Голосовая отборка перестала быть экзотикой: на российских складах всё чаще кладовщик не вглядывается в экран ТСД, а слушает команду в гарнитуре и подтверждает действие коротким «есть». Такой интерфейс убирает главное узкое место — руки и глаза заняты товаром, а не устройством. Ниже — как это выглядит на приёмке, отгрузке и инвентаризации, и что нужно сделать, чтобы пилот не остался демонстрацией.

Почему голос, а не терминал сбора данных

Классический ТСД требует остановиться, поднести устройство, найти строку, нажать. На каждом действии теряется 3–7 секунд, за смену набегают часы. Голосовой терминал (speech-directed work) возвращает эти секунды: сканер остаётся для штрихкода, а подтверждения, количества, номера ячеек идут речью. По опыту внедрений в дистрибуции и ритейле производительность на отборке растёт на 10–25%, а ошибки комплектации падают в 2–3 раза — за счёт убранных лишних движений, а не «мотивации».

Приёмка: от накладной до расхождений

Первое, что оцифровывается, — входящий документ. УПД или ТОРГ-12 распознаётся OCR, строки попадают в 1С, и кладовщик не набирает их руками, а подтверждает голосом: «артикул 4471, двенадцать, брак две». Система сверяет факт с заказом поставщика и сразу формирует акт расхождения. Брак фиксируется фото с планшета, задача уходит в закупки, а не всплывает через неделю при закрытии периода.

Отгрузка: контроль комплектации без бумаги

На отборке ИИ-ассистент ведёт сотрудника по маршруту: называет ячейку, ждёт подтверждения, проверяет серию, срок годности и количество. Если кладовщик называет не то число, система переспрашивает — это ключевой механизм защиты от «ошибки на автомате». Дальше контрольная операция: вес на чеквеерере, скан транспортной накладной, и только потом задание уходит в статус «собрано». На российских складах это особенно чувствительно там, где есть маркировка и прослеживаемость — табак, обувь, молочка, БАДы.

Инвентаризация: пересчёт вслух и расхождения онлайн

Пересчёт голосом снимает главную боль — бумажные ведомости, которые потом вручную вбивают в учёт. Сотрудник идёт по зоне и называет: «ячейка А-14, три, есть». Система сама назначает контрольный пересчёт по позициям с расхождением и показывает разницу в реальном времени. Итог — инвентаризация за одну смену вместо двух-трёх, и остатки в 1С совпадают с фактом уже в момент окончания, а не через сутки.

Что важно учесть в российской практике

Склад — не переговорная: шум техники, СИЗ, перчатки, холодные зоны до −25 °C, местный сленг и аббревиатуры. Поэтому распознавание строится на русскоязычных моделях (GigaAM, Whisper, Vosk) и дообучается на реальных записях вашего склада — словарь команд пишется вместе с бригадиром, а не в офисе. Второй момент — контур: для складов с маркировкой и гостайной разумнее on-premise, без выхода голоса в облако. И третье: идентификацию сотрудника лучше делать по бейджу или логину, а не по голосу — тогда голосовые данные не становятся биометрией и не тянут за собой отдельные требования по согласиям.

Практические шаги пилота

Начните с одного участка — отборки или инвентаризации — и 5–15 сотрудников на 3–4 недели. Проверьте Wi-Fi в самых глухих углах, подберите промышленные гарнитуры с шумоподавлением, заведите интеграцию с 1С:WMS или «1С:Склад» через API или очередь обмена. Заранее определите метрики: строк в час, доля ошибок комплектации, время инвентаризации, доля распознанных команд с первого раза. Порог 95%+ на командах считается рабочим; ниже — дообучайте модель, а не заставляйте людей повторять.

Типичный срок окупаемости такого проекта — 4–9 месяцев, и он держится не на сокращении штата, а на росте оборота той же смены и на исчезнувших пересортицах.

Как мы можем помочь

Мы проектируем и внедряем приватные голосовые и ИИ-ассистенты для склада: распознавание речи на вашем контуре, интеграции с 1С:WMS и ERP, OCR входящих документов, аналитика по метрикам смены. Начинаем с аудита процессов и пилота на одном участке — с измеримым результатом за месяц. Обсудить проект