Обзор Asper.ai, поставщика программного обеспечения для цепочки поставок

От Léon Levinas-Ménard

Последнее обновление: Апрель, 2025

В условиях всё более основанного на данных мира цепочек поставок, Asper.ai выступает в роли облачного SaaS-решения, направленного на совершенствование прогнозирования спроса и принятия оперативных решений в секторах потребительских товаров и ритейла. Основанная в 2022 году и интегрированная в состав Fractal Analytics, платформа «Dynamic Demand.ai» от Asper.ai использует разнообразные внутренние и внешние данные — от исторических показателей продаж и уровней запасов до макроэкономических индикаторов и календарей праздников — для предоставления прогнозов и рекомендаций на базе ИИ. Хвалясь быстрым подтверждением ценности решения, которое обычно занимает восемь недель, и акцентом на объяснимость, платформа автоматизирует процессы принятия решений с низким уровнем риска, при этом выделяя более критичные ситуации для вмешательства человека. Предназначенная для безупречной интеграции с устаревшими системами планирования продаж и операций и развертываемая на инфраструктуре AWS (с использованием таких сервисов, как Redshift, EMR и ElastiCache), Asper.ai позиционирует себя как практичный и динамичный инструмент для руководителей цепочек поставок, стремящихся повысить точность прогнозов, управление доходами и операционную эффективность.

Обзор компании

1.1 История и основы

Asper.ai была основана в 2022 году, что подтверждают профили стартапов на YNOS ¹. Платформа предлагается под эгидой Fractal Analytics и поддерживается заявленными инвестициями в размере 20 миллионов долларов, о чем сообщают отраслевые публикации ². Вместо того чтобы позиционировать себя как самостоятельного единорога, Asper.ai представлена как специализированный инструмент, улучшающий процесс принятия решений для рынков потребительских товаров и ритейла за счет оптимизации прогнозирования спроса, управления запасами и процессов ценообразования.

Обзор продукта

2.1 Что предлагает решение

Основной функционал платформы Dynamic Demand.ai от Asper.ai заключается в следующем: • Улучшение прогнозирования спроса за счет объединения внутренних сигналов, таких как продажи, запасы и календари промоакций, с внешними данными, например, праздничными днями и экономическими индикаторами ³. • Оптимизация доходов и запасов посредством рекомендаций на основе ИИ, которые корректируют ценообразование, стратегию промоакций и уровни запасов для снижения затрат на оборотный капитал. • Автоматизация рутинных решений с низким уровнем риска, позволяющая специалистам по планированию спроса уделять больше внимания сложным и критически важным исключениям.

2.2 Как это работает

Asper.ai обрабатывает множество структурированных и неструктурированных источников данных для выявления скрытых нелинейных взаимосвязей между различными драйверами спроса. Алгоритм прогнозирования на базе ИИ делает акцент на объяснимости, предоставляя информацию о том, как отдельные факторы влияют на итоговые прогнозы. Благодаря быстрым циклам обновления прогнозов – предоставляя практически финальные прогнозы на скользящий четырехмесячный период в течение нескольких дней, а последующие обновления – за считанные часы – решение предназначено для ускоренного подтверждения ценности (часто в течение восьми недель) и простой интеграции с существующими системами S&OP. Платформа работает как облачный SaaS-продукт на AWS, подробности развертывания доступны через AWS Marketplace ⁴.

Технические и ИИ-аспекты

3.1 Технологический стек и инфраструктура

Asper.ai использует облачные сервисы AWS (включая Redshift, EMR и ElastiCache) для обеспечения масштабируемости и быстрого развертывания. Индикаторы из объявлений о вакансиях и технических профилей свидетельствуют о современной среде разработки, поддерживаемой инструментами для совместной работы и системами цифрового мониторинга производительности ⁵. Эта инфраструктура позволяет платформе обрабатывать большие объемы данных из различных каналов при сохранении надежной интеграции с устаревшими корпоративными системами.

3.2 Возможности машинного обучения и ИИ

Платформа использует модели машинного обучения, которые корректируют прогнозы на основе как внутренних показателей (таких как объем продаж и календари промоакций), так и внешних переменных (например, макроэкономических индикаторов). Несмотря на заявления Asper.ai о «объяснимом ИИ» для более четкого выявления драйверов прогнозирования, техническая документация содержит мало подробностей о конкретных архитектурах моделей или методах их обучения. Система дополнительно различает сценарии спроса с высоким и низким уровнем риска, автоматизируя решения для последних, в то время как критически важные случаи проходят проверку человеком ³⁶. Хотя показатели эффективности, упомянутые в кейс-стадиях клиентов, включают улучшение точности прогнозов на 5–15% и повышение производительности планировщиков до 40%, подробности валидации моделей и допуски ошибок остаются ограниченными ⁷.

Критический и скептический анализ

Более тщательное изучение показывает, что, несмотря на использование Asper.ai современных облачных технологий развертывания и эффективную интеграцию разнообразных источников данных, некоторые технические утверждения лишены детальных разъяснений. Опора платформы на стандартные компоненты AWS обеспечивает ее масштабируемость, однако отсутствие подробной информации о архитектуре моделей или наборах данных для обучения вызывает сомнения, представляет ли ее «специализированный ИИ» настоящий прорыв или же это просто хорошо интегрированное применение существующих методов прогнозирования. Улучшения, указанные в кейс-стадиях ⁸⁹, выглядят многообещающими, но могут сильно зависеть от качества данных клиентов и специфики рыночных условий. Таким образом, хотя Asper.ai предоставляет ощутимые операционные преимущества, ее заявления о передовом ИИ остаются, в определенной мере, рекламными без всестороннего технического обоснования.

Asper.ai против Lokad

В сравнении с Lokad — пионером, основанным в 2008 году в сфере оптимизации цепочек поставок — выявляются очевидные различия. Подход Lokad глубоко укоренен в количественной, программируемой методологии с использованием собственной Envision DSL и передовых технологий, таких как глубокое обучение и дифференцируемое программирование. Работая на Microsoft Azure с технологическим стеком, основанным на F#, C# и TypeScript, Lokad ориентирован на широкий спектр отраслей (от аэрокосмической до модной) и делает акцент на автоматизации принятия решений на всех этапах цепочки поставок.

В отличие от этого, Asper.ai, основанная всего несколько лет назад и входящая в состав Fractal Analytics, сфокусирована исключительно на секторах потребительских товаров и ритейла. Используя инфраструктуру AWS, она делает акцент на быстром развертывании, объяснимости результатов ИИ и автоматизации рутинных процессов принятия решений, а не на высоконастраиваемой, программируемой платформе оптимизации цепочек поставок. По существу, в то время как Lokad отстаивает высокотехнологичный, почти «сделай сам» подход к оптимизации цепочек поставок, Asper.ai предлагает более интегрированное, готовое к использованию решение с упором на прозрачность и простоту развертывания. Это делает каждое из решений привлекательным для различного сегмента рынка: Lokad — для компаний, готовых инвестировать в высоко адаптированную, программируемую систему, а Asper.ai — для организаций, стремящихся к быстрому внедрению улучшенного прогнозирования и поддержки принятия решений без значительных начальных затрат на инженерные ресурсы.

Заключение

Asper.ai представляет собой перспективное, современное решение для автоматизации и совершенствования прогнозирования спроса, а также для оптимизации процессов принятия решений в секторах потребительских товаров и ритейла. Интегрируя разнообразные источники данных в ИИ-движок прогнозирования с акцентом на объяснимость и быстрое развертывание, платформа предлагает практические преимущества в виде повышения точности прогнозов и улучшения операционной эффективности. Однако относительная нехватка подробных технических данных означает, что, несмотря на обнадеживающие результаты, потенциальным пользователям следует тщательно оценить, представляет ли методология платформы истинный прорыв в области ИИ или же это просто хорошо интегрированное применение существующих методов. Сравнивая Asper.ai с такими устоявшимися игроками, как Lokad, становится очевидно, что, несмотря на различия в подходах и инфраструктуре — AWS и быстрое развертывание против оптимизации на платформе Azure с высокой программной настроенностью — каждое решение обладает уникальными преимуществами, ориентированными на свою целевую аудиторию.