1С:WMS: управление складом и что автоматизирует ИИ-агент

Компания вела склад в «1С:WMS Логистика. Управление складом»: приёмка, размещение, отбор, контроль, упаковка и отгрузка шли в одной системе, задачи выдавались на терминалы сбора данных, остаток по каждой ячейке был виден в реальном времени, а инвентаризация проводилась по областям без остановки склада. Учёт был полный: по каждому паллето-месту и коробу известно, откуда он пришёл, где лежит и в какой заказ ушёл; по смене видно выработку и количество операций. Не делала система одного — не собирала из этих данных решение. Свод по трём складам (а каждый склад, как и задумано вендором, жил в своей базе) по-прежнему готовился в Excel, расхождения приёмки и отбора разбирались по факту, нормы подпитки зоны отбора и структура размещения пересматривались редко — обычно тогда, когда на складе уже стало тесно или посыпались отгрузки. Именно этот разрыв — между операцией и решением — закрывает ИИ-агент: программа, которая по заданному правилу сама читает данные из учётной системы и выполняет шаги.

«1С:WMS Логистика. Управление складом» — это не надстройка над учётом, а система управления грузообработкой. Вендор описывает её как решение для автоматизированного управления всеми технологическими процессами современного высокоинтенсивного складского комплекса в режиме реального времени и перечисляет типы складов, под которые оно рассчитано: крупно-оптовые и производственные склады с небольшим ассортиментом, где товар приходит и уходит паллетами; мелкооптовые и розничные склады со средним и большим ассортиментом, где товар движется в любых единицах хранения; склады транспортных компаний с обезличенными грузами; склады ответственного хранения. В функционале — приёмка (в том числе доверительная и кросс-докинг), размещение по настраиваемым стратегиям с ABC/XYZ-анализом, отбор кластерный, групповой и волнами под временные окна отгрузки, подпитка зоны отбора с автоматическим расчётом минимального и максимального уровня по статистике, инвентаризация по ограниченной области или товарной группе без остановки склада, расчёт выработки персонала по объёму, весу и числу операций, анализ продуктивности смены и отчёты на системе компоновки данных (solutions.1c.ru). Это вендорское описание продукта, а не независимая оценка эффективности, — но из него прямо следует, что данные и правила на складе уже описаны.

Из того же описания видны границы, которые важно знать до того, как считать эффект. Первая: в одной базе ведётся один физический склад — при необходимости работы на нескольких складах вендор предлагает создавать для каждого склада отдельную информационную базу. То есть свод по складам, сравнение площадок между собой и решения о перегрузке товара с одной площадки на другую лежат вне системы. Вторая: работа строится на терминалах сбора данных и беспроводной сети, «бумажная» технология остаётся резервной — значит, история операций подробная, её не нужно собирать дополнительно. Третья: маркировка. Учёт и валидация кодов цифровой маркировки идёт с обменом данными с государственной системой «Честный знак», а передача фактических кодов — в корпоративный контур «1С:ERP», «1С:Комплексная автоматизация» или «1С:Управление торговлей», потому что прямое взаимодействие с государственной системой ведётся именно там. Четвёртая: закупки, цены и финансы — не зона склада, это контур ERP. И ещё одна деталь из документации вендора: предшественник «1С-Логистика:Управление складом 3.0» больше не развивается и не поддерживает терминалы на Android, поэтому вендор рекомендует переходить на современное решение «1С:WMS» (solutions.1c.ru).

Цифры по отрасли объясняют, почему задача со складом редко решается одним железом. Аналитики КСЛ оценили, что за 2019–2024 годы в России роботизировано 5,9% качественных складских площадей, при этом 25,9% опрошенных компаний запланировали внедрение роботизированных решений на 2025–2027 годы, а одобренные бюджеты на один-три года есть у 7,2% складов. Ёмкость рынка складской роботизации на пятилетнем горизонте оценена примерно в 230 млрд рублей, из которых около 37 млрд рублей пришлось на инвестиции в 2025 году и ещё около 29 млрд рублей запланировано на 2026 год; в стране реализовано или находится в стадии реализации более 120 проектов. Опрос проводился в марте–апреле 2025 года, в нём участвовали 558 промышленных и торговых компаний. Там же назван размер фонда оплаты труда, из-за которого склады и автоматизируют: заработная плата операторов подъёмно-транспортного оборудования (ПТО) составляет от 82 до 157 тысяч рублей в месяц (journal.reindustry-expo.ru). Вывод для планирования простой: капитальные проекты идут своим чередом — шаттлы, краны-штабелёры и напольные роботы стоят десятки миллионов, окупаются годами и требуют перестройки процессов. А слой, который превращает уже собранные данные операций в решения, на большинстве складов не закрыт никем.

Второй факт — про то, что именно даёт эффект. X5 Group по итогам 2025 года раскрыла совокупный экономический эффект от ИИ-решений около 5 млрд рублей дополнительной операционной прибыли и назвала основным вкладом в EBITDA модели, встроенные в прогнозирование спроса и пополнение, ценообразование, управление ассортиментом и рекомендательные механики; финансовый эффект компания оценивает через вклад в EBITDA, экономию операционных затрат и стоимость владения решением, а для ключевых инициатив валидирует его A/B-тестами и финансовыми моделями (x5.ru). Это цифра одного игрока с выручкой в несколько триллионов рублей, переносить её на дистрибьютора с тремя складами нельзя — переносится принцип: первым в списке вклада стоит пополнение, то есть связка «прогноз спроса → запас → задача складу», а не роботизация операций. Аналитический центр проекта STAQ по итогам I полугодия 2026 года оценил долю инструментов искусственного интеллекта в цифровых экосистемах российских ритейлеров в 26% и указал, что около 60% прироста пришлось на операционные сценарии — управление заявками, обслуживание оборудования и поддержку персонала — вместо витринных механик. Там же сформулирован риск, который стоит держать в голове до старта: там, где ИИ внедряли как отдельную технологию без привязки к операционной метрике, точность модели улучшалась, а бизнес-показатель не менялся (cnews.ru).

Третий факт — про масштаб рынка складских систем. По оценке исследовательской компании Precedence Research, мировой рынок систем управления складом в 2026 году составляет 6,78 млрд долларов, а к 2035 году вырастет до 30,50 млрд долларов при среднегодовом темпе 18,32% (precedenceresearch.com). Это оценка исследовательской компании, а не замер внедрений, но она показывает, куда идут деньги: система управления складом перестаёт быть учётной надстройкой и становится центром данных о запасе. На этом фоне российская практика выглядит так: у большинства складов есть 1С и WMS, а умного разбора нет. Разработчик складских систем INTEKEY в разборе на «Хабре» пишет прямо, что в реальности большинства российских складов — Excel, 1С, ручное планирование смен и маршрутов, зависимость от ключевых людей и высокие операционные издержки, тогда как на складах Amazon в 2025 году работает уже более миллиона роботов по открытым данным, а алгоритмы размещения и маршрутов отбора дают до 80% потенциального эффекта по сокращению пробегов и ускорению отбора (habr.com). Цифра про 80% — вендорская оценка автора статьи, разработчика WMS; она идёт не как гарантия, а как порядок величины: основной эффект даёт не новое оборудование, а правила, по которым система раскладывает товар и ведёт отбор.

Коротко

«1С:WMS» ведёт операции склада в реальном времени: приёмку, размещение, отбор, упаковку, отгрузку, инвентаризацию, задачи на терминалах сбора данных. Не закрывает она сборку данных в решение: свод по складам, разбор отклонений и пересмотр норм делают люди. ИИ-агент читает задачи, остатки и историю операций, находит узкие места и расхождения и возвращает разбор. Решения остаются за человеком.

Содержание

• Почему отклонения на складе видно поздно
• Что съедает время между сигналом и решением
• Что делает ИИ-агент поверх «1С:WMS»
• Какие риски это снимает
• Сколько часов это возвращает
• Что остаётся за человеком
• Чеклист: что проверить в «1С:WMS» до подключения агента
• Как это выглядит на практике
• Как внедрить поэтапно
• Источники

Почему отклонения на складе видно поздно

Склад — это место, где данных о работе больше, чем где-либо в компании, и где из них почти не делают решений. Разберём механику.

Система управляет операцией, а не запасом. «1С:WMS» отвечает на вопрос «что делать сейчас»: какую задачу выдать комплектовщику, куда положить паллету, что пополнить в зоне отбора. Вопрос «правильно ли устроен запас» — из другого ряда: не про смену, а про месяц. Он требует свести остатки по всем ячейкам, продажи, сроки поставки и отгрузки и сравнить это с тем, что лежит на складе. Первое делает система, второе делает человек, и делает его в другой программе.

Работа со «статистикой» даёт инерцию. Минимум и максимум зоны отбора в «1С:WMS» рассчитываются автоматически на основании статистических данных, а ABC/XYZ-анализ используется при планировании ячеек и зон размещения и своевременного пополнения запаса. Это правильные механизмы, но они смотрят назад: если правила один раз задали под прошлогодний спрос, они и будут воспроизводить прошлогоднюю раскладку. Отклонение видно, только если кто-то регулярно смотрит на динамику — а этого регулярного просмотра в регламенте склада обычно нет.

Три склада в трёх базах — три отдельные правды. Вендор прямо говорит: в одной базе ведётся один физический склад, для нескольких складов создаются отдельные информационные базы. Дальше работает арифметика: чтобы понять, что на одном складе лежит товар, который нужен другому, нужно выгрузить три базы и сопоставить позиции, сроки и остатки. Это делается руками, редко и по тревоге — когда у клиента сорвалась отгрузка. А ведь перегрузка между площадками — самый дешёвый способ закрыть дефицит: она не требует закупки, только решения.

Расхождения приёмки живут до инвентаризации. Приёмка может идти в доверительном режиме, по факту, поконтейнерно, с предварительным пересчётом по местам. Каждое расхождение — недостача или излишек, и у него есть владелец только в момент оформления. Дальше он превращается в строчку, которую разберут через месяц, когда поставщику уже нечего предъявить, а сроки возврата прошли.

«Мёртвые» ячейки и неликвид видны по факту. Товар с редкими продажами занимает ячейку в зоне отбора, куда его положили по стратегии; позиция без движения стоит занятой и не выдаёт себя никаким сигналом; сезонный остаток обнаруживается при следующем сезоне. Пока это не сопоставлено с динамикой продаж, склад платит площадью и вниманием комплектовщика.

Узкое место смены видно только по итогу дня. Выработка и продуктивность считаются по персоналу и операциям, но причина, по которой смена не выдала план, лежит между операциями: где-то подпитка не успела, где-то отбор ушёл в дальние ячейки, где-то на приёмке встала разгрузка. Это видно на следующий день, когда менять уже нечего.

Метрика не названа до старта. Что считаем отклонением: ноль в ячейке отбора при спросе, расхождение приёмки больше порога, позицию без движения более срока поставки, смену с продуктивностью ниже плановой? Пока правило живёт в голове начальника склада, каждый спор решается по должности, а не по цифре.

Практический вывод: проблема склада не в отсутствии данных — данных много, и они подробные. Проблема в том, что между операцией и решением нет регулярной процедуры, а ручная процедура не выдерживает масштаба площадки. Смежные процессы устроены так же: как из истории продаж получается прогноз — в разборе прогнозирования спроса в 1С и WMS (WMS, Warehouse Management System — система управления складом), а как из остатков получается решение по позиции — в материале про управление остатками на складе.

Что съедает время между сигналом и решением

Разложим путь от «в системе всё есть» до «решение принято». На складе он повторяется почти дословно:

• Выгрузка и сведение. Задачи и операции по складам, остатки по ячейкам, история приёмки, отбора и отгрузки за период. Данные лежат в базах «1С:WMS», но чтобы получить из них одну таблицу, нужна выгрузка и сведение по трём складам.
• Нормализация справочников. Одна позиция под двумя названиями, разные единицы хранения в одной карточке, ячейки без признака зоны, товары без группы. Без этого любое сравнение даст мусор.
• Сверка расхождений. Приёмка против накладной, отбор против заказа, отгрузка против плана, коды маркировки против документов. Самая неприятная работа: она всегда выявляет чужие ошибки.
• Разбор остатков по ячейкам. Что лежит в зоне отбора вопреки спросу, что стоит без движения, где заканчивается срок годности, где перегруз по весу и объёму.
• Сравнение площадок. Что на одном складе в излишке, а на другом в дефиците при том же спросе. Требует одинаковой базы сравнения — иначе площадки с разной структурой заказов сравниваются напрямую.
• Расчёт денег. Сколько стоит неликвид, сколько — простой ячеек, сколько — повторный рейс из-за недосборки. Пункт пропускают чаще остальных: результат неприятен, а решение требует согласования с коммерцией.
• Пересмотр правил. Нормы подпитки, приоритеты размещения, ABC-структура зоны отбора. Требует спокойного часа и данных, которые надо было собрать заранее.
• Подготовка решения. Что перегрузить между складами, что вывести из зоны отбора, где усилить смену, что вернуть поставщику.
• Согласование и передача. Решение нужно донести до складов, оформить и потом проверить, что получилось. История решений при этом нигде не остаётся.

Каждый пункт выглядит мелочью. Вместе они дают задержку в месяц — и решение по запасу принимается по прошлому спросу. Похожим образом устроены соседние процессы: как решения по доставке укладываются во временные окна — в материале про маршрутизацию доставки, а как из потребности появляется заказ поставщику — в разборе закупок и снабжения.

Что делает ИИ-агент поверх «1С:WMS»

Агент не заменяет систему и не становится ещё одним окном, которое надо открывать. Он читает то, что уже работает, и возвращает результат туда же — в рабочее место начальника склада и руководителя логистики.

1. Читает задачи и операции. Что выдавалось смене, что выполнено, что переоткрывалось, сколько времени занял каждый тип операции — по каждому сотруднику, зоне и складу.
2. Читает остатки по ячейкам и историю движения. Где лежит товар, когда он туда попал, сколько раз двигался, участвовал ли в отборе, что стоит без движения.
3. Читает приёмку, размещение, отбор, контроль и отгрузку. Не итоги, а историю шагов: расхождения приёмки, отбор не по той ячейке, повторные подходы, возвраты, отмены задач.
4. Читает нормы и правила склада. Минимум и максимум зоны отбора, приоритеты и стратегии размещения, признаки зон и ячеек, ограничения по габаритам, весу и температуре.
5. Сводит склады между собой. Три базы превращает в один разбор: где излишек, где дефицит, что можно перегрузить, чтобы не закупать.
6. Ищет отклонения и узкие места. Расхождения приёмки без решения, позиции без движения, ячейки отбора с нулём при спросе, переполнение и недогруз зон, участки смены, где срывается поток задач.
7. Собирает разбор для руководителя. Не выгрузку на сотню строк, а короткий документ: что происходит на складах, где это стоит денег, какое решение нужно и до какой даты оно актуально.
8. Ведёт журнал. «Отклонение → владелец → действие → результат»: кто получил сигнал, что решил, помогло ли. Журнал закрывает человек, и он же остаётся доказательной базой.

Меняется горизонт: расхождение приёмки видно в тот же день, а не через месяц; позиция без движения — пока в ней ещё есть деньги, которые можно вернуть скидкой или перегрузкой; перегруз между площадками — до того, как дефицит добрался до отгрузки клиенту. Важная деталь: система уже описывает и запас, и операции — от приёмки с кросс-докингом до подпитки зоны отбора и инвентаризации без остановки склада. То есть правила, зоны и справочники описаны, агенту есть на что опираться, и ни одна система при этом не заменяется. Если склад работает в связке с производством, рядом живёт ещё один контур данных — он разобран в материале про производственный блок 1С:ERP; а как агент подключается к учётной системе в целом — в разборе ИИ-агента для 1С.

Какие риски это снимает

Часы — не главный аргумент, они идут следом. Ставка выше: на складе ошибка стоит денег сразу, а видно её становится позже — когда товар уже испорчен, клиент уже получил недосборку, а поставщику уже нечего предъявить. Разберём риски по одному.

Расхождение приёмки, которое некому предъявить

Недовоз, пересорт, бой при транспортировке. Пока расхождение не оформлено и не подтверждено документами, оно превращается в недостачу склада: претензия поставщику не выставлена, возврат не оформлен, деньги списаны в издержки. Цена вопроса измеряется не размером одной недостачи, а регулярностью: если разбор идёт раз в месяц, часть расхождений закрывается без доказательств. В типовом расчёте ниже разбор расхождений приёмки и отбора занимает 14 часов в месяц — это 21 000 рублей при стоимости часа 1 500 рублей, потраченных на то, чтобы обнаружить проблему, когда предъявить её уже нельзя.

Просрочка и порча: списание вместо продажи

Товар с ограниченным сроком лежит в ячейке и не попадает в отбор, потому что заказ собрали из другой партии. Если по позиции не видно ни возраст запаса, ни динамика спроса, единственным решением остаётся списание, а списание дороже скидки — оно возвращает ноль. Риск оценивается сценарием: чем позже позиция попала в разбор, тем меньше вариантов — сначала их четыре (перегрузить, продать со скидкой, вернуть поставщику, списать), потом два, потом один.

Недосборка и повторный рейс

Ошибка отбора уходит не в брак, а к клиенту: недосборка вскрывается на приёмке у сети, где за неё есть штраф и возврат, а рейс уже прошёл. Каждая такая история — повторные логистические расходы на фоне растущей стоимости ресурсов: по данным исследования КСЛ, за пять лет существенно выросли затраты на линейный персонал, а зарплата операторов подъёмно-транспортного оборудования составляет от 82 до 157 тысяч рублей в месяц. Повторный рейс с этой ставкой — всегда дороже, чем пять минут проверки перед закрытием заказа.

Неликвид и деньги, замороженные в ячейках

Позиция без движения занимает место в зоне отбора — самой дорогой по вниманию и площади. Цена вопроса двойная: деньги, замороженные в товаре, и пропускная способность склада, которую эта позиция съедает. Тот, кто видит проблему вовремя, выходит скидкой или перегрузкой на площадку, где спрос есть; тот, кто узнаёт о ней в конце года, списывает. Отраслевой ориентир здесь — принцип X5: основной вклад в EBITDA дают модели, встроенные в пополнение и управление запасом, то есть именно связка «остаток — спрос — решение», а не разовая инвентаризация.

Дефицит на одном складе при излишке на другом

Три базы живут отдельно, поэтому товар может быть одновременно в излишке на одном складе и в дефиците на другом. Обнаруживается это, когда у клиента «не отгрузилось», а это уже разговор о сроках и неустойке, а не о внутренней логистике. Отдельно про работу с этим измерением — в разборе управление остатками на складе; как устроена политика запаса, где заканчивается излишек и начинается дефицит, — в материале про управление ассортиментом.

Устаревшие нормы и «мёртвые» ячейки

Нормы подпитки и приоритеты размещения задаются один раз и живут годами. За это время меняется структура заказов: то, что раньше отбиралось коробами, ушло в штучный отбор волнами, а ячейки остались настроены под старую логику. Пересмотр правил занимает 10 часов в месяц — цена не в часах, а в том, что склад продолжает работать по вчерашней раскладке, а решение по нему откладывают, потому что «надо разобраться в данных».

Простой людей и техники из-за непонятного узкого места

Смена не выдала план — на следующий день об этом знают, но причину ищут руками: где встала разгрузка, почему не успела подпитка зоны отбора, почему отбор ушёл в дальние ячейки. Пока причина не найдена, решение принимают наугад — усиливают не то место. Техника при этом оплачивается по факту владения, а люди — по ставке из исследования КСЛ.

Регуляторный риск по маркировке

«1С:WMS» умеет работать с цифровыми кодами маркировки и валидировать их с государственной системой «Честный знак», но качество данных зависит от людей: код не считан, агрегация не оформлена, транспортная упаковка разошлась с товарным составом. Оценивается не рублём, а сценарием: при проверке или при расхождении с данными государственной системы склад предъявляет документы, которых не хватает, и разговор идёт по факту отсутствия подтверждения, а не по факту нарушения. Задача регулярного разбора здесь одна — чтобы к моменту вопроса документы сходились.

Зависимость от человека, который знает, как настроить склад

Почти на каждом складе есть сотрудник, который помнит, почему зона отбора открыта именно в этих ячейках, какие нормы менялись и где данные традиционно грязные. Его отпуск или уход останавливает управленческий контур: правила восстанавливаются заново, а вместе с ними заново совершаются те же ошибки. Риск не в человеке, а в том, что процедура не описана: агент переводит её в правило — набор данных, формулы, пороги и формат разбора зафиксированы и воспроизводятся без носителя.

Сколько часов это возвращает

Часы — следствие, но их полезно посчитать, чтобы понимать масштаб. Типовой расчёт для одного высокоинтенсивного склада с ассортиментом около 8 000 позиций в зоне хранения и отбора, где свод и разбор операций делают раз в месяц. Вводные берите свои — методика не меняется.

Показатель	Вручную	С агентом
Свод задач, выработки и операций по складу	18 часов в месяц	4 часа (проверка разбора)
Разбор расхождений приёмки, отбора и сортировки	14 часов в месяц	3 часа
Неликвид, позиции без движения и «мёртвые» ячейки	12 часов в месяц	3 часа
Пересмотр норм подпитки зоны отбора и структуры размещения	10 часов в месяц	3 часа
Предложения по перегрузке между складами и отгрузке	8 часов в месяц	5 часов (спорные позиции и согласования)
Отчёт руководителю и объяснение отклонений	6 часов в месяц	2 часа
Всего в месяц	68 часов	20 часов
Возвращённое время	—	48 часов в месяц
В деньгах при стоимости часа 1 500 рублей	—	72 000 рублей в месяц

Арифметика открытая: 18 + 14 + 12 + 10 + 8 + 6 = 68 часов в месяц. С агентом человек не собирает выгрузки и не сверяет таблицы вручную, а проверяет готовый разбор и решает по спорным позициям: 4 + 3 + 3 + 3 + 5 + 2 = 20 часов. Разница — 48 часов в месяц, то есть шесть рабочих дней одного сотрудника; при стоимости часа 1 500 рублей это 72 000 рублей в месяц на одном складе. Масштаб виден на сети: на трёх складах ручной контур занимает 204 часа в месяц, с агентом — 60 часов, то есть 144 часа и около 216 000 рублей в месяц, или порядка 2,6 млн рублей за год. Формулировка «типовой расчёт» здесь принципиальна: это математика на заявленных вводных, а не чей-то замер, и реальный эффект зависит от того, насколько разные площадки и сколько позиций приходится пересматривать. Возвращённые часы — не главный результат: главное в том, что решение по запасу и по загрузке склада появляется в том же цикле, в котором изменился спрос, а не через месяц после него.

Что остаётся за человеком

Границу ответственности нужно задать до пилота, а не после первой недостачи:

• Решение по запасу и загрузке — только человек. Агент готовит разбор и варианты, начальник склада и коммерческий директор принимают решение.
• Права менять данные у агента отсутствуют. Только чтение и расчёт: без создания документов, изменения норм, стратегий размещения и закрытия задач.
• Правила задаёт человек. Что считаем расхождением, какой срок без движения означает вывод из зоны отбора, какие позиции нельзя перегружать между складами.
• Местные договорённости остаются в силе. Позиция, которая не двигается по данным, но нужна конкретному клиенту, остаётся на складе: агент показывает факт, а не отменяет решение руководителя.
• Претензионная работа — за человеком. Агент находит расхождение и показывает, где оно возникло, но разговор с поставщиком и взыскание — работа людей.
• Полный журнал решений. Любое предложение объяснимо: на какой истории операций, каком спросе и каком правиле оно построено. Это же и доказательная база для разговора с поставщиком и с сетью.

Чеклист: что проверить в «1С:WMS» до подключения агента

Это тот же чеклист, с которого мы начинаем каждый складской проект. Он бесполезен как список «посмотреть», но работает как список работ: пункты 1–3 закрываются за день-два, пункты 4–6 обычно занимают неделю, и именно они определяют, насколько быстро появится первый разбор.

1. Данные и история — Операции по складам выгружаются с детализацией до задачи и сотрудника минимум за 12 месяцев — без года истории сезонность не считается. — Остатки по ячейкам доступны на конец дня и сходятся с фактическими хотя бы в основной зоне хранения. — Приёмка и отгрузка доступны с причинами расхождений, а не одной строкой «корректировка».

2. Справочники — Позиции с дублирующими названиями и разными единицами хранения в одной карточке — есть список, а не догадки. — Зоны и ячейки размечены признаками зоны и ограничениями (габариты, вес, температура), а не только адресом. — ABC/XYZ-признаки в системе совпадают с той логикой размещения, по которой реально работает склад.

3. Правила — Зафиксировано, что считаем расхождением приёмки: абсолютный порог, процент или оба сразу. — Зафиксировано, сколько времени без движения означает вывод позиции из зоны отбора. — Перечислены позиции и группы, которые нельзя перегружать между складами и выводить из зоны отбора никогда.

4. Контур данных — Описано, что агент читает: задачи, операции, остатки по ячейкам, историю приёмки, отбора и отгрузки, нормы, справочники. — Определено, куда возвращается разбор: рабочее место начальника склада и руководителя логистики, а не отдельный чат. — Решено, какие данные уходят во внешнюю модель, а какие остаются внутри контура компании.

5. Метрика — Названы четыре числа до старта: часы на свод и сверки по складам, число открытых расхождений приёмки и отбора, доля позиций с нулём в зоне отбора при спросе, срок от отклонения до решения. — Известно, откуда эти числа берутся сейчас, — иначе через месяц не с чем сравнивать.

6. Права и границы — Права агента описаны явно: чтение и расчёт, без записи в систему. — Определён человек, который закрывает журнал и отвечает за решения по запасу.

Если учётной системы пока нет и порядок на складе только наводится, первый шаг — тот же по смыслу: сначала правила и данные, потом автоматизация. Для этого есть шаблон складского учёта в Excel: он считает остаток по каждому наименованию и подсвечивает позиции ниже минимального запаса.

Как это выглядит на практике

В логистике наши проекты начинались одинаково — не с агента, а с инвентаризации данных. Мы сверяли, что действительно живёт в учёте, а что в таблицах сотрудников: где одна позиция заведена под двумя названиями, где остатки по ячейкам расходятся с фактическими, где нормы подпитки стоят с прошлого года. Дальше фиксировали правила: что считаем расхождением приёмки, какой срок без движения означает вывод из зоны отбора, по какой паре «позиция — склад» принимаем решение о перегрузке. Запрос со стороны бизнеса звучал так: «мы узнаём, что товар стоит, когда его уже пора списывать». Первый цикл «операции → свод по складам → разбор → решение → проверка» запускался на одной зоне и одной группе товаров: сравнивать площадки с разной структурой заказов без нормализации бессмысленно, поэтому сначала данные, потом сравнения. В работе с сетью общепита логика оказалась той же: там проект начинался с диагностики и настройки инструмента под конкретное рабочее место, а не с большого внедрения. Основную работу в обоих случаях дали подготовка данных и правила, а не модель: как только справочники и правила сходятся, регулярный разбор операций по складу становится процедурой, а не проектом на квартал. Смежные задачи устроены похожим образом: как управленческий контур строится в рознице — в разборе «1С:Розница», а как выглядит диспетчеризация на производстве — в материале про диспетчеризацию производства.

Как внедрить поэтапно

1. Выберите одну зону и одну группу товаров. Зона отбора и позиции с высокой оборачиваемостью — там отклонение видно быстрее всего. Так результат проверяется за месяц, а не за квартал.
2. Сверьте данные. Задачи, операции, остатки по ячейкам, история приёмки и отбора минимум за год. Расхождения — не помеха, а первый список задач: именно они съедают время начальника склада.
3. Зафиксируйте правила. Что считаем расхождением, сколько времени без движения означает вывод из зоны отбора, какие позиции не перегружаем никогда. Правило пишется один раз и переиспользуется.
4. Опишите контур данных. Что агент читает — задачи, операции, остатки, историю, нормы, справочники — и куда возвращает разбор: в рабочее место начальника склада, а не в отдельный чат.
5. Прогоните расчёт на закрытых периодах. Так появляется эталон: известно, какие позиции в тот период действительно стояли и где были расхождения, — и видно, что агент пропустил или где ошибся.
6. Ограничьте права явно. Чтение и расчёт. Без права менять нормы, стратегии размещения, документы и справочники.
7. Померьте четыре числа. Часы на свод и сверки, число открытых расхождений, доля позиций с нулём в зоне отбора при спросе, срок от отклонения до решения. Именно они, а не презентация, — основание расширять пилот на второй склад.

Что в итоге

«1С:WMS» — это контур данных и операций склада: приёмка, в том числе доверительная и кросс-докинг, размещение со стратегиями и ABC/XYZ-анализом, отбор кластерный, групповой и волнами, контроль, упаковка и отгрузка, подпитка зоны отбора с автоматическим расчётом уровней, инвентаризация без остановки склада, учёт кодов маркировки с валидацией в «Честном знаке», выработка и продуктивность персонала, отчётность. Всё, что нужно для управления операциями склада, в системе есть — и это подтверждает вендорское описание, а не наша оценка. Чего в системе нет: свода по нескольким складам (в одной базе — один физический склад), регулярного разбора отклонений и процедуры пересмотра норм. Пока это так, склад платит рисками: расхождением приёмки, которое некому предъявить; просрочкой, которая уходит в списание вместо продажи; недосборкой и повторным рейсом; неликвидом и замороженными деньгами в ячейках; дефицитом на одном складе при излишке на другом; устаревшими нормами; простоем из-за непонятного узкого места; вопросами к документам при проверке по маркировке — и зависимостью от одного человека, который знает, как настроен склад.

Агент поверх «1С:WMS» закрывает именно разрыв между операцией и решением: часы идут следом (48 часов в месяц, или 72 000 рублей при ставке 1 500 рублей в час на одном складе, и около 2,6 млн рублей в год на трёх, по типовому расчёту), а первым результатом становится управляемость — отклонение видно в момент появления, у каждого пункта есть владелец, решение принимается человеком и остаётся в журнале. Направление подтверждено рынком: доля ИИ-инструментов в цифровых экосистемах российских ритейлеров достигла 26% по итогам I полугодия 2026 года, и шесть из десяти пунктов прироста пришли в операционные сценарии, а не в работу с покупателем; при этом отрасль продолжает вкладываться в физическую автоматизацию — за 2019–2024 годы роботизировано 5,9% качественных складских площадей. Если хотите понять, где ваши склады теряют на своде и расхождениях, начните с одной зоны и нескольких групп товаров и пройдите чеклист из шести пунктов. Остальные материалы по этому направлению собраны в рубрике ИИ в логистике.

Источники

• «1С», описание решения «1С:Предприятие 8. WMS Логистика. Управление складом»: автоматизированное управление всеми технологическими процессами грузообработки высокоинтенсивного складского комплекса в режиме реального времени; типы складов — крупно-оптовые и производственные, мелкооптовые и розничные, склады транспортных компаний, склады ответственного хранения; лицензии на 100, 300 и 500 радиотерминалов; вендорское описание продукта, а не независимая оценка эффекта: solutions.1c.ru
• «1С», страница возможностей того же решения: онлайн-информация об остатках; управление приёмкой (в том числе доверительной и кросс-докингом), размещением, перемещением, отбором и отгрузкой; стратегии размещения и ABC/XYZ-анализ для планирования ячеек и пополнения запаса; подпитка зоны отбора с автоматическим расчётом минимального и максимального количества по статистике; инвентаризация произвольной области без остановки склада; расчёт выработки персонала и анализ продуктивности (KPI); онлайн-обмен с «1С:TMS Логистика. Управление перевозками»; обмен кодами цифровой маркировки с «Честным знаком» и передача кодов в «1С:ERP»; учёт одного физического склада в базе; вендорская рекомендация переходить с «1С-Логистика:Управление складом 3.0» на «1С:WMS»: solutions.1c.ru
• Исследование КСЛ «Рынок складской роботизации в России в 2025–2030 годах» (публикация в отраслевом журнале Reindustry, декабрь 2025 года): за 2019–2024 годы роботизировано 5,9% качественных складских площадей; 25,9% опрошенных компаний запланировали внедрение роботизированных решений на 2025–2027 годы; доля складов с одобренными бюджетами на один-три года — 7,2%; ёмкость рынка складской роботизации на пять лет — около 230 млрд рублей, из них порядка 37 млрд рублей инвестиций в 2025 году и около 29 млрд рублей запланировано на 2026 год; реализовано или в стадии реализации более 120 проектов; опрос 558 компаний в марте–апреле 2025 года; заработная плата операторов подъёмно-транспортного оборудования — от 82 до 157 тысяч рублей в месяц: journal.reindustry-expo.ru
• X5 Group, пресс-релиз «ИИ-решения принесли X5 5 млрд рублей дополнительной операционной прибыли» (1 июня 2026 года): совокупный экономический эффект от внедрения ИИ-решений — около 5 млрд рублей дополнительной операционной прибыли по итогам 2025 года; основной вклад в EBITDA обеспечили модели в прогнозировании спроса и пополнении, ценообразовании, управлении ассортиментом и рекомендательных механиках; эффект оценивается через вклад в EBITDA, экономию операционных затрат и стоимость владения, для ключевых инициатив валидируется A/B-тестами: x5.ru
• CNews, материал «По итогам I полугодия 2026 года инструменты ИИ занимают 26% цифровых экосистем российских ритейлеров» (11.09.2026), данные аналитического центра проекта STAQ: доля ИИ-инструментов в цифровых экосистемах российских ритейлеров — 26%; около 60% прироста пришлось на операционные сценарии — управление заявками, обслуживание оборудования, поддержка персонала; устойчивый результат там, где ИИ встроен в сквозной процесс с операционной метрикой; заинтересованная вендорская оценка рынка: cnews.ru
• Хабр, блог компании INTEKEY (разработчик складских систем), «ИИ в логистике и складской автоматизации: глобальные тренды и российская реальность» (15.01.2026): по открытым данным, на складах Amazon в 2025 году работает более 1 млн роботов; алгоритмы размещения и маршрутов отбора дают до 80% потенциального эффекта по сокращению пробегов и ускорению отбора; в реальности большинства российских складов — Excel, 1С, ручное планирование смен и маршрутов; вендорские материалы и вендорские оценки, независимо не проверялись: habr.com
• Precedence Research, обзор рынка систем управления складом (Warehouse Management System Market): объём рынка в 2026 году — 6,78 млрд долларов, прогноз на 2035 год — 30,50 млрд долларов, среднегодовой темп роста 18,32%; оценка исследовательской компании, а не замер внедрений: precedenceresearch.com