Иван Владимирович, Вы довольно точно и по делу расписали в рамках классического 3PL и паллетного отбора. Резерв объемов под клиентов, работа погрузчиками, учет классов опасности — там жесткое зонирование абсолютно оправдано, и с этим никто не спорит.
Но статья-то немного о другом. Мы разбираем мелкоштучку, огромные массивы уникальных SKU и реалии маркетплейсов. Там, где собираются многострочные заказы, а не вытаскиваются 20 паллет разом. В своем комментарии вы называете описанные нами проблемы «выдумками», а саму технологию — «нейрослопом». Но по факту это индустриальный стандарт крупнейших фулфилмент-центров (тот же Random Stow у Amazon). Спорить с их математикой и называть её бредом — ну, это как минимум очень смело.
А вот с чем хочется безоговорочно согласиться, так это с вашей мыслью о том, что всё упирается в организацию работ. Тут мы с вами сходимся на 100%. Мы из статьи в статью транслируем ровно этот же принцип: никакие алгоритмы, софт и роботы не дадут эффекта, если нет железной дисциплины процессов. Хаотичное хранение без строгого адресного контура — это не оптимизация, а потерянный остаток, о чем мы прямо и пишем.
Собственно, в 7-й части («Гибридные модели») мы как раз к этому и ведем: тяжелым грузам и паллетам — фиксированные зоны, e-commerce ассортименту — динамика. Ваш практический опыт это только подтверждает.
Спасибо за развернутый фидбек и успехов в профессиональной деятельности!
Спасибо, справедливое замечание. ВГХ — это весогабаритные характеристики: вес, длина, ширина и высота товара или грузовой единицы. Именно на этих данных WMS считает, сколько товара поместится в короб, на паллету, в ячейку и дальше — в зону отгрузки и транспорт.
Всё так, Америку мы тут не открываем, и многие действительно прошли это еще двадцать лет назад. Но практика показывает, что в реальности огромное количество складов всё еще работает по старинке. При росте заказов многие по инерции пытаются решить проблему точечными доработками ERP или просто нанимают больше людей. Склад часто не воспринимается как центр затрат, который можно оптимизировать и превратить в инструмент заработка. Поэтому наш посыл в статье скорее об этом: пока базовые процессы не оцифрованы, говорить про умную рандомную раскладку и сложную аналитику просто рано. Сначала нужно выстроить фундамент, чтобы честно считать время и стоимость каждой операции.
Тут мы с вами полностью согласны. Подгонять людей по складу в режиме «быстрее-быстрее» — плохая идея, это только увеличивает количество ошибок и разбитого товара. Нормальная система нужна не для того, чтобы заставить сотрудника бегать. Она наоборот задает адекватное время на операцию с учетом габаритов, хрупкости и других характеристик товара, чтобы люди работали в спокойном и предсказуемом ритме. Ну и второй момент: когда процесс оцифрован, сразу видно статистику по ошибкам. Если из двадцати человек пятнадцать собирают хрупкий товар нормально, а у пятерых регулярно что-то бьется, система это быстро подсвечивает. В итоге мы не гадаем, почему растет брак, а можем точечно перевести таких сотрудников на другие участки или заменить, пока они не нанесли серьезных убытков.
С точки зрения быстрой замены вы правы, но с точки зрения денег нет. Классический подход, который мы встречали на протяжении своей деятельности в этом бизнесе, это один терминал на все смены, запасные АКБ заряжаются в многослотовых зарядных станциях и сотрудник делает горячую замену при заступление на смену. Еще момент - ТСД, которые мы используем в своей работе, не нуждаются в чехлах и прочих аксессуарах, они по уровню защиты созданы специально для складов, это же не айфон которых разбивается при первом падении.
Вы правы — «хороший склад — пустой склад» это не сарказм, а конечная точка маршрута в философии Lean.
Мы как раз и выстраиваем маршрут к этой точке. Потому что на практике клиент приходит к нам с конкретной болью: склад уже перегружен, отгрузки срываются, ошибки растут. Говорить ему в этот момент про идеал без запасов — всё равно что предлагать голодающему человеку рецепт идеального рациона на год вперёд.
Поэтому наш подход — это практический алгоритм движения к тому самому «пустому складу»:
Сначала — диагноз. Мы проводим Lean-аудит и смотрим, почему склад забит. Основная причина в сломанной цепочке выше: нестабильные поставки, кривые прогнозы, долгие производственные циклы и очень важный фактор сегодня “ситуация в Мире”. Пока не вылечить эти «болезни», а некоторые «болезни» никто не в состоянии вылечить, склад будет выполнять роль громоотвода для всех проблем бизнеса.
Параллельно — снимаем острую боль. Чтобы завтрашние отгрузки не сорвались, мы выправляем процессы здесь и сейчас: убираем лишние пробеги, вводим понятные приоритеты, наводим порядок в ключевых зонах, не даем команде под давлением аврала откатиться к старым, хаотичным привычкам
Мы приучаем бизнес адаптироваться к быстро изменяющейся ситуации и справляться с новыми вызовами.
Ваш комментарий отлично резюмирует цель. Наша работа — построить для клиента понятный и измеримый маршрут к этой цели.
Бюджет WMS для типового склада определяется не площадью напрямую, а совокупностью факторов: сложностью бизнес-процессов, объемом операций, количеством пользователей и интеграциями — площадь лишь отражает потенциальную нагрузку, даже при 3 SKU на 150 000 м² (например, металлопрокат) Типовой склад (приемка → размещение → отбор → отгрузка): базовая адресная система, 1С+ТСД, 1–2 мес. внедрения. Но на крупном типовом даже 3 SKU требуют маршрутизации по 20+ зонам, FIFO по партиям, AGV для перемещений тысяч паллет — объем операций и логистика удваивают стоимость. +Нетиповые процессы: волновой отбор, кросс-докинг, маркировка "Честный ЗНАК", IoT/оборудование, управление 100+ пользователями. Без аудита AS IS внедрение рискует вырасти на 30–50% из-за доработок под специфику. Площадь сигнализирует о совокупной нагрузке (объем × зоны × пользователи × процессы), но точный расчет — по аудиту.
Что касается оборота компании - это всего лишь маркер, созрела ли компания до автоматизации склада. Например, для компания с оборотом в 100 млн в год может подойти простой складской учет, скорей всего там небольшая оборачиваемость, количество заказов и персонала на складе.
Эффективный инструмент. Подсветка маршрута с индивидуальными цветами для сборщиков (фонарики в рядах/полках по данным ТСД) - это классика Pick-to-Light: зажигается нужная ячейка, тухнет после отбора, сильно ускоряет навигацию и снижает ошибки. Особенно полезно при нескольких сборщиках (идентификатор цвета/номера) или мультипикинге — подсвечивает "откуда взять/куда положить". Эту технологию тоже внедряем, важный момент правильно спроектировать логику, схемы, алгоритмы под потоки. Можно комбинировать с голосом — голос ведёт, свет подтверждает визуально.
Да, увеличивает бюджет (ячейки + софт), но окупается в высокоточных зонах. Подходит не всем, но если нужна максимальная скорость/точность, например, в e-com с мультипикингом - отличный вариант.
Абсолютно верно. При внедрении технологии Pick-by-Voice всегда подбирается баланс между скоростью и точностью отбора. Для определенного ассортимента мы рекомендуем использовать комбинированную технологию Voice +Scan, для достижения максимальной точности сборки. При этом для сканирования ШК товаров мы рекомендуем использовать промышленные носимые сканеры (кольца или перчатки), которые позволят в полном объеме сохранить в процессе свободные руки.
Все верно. ОpenSource используется сейчас часто. И почти никто не анализирует условия лицензий, а они разные. Вы верно отметили, что есть лицензии разрешающие использование в коммерческих целях. Но есть и другие - это нужно анализировать до использования. Есть OS, который станет препятствием для внесения в реестр Минцифры. Поэтому перед использованием любого открытого компонента стоит внимательно изучить его лицензию и оценить, как она повлияет на ваш проект в долгосрочной перспективе. Лучше потратить время на анализ заранее, чем столкнуться с серьезными проблемами позже.
Мы за то, чтобы каждый сам решал, что ему читать и с кем вести диалог. Нашу позицию по нейросетям мы пояснили — точечное использование. Предлагаем завершить полемику. Если будут вопросы по существу — с удовольствием ответим.
Не видим особого смысла в дискуссии на тему «фриланс VS организация». Этот спор давно разобран по полочкам.
Выбор всегда определяется приоритетами заказчика:
Если ключевой фактор — минимальная стоимость, обращаются к фрилансеру.
Если нужны гарантии, сроки, управление рисками и уверенность в качестве результата, выбирают компанию.
Дело даже не в том, что отдельный исполнитель может оказаться недостаточно квалифицированным или организованным. Речь о системных рисках: вы можете два месяца качественно работать над проектом, но в случае вашей болезни или других непредвиденных обстоятельств работа встанет. Компания же обеспечивает непрерывность процесса.
Поэтому решение не экономить на консалтинге при крупных инвестициях — это не расточительность, а признак зрелого управления рисками. Подобные решения - "не экономить лишние 500 тыс рублей при инвестициях в 500 млн рублей", обычно и позволяет компаниям выходить на подобный уровень доходов и инвестиций ;)
Мы с вами ушли в цикл полемики со странными аргументами о нейросетях, упуская суть обсуждения.
В нашем изначальном комментарии не было слова «штатный», несмотря на то, что и штатный может быть в редких случаях оправдан. Речь шла о том, что роботы требуют специализированного персонала для обслуживания, который действительно стоит дороже среднестатистического IT-специалиста. Однако ключевой момент в том, что этот персонал обычно предоставляется вендором, и его стоимость включается в постоянные эксплуатационные расходы организации.
Вы, судя по всему, решили, что речь идёт о штатных сотрудниках, но мы об этом не говорили. Суть этого предложения была в том, что тот ИТ-штат, который есть на предприятии обычно не закрывает этих компетенций и они нужны извне.
Вот три пункта из первоначального комментария, и за все это платится вендору (за исключением очень крупных робототехнических систем, где содержание собственных специалистов экономически оправдано):
Регулярного технического обслуживания (замена изнашиваемых деталей, смазка, диагностика)
Обновления ПО и прошивок от вендора
Специализированного персонала для обслуживания (не обычного IT, а именно робототехников). Это не "программист на 10 роботов", а специалисты с уникальными компетенциями, чьи зарплаты значительно выше стандартных IT-специалистов.
Мы с вами потратили время на эти разговоры только из-за того, что вы прочитали слово "штатный" там, где его не было. Предлагаем списать все на недопонимание и закрыть тему ;)
Здесь наши с вами взгляды расходятся. Мы считаем, что использовать нейросети для корректуры, вычитки и структурирования информации — это рационально. Цель — улучшить продукт и снизить издержки, высвободив время для творческих задач. Инструмент не должен быть самоцелью, но отказываться от его преимуществ — не видим смысла. С удовольствием обсудим конструктивные и объективные замечания, если они есть.
По поводу «без нейросетей»: Нет, не давайте без них. Любой текст, любой комментарий пишется вручную, далее проходит корректуру и вычитку нейросетью, ещё раз проверяется и только потом вручную оформляется. Это уже давно стало стандартом, могу предположить, что вы в своей деятельности тоже используете нейросети и это вас не смущает. Игнорировать современные технологии там, где это оправдано, — не наш путь.
По поводу «глупостей»: Не стоит называть глупостями то, чего вы просто не понимаете или не хотите услышать. В исходном комментарии нигде не говорилось о робототехнике в штате — вы прочли его так, как вам захотелось, а не так, как он был написан.
Перечитайте изначальный комментарий, но на всякий случай продублируем и распишем здесь: Реальные расходы на обслуживание достигают 15–30% в год от стоимости роботов. Если робот простаивает полгода, вы всё равно:
Платите вендору за ТО и лицензии, выезды специалистов
Тратитесь на обновление ПО
Платите страховой компании
Содержите сотрудников для поддержки инфраструктуры необходимой для роботов
Теряете в стоимости из-за амортизации
Эти издержки можно было бы снизить при полном простое, но тогда вы дополнительно заплатите за консервацию и расконсервацию и за потенциальные возможные проблемы при расконсервации.
Про "смазывать", это больше фигура речи, если робота не консервировать, то ему нужны периодические запуски и прогоны по всем осям на несколько минут, замена фильтров, очистка сканеров, диагностические выезды робототехников и прочее.
Спасибо за ваш подробный комментарий! Я хочу прояснить несколько моментов.
По поводу стоимости обслуживания роботов: Вы правы, что роботы "не кушают", но даже в простое они требуют:
Регулярного технического обслуживания (замена изнашиваемых деталей, смазка, диагностика)
Обновления ПО и прошивок от вендора
Специализированного персонала для обслуживания (не обычного IT, а именно робототехников). Это не "программист на 10 роботов", а специалисты с уникальными компетенциями, чьи зарплаты значительно выше стандартных IT-специалистов.
Вы абсолютно правы в ключевом выводе: Пока существует дешевая рабочая сила, роботизация в России экономически нецелесообразна. Это фундаментальная экономическая реальность. Однако крупный бизнес смотрит на перспективу 5-10 лет. Мы видим несколько сценариев, которые могут изменить ситуацию:
Демографические изменения (сокращение миграционных потоков)
Политические и экономические факторы (как показал ковид, цепочки поставок могут нарушаться)
Долгосрочное повышение стоимости рабочей силы
Поэтому, хотя сегодня низкооплачиваемый человек эффективнее робота, стратегически мыслящие компании уже сейчас изучают возможности роботизации — не для сиюминутной выгоды, а для будущей готовности к изменяющимся условиям рынка.
Вы абсолютно правы — мы действительно увлеклись профессиональными терминами. К сожалению, у нас как у всех специалистов в своих сферах есть проф деформация. Какие-то вещи кажутся очевидными.
Давайте исправим это и расшифруем основные понятия:
ABC-анализ — это метод, который делит товары на три группы по их важности:
A — самые ценные товары (20% ассортимента приносят 80% дохода) B — товары средней важности C — наименее ценные товары XYZ-анализ — показывает, насколько предсказуем спрос на товары:
X — стабильный спрос (можно точно прогнозировать) Y — умеренно изменчивый спрос Z — абсолютно непредсказуемый спрос FMR-анализ — анализ частоты обращений к товарам (Fast, Medium, Rare)
TCO (Total Cost of Ownership) — полная стоимость владения, включая не только покупку, но и обслуживание, ремонты, обучение персонала и т.д.
Спасибо за комментарий. Давайте разберем по пунктам:
Сроки и сложность
Подобный проект, учитывая количество коммуникаций с вендорами, сложность сбора данных и количество используемых систем, занимает 3–4 месяца. Это не просто «аналитика в Excel», а:
Сбор и нормализация данных из разных источников
Коммуникация с поставщиками роботов для проверки их расчетов
Построение финансовых моделей с разными сценариями
Многократные проверки и перепроверки данных
Реальная стоимость одного специалиста Если аналитик получает 200 тыс. рублей «на руки», то с налогами компания платит около 300 тыс. рублей в месяц. За 3 месяца это около 900 тыс. рублей. При этом зарплата квалифицированных специалистов в Москве (бизнес‑аналитиков, архитекторов, технологов) значительно выше 200 тысяч рублей в месяц.
Ответственность и гарантии Ключевое отличие — с компанией спросить юридически проще и эффективнее, чем с внешнего или внутреннего сотрудника. Компания — это юридическое лицо с ответственностью, которое несет риски за результаты своей работы.
Командный подход Один человек не может обладать компетенциями 4 разных специалистов (бизнес‑аналитик, технолог, архитектор, технический писатель). Каждый из них вносил свой уникальный вклад в анализ.
Наши 1.5 млн рублей — это не просто «зарплата аналитика», а стоимость комплексной работы команды профессионалов, несущих ответственность за многомиллионное решение клиента. Это инвестиция в безопасность бизнеса, а не просто оплата рабочего времени.
Иван Владимирович, Вы довольно точно и по делу расписали в рамках классического 3PL и паллетного отбора. Резерв объемов под клиентов, работа погрузчиками, учет классов опасности — там жесткое зонирование абсолютно оправдано, и с этим никто не спорит.
Но статья-то немного о другом. Мы разбираем мелкоштучку, огромные массивы уникальных SKU и реалии маркетплейсов. Там, где собираются многострочные заказы, а не вытаскиваются 20 паллет разом. В своем комментарии вы называете описанные нами проблемы «выдумками», а саму технологию — «нейрослопом». Но по факту это индустриальный стандарт крупнейших фулфилмент-центров (тот же Random Stow у Amazon). Спорить с их математикой и называть её бредом — ну, это как минимум очень смело.
А вот с чем хочется безоговорочно согласиться, так это с вашей мыслью о том, что всё упирается в организацию работ. Тут мы с вами сходимся на 100%. Мы из статьи в статью транслируем ровно этот же принцип: никакие алгоритмы, софт и роботы не дадут эффекта, если нет железной дисциплины процессов. Хаотичное хранение без строгого адресного контура — это не оптимизация, а потерянный остаток, о чем мы прямо и пишем.
Собственно, в 7-й части («Гибридные модели») мы как раз к этому и ведем: тяжелым грузам и паллетам — фиксированные зоны, e-commerce ассортименту — динамика. Ваш практический опыт это только подтверждает.
Спасибо за развернутый фидбек и успехов в профессиональной деятельности!
Спасибо, справедливое замечание. ВГХ — это весогабаритные характеристики: вес, длина, ширина и высота товара или грузовой единицы. Именно на этих данных WMS считает, сколько товара поместится в короб, на паллету, в ячейку и дальше — в зону отгрузки и транспорт.
Всё так, Америку мы тут не открываем, и многие действительно прошли это еще двадцать лет назад. Но практика показывает, что в реальности огромное количество складов всё еще работает по старинке. При росте заказов многие по инерции пытаются решить проблему точечными доработками ERP или просто нанимают больше людей. Склад часто не воспринимается как центр затрат, который можно оптимизировать и превратить в инструмент заработка. Поэтому наш посыл в статье скорее об этом: пока базовые процессы не оцифрованы, говорить про умную рандомную раскладку и сложную аналитику просто рано. Сначала нужно выстроить фундамент, чтобы честно считать время и стоимость каждой операции.
Тут мы с вами полностью согласны. Подгонять людей по складу в режиме «быстрее-быстрее» — плохая идея, это только увеличивает количество ошибок и разбитого товара. Нормальная система нужна не для того, чтобы заставить сотрудника бегать. Она наоборот задает адекватное время на операцию с учетом габаритов, хрупкости и других характеристик товара, чтобы люди работали в спокойном и предсказуемом ритме. Ну и второй момент: когда процесс оцифрован, сразу видно статистику по ошибкам. Если из двадцати человек пятнадцать собирают хрупкий товар нормально, а у пятерых регулярно что-то бьется, система это быстро подсвечивает. В итоге мы не гадаем, почему растет брак, а можем точечно перевести таких сотрудников на другие участки или заменить, пока они не нанесли серьезных убытков.
С точки зрения быстрой замены вы правы, но с точки зрения денег нет. Классический подход, который мы встречали на протяжении своей деятельности в этом бизнесе, это один терминал на все смены, запасные АКБ заряжаются в многослотовых зарядных станциях и сотрудник делает горячую замену при заступление на смену. Еще момент - ТСД, которые мы используем в своей работе, не нуждаются в чехлах и прочих аксессуарах, они по уровню защиты созданы специально для складов, это же не айфон которых разбивается при первом падении.
Да, готовим материал на эту тему — следите за новостями. Выйдет на следующей неделе
Вы правы — «хороший склад — пустой склад» это не сарказм, а конечная точка маршрута в философии Lean.
Мы как раз и выстраиваем маршрут к этой точке. Потому что на практике клиент приходит к нам с конкретной болью: склад уже перегружен, отгрузки срываются, ошибки растут. Говорить ему в этот момент про идеал без запасов — всё равно что предлагать голодающему человеку рецепт идеального рациона на год вперёд.
Поэтому наш подход — это практический алгоритм движения к тому самому «пустому складу»:
Сначала — диагноз. Мы проводим Lean-аудит и смотрим, почему склад забит. Основная причина в сломанной цепочке выше: нестабильные поставки, кривые прогнозы, долгие производственные циклы и очень важный фактор сегодня “ситуация в Мире”. Пока не вылечить эти «болезни», а некоторые «болезни» никто не в состоянии вылечить, склад будет выполнять роль громоотвода для всех проблем бизнеса.
Параллельно — снимаем острую боль. Чтобы завтрашние отгрузки не сорвались, мы выправляем процессы здесь и сейчас: убираем лишние пробеги, вводим понятные приоритеты, наводим порядок в ключевых зонах, не даем команде под давлением аврала откатиться к старым, хаотичным привычкам
Мы приучаем бизнес адаптироваться к быстро изменяющейся ситуации и справляться с новыми вызовами.
Ваш комментарий отлично резюмирует цель. Наша работа — построить для клиента понятный и измеримый маршрут к этой цели.
Бюджет WMS для типового склада определяется не площадью напрямую, а совокупностью факторов: сложностью бизнес-процессов, объемом операций, количеством пользователей и интеграциями — площадь лишь отражает потенциальную нагрузку, даже при 3 SKU на 150 000 м² (например, металлопрокат) Типовой склад (приемка → размещение → отбор → отгрузка): базовая адресная система, 1С+ТСД, 1–2 мес. внедрения. Но на крупном типовом даже 3 SKU требуют маршрутизации по 20+ зонам, FIFO по партиям, AGV для перемещений тысяч паллет — объем операций и логистика удваивают стоимость. +Нетиповые процессы: волновой отбор, кросс-докинг, маркировка "Честный ЗНАК", IoT/оборудование, управление 100+ пользователями. Без аудита AS IS внедрение рискует вырасти на 30–50% из-за доработок под специфику. Площадь сигнализирует о совокупной нагрузке (объем × зоны × пользователи × процессы), но точный расчет — по аудиту.
Что касается оборота компании - это всего лишь маркер, созрела ли компания до автоматизации склада. Например, для компания с оборотом в 100 млн в год может подойти простой складской учет, скорей всего там небольшая оборачиваемость, количество заказов и персонала на складе.
Эффективный инструмент. Подсветка маршрута с индивидуальными цветами для сборщиков (фонарики в рядах/полках по данным ТСД) - это классика Pick-to-Light: зажигается нужная ячейка, тухнет после отбора, сильно ускоряет навигацию и снижает ошибки. Особенно полезно при нескольких сборщиках (идентификатор цвета/номера) или мультипикинге — подсвечивает "откуда взять/куда положить". Эту технологию тоже внедряем, важный момент правильно спроектировать логику, схемы, алгоритмы под потоки. Можно комбинировать с голосом — голос ведёт, свет подтверждает визуально.
Да, увеличивает бюджет (ячейки + софт), но окупается в высокоточных зонах. Подходит не всем, но если нужна максимальная скорость/точность, например, в e-com с мультипикингом - отличный вариант.
Планируем рассказать подробнее в будущих статьях.
Абсолютно верно. При внедрении технологии Pick-by-Voice всегда подбирается баланс между скоростью и точностью отбора. Для определенного ассортимента мы рекомендуем использовать комбинированную технологию Voice +Scan, для достижения максимальной точности сборки. При этом для сканирования ШК товаров мы рекомендуем использовать промышленные носимые сканеры (кольца или перчатки), которые позволят в полном объеме сохранить в процессе свободные руки.
По LEAN у нас планируется отдельная статья, раскроем тему максимально подробно
Все верно. ОpenSource используется сейчас часто. И почти никто не анализирует условия лицензий, а они разные. Вы верно отметили, что есть лицензии разрешающие использование в коммерческих целях. Но есть и другие - это нужно анализировать до использования.
Есть OS, который станет препятствием для внесения в реестр Минцифры. Поэтому перед использованием любого открытого компонента стоит внимательно изучить его лицензию и оценить, как она повлияет на ваш проект в долгосрочной перспективе. Лучше потратить время на анализ заранее, чем столкнуться с серьезными проблемами позже.
Мы за то, чтобы каждый сам решал, что ему читать и с кем вести диалог. Нашу позицию по нейросетям мы пояснили — точечное использование. Предлагаем завершить полемику. Если будут вопросы по существу — с удовольствием ответим.
Не видим особого смысла в дискуссии на тему «фриланс VS организация». Этот спор давно разобран по полочкам.
Выбор всегда определяется приоритетами заказчика:
Если ключевой фактор — минимальная стоимость, обращаются к фрилансеру.
Если нужны гарантии, сроки, управление рисками и уверенность в качестве результата, выбирают компанию.
Дело даже не в том, что отдельный исполнитель может оказаться недостаточно квалифицированным или организованным. Речь о системных рисках: вы можете два месяца качественно работать над проектом, но в случае вашей болезни или других непредвиденных обстоятельств работа встанет. Компания же обеспечивает непрерывность процесса.
Поэтому решение не экономить на консалтинге при крупных инвестициях — это не расточительность, а признак зрелого управления рисками. Подобные решения - "не экономить лишние 500 тыс рублей при инвестициях в 500 млн рублей", обычно и позволяет компаниям выходить на подобный уровень доходов и инвестиций ;)
Мы с вами ушли в цикл полемики со странными аргументами о нейросетях, упуская суть обсуждения.
В нашем изначальном комментарии не было слова «штатный», несмотря на то, что и штатный может быть в редких случаях оправдан. Речь шла о том, что роботы требуют специализированного персонала для обслуживания, который действительно стоит дороже среднестатистического IT-специалиста. Однако ключевой момент в том, что этот персонал обычно предоставляется вендором, и его стоимость включается в постоянные эксплуатационные расходы организации.
Вы, судя по всему, решили, что речь идёт о штатных сотрудниках, но мы об этом не говорили. Суть этого предложения была в том, что тот ИТ-штат, который есть на предприятии обычно не закрывает этих компетенций и они нужны извне.
Вот три пункта из первоначального комментария, и за все это платится вендору (за исключением очень крупных робототехнических систем, где содержание собственных специалистов экономически оправдано):
Регулярного технического обслуживания (замена изнашиваемых деталей, смазка, диагностика)
Обновления ПО и прошивок от вендора
Специализированного персонала для обслуживания (не обычного IT, а именно робототехников). Это не "программист на 10 роботов", а специалисты с уникальными компетенциями, чьи зарплаты значительно выше стандартных IT-специалистов.
Мы с вами потратили время на эти разговоры только из-за того, что вы прочитали слово "штатный" там, где его не было. Предлагаем списать все на недопонимание и закрыть тему ;)
Здесь наши с вами взгляды расходятся. Мы считаем, что использовать нейросети для корректуры, вычитки и структурирования информации — это рационально. Цель — улучшить продукт и снизить издержки, высвободив время для творческих задач. Инструмент не должен быть самоцелью, но отказываться от его преимуществ — не видим смысла. С удовольствием обсудим конструктивные и объективные замечания, если они есть.
Коллега, позвольте пройтись по пунктам.
По поводу «без нейросетей»:
Нет, не давайте без них. Любой текст, любой комментарий пишется вручную, далее проходит корректуру и вычитку нейросетью, ещё раз проверяется и только потом вручную оформляется. Это уже давно стало стандартом, могу предположить, что вы в своей деятельности тоже используете нейросети и это вас не смущает. Игнорировать современные технологии там, где это оправдано, — не наш путь.
По поводу «глупостей»:
Не стоит называть глупостями то, чего вы просто не понимаете или не хотите услышать. В исходном комментарии нигде не говорилось о робототехнике в штате — вы прочли его так, как вам захотелось, а не так, как он был написан.
Перечитайте изначальный комментарий, но на всякий случай продублируем и распишем здесь:
Реальные расходы на обслуживание достигают 15–30% в год от стоимости роботов. Если робот простаивает полгода, вы всё равно:
Платите вендору за ТО и лицензии, выезды специалистов
Тратитесь на обновление ПО
Платите страховой компании
Содержите сотрудников для поддержки инфраструктуры необходимой для роботов
Теряете в стоимости из-за амортизации
Эти издержки можно было бы снизить при полном простое, но тогда вы дополнительно заплатите за консервацию и расконсервацию и за потенциальные возможные проблемы при расконсервации.
Про "смазывать", это больше фигура речи, если робота не консервировать, то ему нужны периодические запуски и прогоны по всем осям на несколько минут, замена фильтров, очистка сканеров, диагностические выезды робототехников и прочее.
Спасибо за ваш подробный комментарий! Я хочу прояснить несколько моментов.
По поводу стоимости обслуживания роботов:
Вы правы, что роботы "не кушают", но даже в простое они требуют:
Регулярного технического обслуживания (замена изнашиваемых деталей, смазка, диагностика)
Обновления ПО и прошивок от вендора
Специализированного персонала для обслуживания (не обычного IT, а именно робототехников). Это не "программист на 10 роботов", а специалисты с уникальными компетенциями, чьи зарплаты значительно выше стандартных IT-специалистов.
Вы абсолютно правы в ключевом выводе:
Пока существует дешевая рабочая сила, роботизация в России экономически нецелесообразна. Это фундаментальная экономическая реальность. Однако крупный бизнес смотрит на перспективу 5-10 лет. Мы видим несколько сценариев, которые могут изменить ситуацию:
Демографические изменения (сокращение миграционных потоков)
Политические и экономические факторы (как показал ковид, цепочки поставок могут нарушаться)
Долгосрочное повышение стоимости рабочей силы
Поэтому, хотя сегодня низкооплачиваемый человек эффективнее робота, стратегически мыслящие компании уже сейчас изучают возможности роботизации — не для сиюминутной выгоды, а для будущей готовности к изменяющимся условиям рынка.
Вы абсолютно правы — мы действительно увлеклись профессиональными терминами. К сожалению, у нас как у всех специалистов в своих сферах есть проф деформация. Какие-то вещи кажутся очевидными.
Давайте исправим это и расшифруем основные понятия:
ABC-анализ — это метод, который делит товары на три группы по их важности:
A — самые ценные товары (20% ассортимента приносят 80% дохода)
B — товары средней важности
C — наименее ценные товары
XYZ-анализ — показывает, насколько предсказуем спрос на товары:
X — стабильный спрос (можно точно прогнозировать)
Y — умеренно изменчивый спрос
Z — абсолютно непредсказуемый спрос
FMR-анализ — анализ частоты обращений к товарам (Fast, Medium, Rare)
TCO (Total Cost of Ownership) — полная стоимость владения, включая не только покупку, но и обслуживание, ремонты, обучение персонала и т.д.
Спасибо за комментарий. Давайте разберем по пунктам:
Сроки и сложность
Подобный проект, учитывая количество коммуникаций с вендорами, сложность сбора данных и количество используемых систем, занимает 3–4 месяца. Это не просто «аналитика в Excel», а:
Сбор и нормализация данных из разных источников
Коммуникация с поставщиками роботов для проверки их расчетов
Построение финансовых моделей с разными сценариями
Многократные проверки и перепроверки данных
Реальная стоимость одного специалиста
Если аналитик получает 200 тыс. рублей «на руки», то с налогами компания платит около 300 тыс. рублей в месяц. За 3 месяца это около 900 тыс. рублей. При этом зарплата квалифицированных специалистов в Москве (бизнес‑аналитиков, архитекторов, технологов) значительно выше 200 тысяч рублей в месяц.
Ответственность и гарантии
Ключевое отличие — с компанией спросить юридически проще и эффективнее, чем с внешнего или внутреннего сотрудника. Компания — это юридическое лицо с ответственностью, которое несет риски за результаты своей работы.
Командный подход
Один человек не может обладать компетенциями 4 разных специалистов (бизнес‑аналитик, технолог, архитектор, технический писатель). Каждый из них вносил свой уникальный вклад в анализ.
Наши 1.5 млн рублей — это не просто «зарплата аналитика», а стоимость комплексной работы команды профессионалов, несущих ответственность за многомиллионное решение клиента. Это инвестиция в безопасность бизнеса, а не просто оплата рабочего времени.