Недавно UiPath объявила о трехлетнем соглашении с британским онлайн-ритейлером The Very Group: агентный ИИ будет управлять ценообразованием по всему портфелю брендов Very и Littlewoods. Человеку остаётся настройка правил и разбор исключений.

Разберем кейс, отметим перспективы и расскажем, причем тут Process Mining. 

Зачем The Very Group агентный ИИ

The Very Group — один из крупнейших онлайн-ритейлеров Великобритании: выручка более £2 млрд в год, 4,2 млн покупателей, свыше 200 000 товаров под брендами Very и Littlewoods. При такой номенклатуре ручная переоценка попросту не успевает за рынком: аналитик пересматривает десятки позиций в день, а маркетплейсы-конкуренты беспрерывно меняют цены. 

По словам Сэма Райта, коммерческого директора The Very Group, ценообразование — один из самых мощных рычагов в рознице, а связка технологий позволит успевать за сменой потребительского спроса, а в идеале — опережать ее.

Агентный ИИ также обеспечит новый уровень прозрачности в отношении эффективности и прибыли, а также будет способствовать более взвешенному принятию решений во всей организации.

Как агенты и роботы делят работу

В своем сообщении компания описала архитектуру в общих чертах: агентный ИИ принимает ценовые решения, а рутинные операции по их внесению выполняются автоматически. 

Если достроить картину по продуктовой линейке UiPath — это уже наша интерпретация, внутренних деталей стороны не раскрывают, — схема выглядит так: агентные модели анализируют спрос, остатки и историю продаж и формируют ценовое решение, RPA вносят изменения в товарные карточки и учётные системы, а оркестрация связывает оба уровня в единый контур. Анонсом подтверждено одно: для UiPath это выход за пределы классической RPA в прикладной агентный ИИ для розницы.

Среди заявленных возможностей:

• объяснимость — каждый ценовой ход сопровождается аргументацией, которую может проверить человек. Коммерческий директор не согласует передачу цен «чёрному ящику»;
• симуляция промокампаний до запуска;
• сценарное планирование;
• автоматизация ручных операций ценообразования.

Человек остаётся в схеме, но функция у него другая: вместо ручного пересчёта позиций — настройка правил и разбор исключений. Кэтрин Фрейм, директор по решениям для розницы UiPath, сформулировала это так: агентный ИИ «фундаментально меняет розничное ценообразование», сочетая автоматизацию с интеллектуальными и объяснимыми решениями.

При чём тут Process Mining

Сразу оговоримся: в анонсе UiPath упоминаний Process Mining нет. Мы же считаем эту связку обязательной по простой причине: агенту нельзя доверить процесс, который компания не видит. Ценообразование в крупной рознице — цепочка согласований между категорийным менеджментом, коммерцией и финансами, и в реальности она почти всегда отличается от регламента. Process Mining строит граф фактического процесса по журналам событий учетных и товарных систем: сколько согласований проходит цена, где решения застревают и какие развилки выполняются вручную. Task Mining добавляет уровень операций конкретного аналитика.

Рабочая последовательность: журнал событий → граф фактического процесса → узкие места → кандидаты на автоматизацию → передача решений агенту → мониторинг соответствия после запуска. Без первых шагов агент воспроизведёт существующие ошибки процесса, только в большем масштабе и с большей скоростью.

Российская практика идет по той же логике. Альфа-Банк объединил Process Mining-платформу с собственной моделью AlfaGen; целевой ориентир — автоматизация до 80% рутинных задач за один-два года.

Эффекты и риски автоматической переоценки

Заявленные цели проекта — оптимизация валовой маржи, управление запасами и гибкость цен. Численных результатов пока нет, а первые итоги появятся после окончания пилота. Контекст сделки шире одного ритейлера: Gartner прогнозирует, что к концу 2026 года до 40% корпоративных приложений будут включать специализированных ИИ-агентов — против менее 5% в 2025 году. 

Риски у автопереоценки конкретные. Агент, реагирующий на цены конкурентов, может войти в петлю взаимного снижения или выставить аномальную цену, которую покупатели заметят раньше службы контроля. В российской юрисдикции добавляется и регуляторный риск: алгоритмическое ценообразование попадает в поле зрения ФАС, если ведёт к согласованным действиям на рынке. Есть репутационный риск: скриншоты ошибочной цены, показанной миллионам посетителей, продолжают расходиться по соцсетям и после исправления. Защититься помогают ценовые коридоры и стоп-правила; спорные решения разбирает человек.

Проекция на российский рынок

По данным Ассоциации ФинТех, главным направлением развития ИИ в 2026 году станет внедрение ИИ-агентов. По оценке агентства Onside, российский рынок генеративного ИИ по итогам 2025 года достиг 58 млрд рублей. Исследование подготовлено при поддержке Just AI. 

Аналогичная связка собирается из отечественных компонентов. Закрыт и слой RPA, и Process Mining. Готового коробочного решения агентного ценообразования, сопоставимого с описанным, на российском рынке пока нет — собирать придётся из отдельных продуктов.

Стартовый набор ритейлера, на наш взгляд — данные (журналы событий с временными метками по ценам, остаткам и продажам в машиночитаемом виде), процессная зрелость (переоценка формализована и подтверждена Process Mining) и пилот на одной товарной категории с измеримой базой сравнения.