяет ИИ-пересказ и фильтрацию отзывов.

Продавцы. В феврале 2026 года запущен ИИ-помощник для ответов на отзывы: продавец один раз настраивает параметры (например, автопубликацию ответов только на отзывы с 4–5 звёздами), дальше нейросеть работает сама — анализирует карточку товара, текст отзыва и прошлые ответы продавца, а при желании добавляет рекомендации сопутствующих товаров с артикулами. Если данных в карточке недостаточно, отзыв остаётся без ответа — осознанный предохранитель от галлюцинаций.

Результат

Количественных бизнес-результатов своих ИИ-систем Wildberries по-прежнему почти не раскрывает — это главное честное ограничение кейса. Опубликованы технические показатели: производительность роборуки не менее 950 единиц в час, доля успешных захватов выше 97% (TAdviser), окупаемость кросс-белт-сортера порядка 6 месяцев (RoboTrends). Публичная цель складской роботизации, озвученная Еленой Образцовой, директором по автоматизации маркетплейса Wildberries, — радикально снизить зависимость от складского персонала в горизонте одного-трёх лет; при этом её коллега Андрей Ульянов честно ограничивает амбицию гибридом с автоматизацией около половины процессов. Масштаб платформы (около 15 млн заказов в день, десятки миллиардов событий в день) подтверждён корпоративным блогом компании.

Динамика при этом видна невооружённым глазом по инфраструктурным запускам: от первых тестов промышленных роботов в 2024 году — к промышленной эксплуатации манипуляторов в Коледино в 2025-м и запуску целого роботизированного хаба в Красном Бору к концу 2025 года. Продуктовые ИИ-запуски (нейропоиск, ИИ-ответы на отзывы, автоперераспределение товаров) идут параллельно складским.

На наш взгляд, кейс Wildberries интересен именно как модель «ИИ без пресс-релизов об эффекте»: компания меняет операционную модель через оферту и инфраструктуру, а не через маркетинговые цифры. Автоперераспределение товаров — самый показательный пример: ИИ-система здесь меняет распределение ответственности между платформой и продавцом, и её «метрика» — юридический документ, а не процент в презентации. Для аналитиков рынка это напоминание: отсутствие публичных метрик не равно отсутствию внедрения — но и приписывать компании конкретные проценты улучшений без её публикаций нельзя.

Важно понимать и рамку технических цифр: 950 единиц в час и 97% захватов — это паспортные показатели конкретного типа манипулятора на сортировке, а не «эффективность ИИ Wildberries» в целом; отраслевые оценки возвратов (30%, до 70% в одежде) — контекст рынка, а не метрики компании. На наш взгляд, самый переносимый элемент кейса — трезвое целеполагание Ульянова: «гибрид с автоматизацией ~50% процессов» — более честная и достижимая рамка для складской роботизации, чем «безлюдный склад», и она применима к большинству логистических операторов.

Уроки для индустрии

1. Не все лидеры рынка публикуют метрики ИИ: у Wildberries документированы направления, техпоказатели роботов и цели, но не бизнес-эффекты. Любые «точные цифры» об ИИ WB в чужих кейсах стоит проверять по первоисточникам.
2. Самая измеримая ставка WB — операционная: роботизация склада с паспортными показателями (950 ед./час, захват >97%) и явной публичной целью снизить зависимость от персонала за 1–3 года.
3. Трезвое целеполагание бьёт лозунги: «полная автоматизация склада — утопия, реалистичен гибрид с ~50% процессов» (Андрей Ульянов) — более честная рамка, чем «безлюдный склад».
4. Догоняющий может двигаться быстро: от первых тестов роботов (2024) до промышленной эксплуатации манипуляторов и целого роботизированного хаба — меньше двух лет, за счёт собственного ИИ-софта.
5. Перенос задачи прогнозирования спроса с продавца на платформу (автоперераспределение по складам) — пример ИИ-продукта, который меняет правила игры через оферту, а не через интерфейс.
6. ИИ на маркетплейсе работает на три аудитории сразу: склад (роботы), покупатель (нейропоиск, отзывы), продавец (ассистент ответов) — и это разные проекты с разной экономикой.
7. Предохранители важнее охвата: ИИ-помощник WB оставляет отзыв без ответа, если в карточке товара мало данных, — осознанный выбор «лучше промолчать, чем нагаллюцинировать».
8. Отраслевые боли (около 30% возвратов, до 70% в одежде — оценки сторонних сервисов) — легитимный контекст, но приписывать компании конкретные улучшения без её публикаций нельзя.

Частые вопросы