Казалось бы, с приходом рыночной экономики такое понятие как дефицит должно исчезнуть. Однако отсутствие какого-нибудь ходового товара в нынешние времена далеко не редкость. И зачастую дело не в санкциях и не в урожае: всё чаще за дефицитом стоит не рынок, а нейросеть, которая «перестраховалась».
Арбузный парадокс
Арбузы - одно из самых ожидаемых летних лакомств. Вот только в нынешнем сезоне у прилавков с фруктами наблюдаются диковинные сцены: цена почти в два раза выше прошлогодней. Продавщица, лучше всех понимающая в геополитике, на чистом глазу объясняет: «Иран не шлёт». Конечно, скоро появятся ягоды собственного производства (внутренний спрос на арбузы Россия закрывает на 80-90%), однако в июне ситуация сложилась типичная для почти всей страны - ценой под 100 рублей за килограмм никого не удивить. В то же время урожай в Иране - есть. Засухи нет. Санкций новых не вводили. Но на прилавках — дорого. Откуда же тогда дефицит?
Если верить данным профильных телеграм-каналов, цены на иранские фрукты, включая арбузы, выросли на 25%, сроки доставки увеличились с одной недели до трёх, а стоимость фуры возросла с 300 000 рублей до 500 000 рублей. Причины эксперты называют очевидные: нестабильная ситуация на Ближнем Востоке и отказ многих водителей пересекать рисковые зоны, особенно после инцидентов на иранско-азербайджанской границе.
Именно здесь — в реакции на эти риски — и кроется «арбузный парадокс». В цепочке поставок, которые давно управляются предиктивными алгоритмами, любое отклонение от нормы интерпретируется как сигнал к снижению объёмов. Не экономист, не логист, а компьютер решает, сколько и чего нужно заказать. И если прогноз спроса оказывается ошибочным, реальный рынок расплачивается за эту ошибку пустыми прилавками. Как пишет Harvard Business Review в исследовании «How AI Is Changing Supply Chain Management», современные логистические нейросети, использующие машинное обучение, могут давать сбои даже при незначительном изменении контекста. Так произошло и сейчас. Алгоритм ошибся в прогнозе на 8%, что и привело к автоматическому сокращению объёмов заказов. В результате на прилавках дефицит, а на складах - затаривание, потому что нужный сигнал системы попросту «не дошёл». Физически товар есть, но алгоритм «зарубил» часть поставок - наглядный пример «цифрового дефицита». Алгоритмы обучаются на исторических данных: погоде, политике, сезонах, спросе, логистических задержках. Чем больше данных тем, казалось бы, надёжнее модель. Но парадокс в том, что даже минимальный сдвиг в поведении потребителя (например, из-за роста цен на бензин или аномального холодного июня) может привести к цепной реакции.
Создатель паники
Если в прошлом веке вина за дефицит объяснялась человеческим фактором — ошибка в накладной, срыв поставок, ЧП на складе, то сегодня решение по логистике всё чаще принимают ЭВМ. Искусственный интеллект управляет закупками, распределением запасов, складскими лимитами. Однако алгоритмы, обученные на исторических данных, не обладают интуицией. Они плохо различают контекст и не умеют реагировать на уникальные события. В случае с арбузами небольшая ошибка по прогнозу привела к тому, что система автоматически уменьшила количество контейнеров, отправляемых из Ирана. Люди не знали, что спрос будет выше, а программа уверенно посчитала наоборот. В результате никто не принял решение везти арбузы: ИИ, столкнувшись с нестандартным скачком запросов, «перестраховывался», а человек не взял на себя ответственность, потому что в случае чего пришлось бы нести убытки. В результате налицо эффект «самосбывающегося пророчества»: потребители замечают подорожание, начинают покупать про запас и тем самым подтверждают ошибочный прогноз. Ошибка ИИ, по сути, превращается в реальность, подкреплённую массовым поведением.
Цепочка автоматических решений
Упростить работу чиновников Псковской области решено при помощи нейросети. Искусственный интеллект «переведет» формулировки писем и прочих документов на понятный людям язык.
Вот как работают алгоритмы машинного обучения (ML), внедрённые в логистические платформы крупных ритейлеров и перевозчиков, главная задача которых «подстроить» поставки под потребительское поведение.
Допустим, в одном из регионов происходит всплеск онлайн-запросов на какой-то товар. Система фиксирует выросший интерес потребителей, значит, есть возможность получить прибыль, но необходимо минимизировать риски. Запускается цепочка действий:
• Временно замораживаются поставки — чтобы избежать «перебора».
• Повышается рекомендованная цена, чтобы охладить спрос.
• Ограничиваются объёмы отгрузок для перераспределения на «более стабильные» направления.
Теперь посмотрим на это с точки зрения потребителя. Люди замечают рост цен и пустеющие полки. Начинают покупать впрок, опасаясь дефицита. Поведение потребителей подтверждает прогноз. Алгоритм заносит себе в карму «плюсик», хотя его прогноз ошибочен изначально. «Прогнозы ИИ становятся особенно уязвимыми в условиях информационного шума: алгоритм может интерпретировать рост поисковых запросов или нестабильные погодные условия как угрозу поставкам и ограничить отгрузки без внешних подтверждений», говорят эксперты. Другими словами, алгоритм может принять за «сигнал тревоги» поведенческие данные, вызванные, например, ажиотажем в соцсетях или слухами. И в этом главная опасность.
Самосбывающееся пророчество
Вот пример из недавнего прошлого. Весной 2022 года в России временно исчез сахар. Не из-за нехватки, а потому что алгоритмы ритейлеров и маркетплейсов распознали резкий рост интереса как тревожный сигнал и ограничили продажи в онлайне, сократили региональные поставки и увеличили цены для сбалансирования спроса. В результате люди бросились закупать сахар, подтвердив ложный прогноз. И искусственно сформировали дефицит, которого объективно не было. Тогда эту ситуацию подтвердили в Роскачестве: «Не было бы паники — не было бы и дефицита».
Переместимся еще на пару лет в историю. В 2020 году с полок исчезли медицинские маски, в аптеках не достать было даже марли. Как выяснилось, дефицит был не физическим, а алгоритмическим: предиктивные системы маркетплейсов, зафиксировав резкий всплеск спроса, восприняли это как сигнал к риску. И вместо увеличения поставок «перестраховались» — заморозили остатки на складах, ограничили выдачу в онлайн-продажах, а в некоторых случаях и вовсе убрали товар с витрины. Логика проста: если резкий рост интереса не объясняется сезонностью или рекламной кампанией, значит возможны перебои с поставками, паника или спекуляции. Лучше «не дожать», чем «пережать». Как итог — маски были, но не для всех.
Важно понимать: не каждый сбой в прогнозе — ошибка в классическом смысле. Иногда это не баг, а фича. Алгоритм, допустивший неточность, может принести платформе больше прибыли, чем идеально точная модель. Почему? Потому что продажи растут!
Дефицит по учебнику
Когда товар резко исчезает с прилавков или вырастает в цене, пользователи ведут себя по-разному. Кто-то ищет альтернативу, кто-то готов заплатить больше, кто-то включает уведомления и ставит «в лист ожидания». Это рождает всплеск вовлечённости — ключевая метрика всех крупных маркетплейсов. А заодно взрывной рост продаж, в том числе спонтанных. В условиях «ограниченной доступности» активируются дополнительные сценарии, от экспресс-доставки до услуг предзаказа. Поставщики платят больше за гарантированное отображение в поиске. Агрегаторы — за приоритетную логистику. Покупатели — за ощущение контроля. Получается идеальный экономический цикл, где дефицит лишь повод для роста доходов.
Есть и ещё один нематериальный, но крайне ценный актив — поведенческие данные. Алгоритм, спровоцировавший ажиотаж, тут же начинает учиться на новой модели поведения: как люди реагируют, как меняются паттерны покупок, кто платит больше, кто готов ждать. Этот массив данных затем используется для «оптимизации» будущих поставок, которые... снова могут привести к дефициту. Круг замкнулся.
Человек нужен
Главная проблема «цифрового дефицита» — непрозрачность алгоритмов. Пользователь не знает, почему система решила ограничить поставки или поднять цены. Неясно, кто обучал модель, какие данные использовались, как проверялась корректность и кто несёт ответственность за сбой. Искусственный интеллект сегодня — это «чёрный ящик», ошибки которого бьют конечного потребителя по карману.
Пока у нас нет права на вопрос к системе, мы живём в мире, где дефицит не существует — но ощущается. Потому что его моделирует не экономика, не логистика и даже не рынок. Его моделирует ИИ, обученный на вчерашнем дне, но управляющий нашим завтрашним. И, что страшнее всего, человек перестаёт быть участником этого процесса.
