Финансовые директора розничных компаний подходят к 2027 году с осторожными ожиданиями. Поиск точек роста всё меньше сводится к расширению бизнеса или сокращению расходов. На первый план выходят качество управления действующими активами, эффективность распределения капитала и обоснованность технологических инвестиций.
Практики спикеров Восемнадцатого форума Retail CFO позволяют выделить три взаимосвязанных направления работы финансовой функции: повышение отдачи от действующих активов, пересмотр механизмов бюджетирования и выбор технологических приоритетов с учётом сроков получения эффекта.
1. Маржа — не вся экономика
Первый резерв эффективности — не обязательно новый формат или канал продаж. Значительный потенциал может находиться внутри действующего бизнеса: в структуре товарных запасов, экономике отдельных категорий и результативности торговых точек.
Елена Игнатовец, финансовый директор ОМА, обращает внимание на ограничения традиционного подхода, при котором эффективность товарной категории оценивается преимущественно через маржинальность:
«Это необходимый, но недостаточный критерий эффективности товарной категории. Высокая маржа при низкой оборачиваемости и крупных запасах может давать более слабую отдачу, чем умеренная маржа при быстром обороте. И маржинальность не учитывает стоимость замороженных средств, а при высокой ключевой ставке это существенно.
Кроме того, валовая маржа не включает целый ряд затрат: потери и списания, логистику, хранение, трудоёмкость выкладки, маркетинг и промо, возвраты, стоимость обслуживания. Поэтому категория с привлекательной валовой маржой может оказаться убыточной на уровне операционной прибыли. Ещё один риск — увеличение доли маржи при одновременном сокращении оборота и абсолютной прибыли».
Для комплексной оценки экономики категории в ОМА используют финансовую модель, которая связывает продажи, маржинальность и оборотный капитал. Анализируются выручка и прибыль в разрезе товарных групп и каналов продаж с учётом закупочной стоимости, скидок, логистики, возвратов и списаний. Факторный анализ позволяет определить, чем обусловлены изменения результата: ценой, объёмом, ассортиментным миксом или затратами.
Анализ дополняется оценкой оборачиваемости и доходности инвестиций в запасы (GMROI), чтобы выявить позиции, создающие прибыль либо замораживающие средства.
Игнатовец рекомендует начинать внедрение такой системы с пилотной категории: проверить качество данных, протестировать отчётность, закрепить ответственных и определить порядок действий при выявлении отклонений. После этого можно автоматизировать расчёты и масштабировать систему. Операционные отклонения следует рассматривать еженедельно, экономику категории — ежемесячно, а мотивацию команды привязывать к совокупному результату, а не к одному показателю.
Другой объект оценки — физическая торговая сеть. Аграфена Вавилова, финансовый директор «Читай Город-Буквоед», рассматривает закрытие и реинвестирование в магазины как решения, которые должны опираться на совокупную экономику торговой точки и перспективы её локации.
При принятии решения о закрытии компания учитывает три основных фактора. Во-первых, магазин убыточен по результатам последних 12 месяцев в рамках омниканальных продаж, включая онлайн-заказы с выдачей товара в магазине и офлайн-продажи. Во-вторых, отсутствуют перспективы существенного роста товарооборота, например за счёт появления нового крупного оператора, способного привести дополнительный трафик в торговый центр. В-третьих, не удалось договориться с арендодателем о снижении арендной платы до уровня, позволяющего магазину выйти хотя бы на безубыточность.
Для ребрендинга компания использует отдельные инвестиционные критерии: прогнозируемый товарооборот после обновления должен составлять не менее 4 млн рублей в месяц, а срок окупаемости инвестиций — не превышать трёх лет. Дополнительно оцениваются перспективность локации, концепция торгового центра и готовность арендодателя участвовать в соинвестировании ремонта, маркетинга и рекламы.
Для мониторинга эффективности каждого магазина Вавилова выделяет ежемесячную динамику выручки и прибыли, трафик, конверсию и средний чек. При этом важно анализировать не только внутренние показатели, но и внешние обстоятельства: например, закрытие якорных арендаторов в торговом центре. Среди внутренних причин снижения рентабельности — увеличение отдельных статей расходов, недостаточность ассортимента и логистические проблемы.
В рекомендациях коллегам спикер отдельно подчёркивает необходимость регулярно «пропалывать» портфель действующих магазинов, отслеживать рынок аренды, проводить бенчмаркинг однотипных объектов, оптимизировать расходы и искать новые перспективные локации взамен закрывающихся.
Таким образом, решение о судьбе магазина не должно опираться только на факт убытка. Компания сопоставляет финансовый результат с динамикой трафика, конверсии и среднего чека, учитывает внешние обстоятельства и внутренние причины ухудшения показателей, а также оценивает возможность ребрендинга и изменения условий аренды.
2. Бюджет как портфель инициатив
Оценка действующих активов позволяет выявить резервы, но следующий вопрос — как перераспределять высвобождающиеся средства и финансировать новые проекты, не теряя финансовой управляемости.
Ольга Аршинова, финансовый директор «Шоколадницы», считает, что классическая модель годового бюджетирования всё хуже соответствует скорости изменения операционной среды.
По её оценке, годовой план в современных условиях может устареть уже в первом квартале: трафик становится более волатильным, происходят резкие скачки цен на сырьё и транспортные расходы, сохраняется дефицит линейного персонала.
«Жёсткая привязка заставляет компанию двигаться по инерции: мы сокращаем расходы, продолжаем финансировать неэффективные статьи только потому, что они “утверждены”, но блокируем ресурсы для срочных антикризисных инициатив, потому что они слишком долго согласовываются», — отмечает Аршинова.
В качестве альтернативы она рассматривает проектно-ориентированный бюджет, который «рассматривает бизнес как портфель инициатив».
Принципиальных отличий от традиционного подхода два. Первое — логика Zero-Based Budgeting (ZBB): финансирование выделяется не подразделению на год, а под конкретный пакет решений с измеримым результатом. Это могут быть запуск нового формата, изменение системы мотивации линейного персонала или проект по автоматизации.
Второе — драйверное моделирование. Проектный бюджет динамичен: затраты пересчитываются в зависимости от определяющих метрик, а не остаются фиксированными цифрами в таблицах без привязки к результату.
Ключевой эффект такой модели — повышение адаптивности и управляемости оборотным капиталом. Компания может оперативно срезать финансирование неудачных гипотез и перебрасывать ликвидность на растущие направления без ущерба для общей финансовой модели.
В качестве операционного примера Аршинова приводит прямую связь мастер-графиков и фонда оплаты труда розницы с прогнозом количества чеков. Такая модель делает расходы более гибкими и позволяет удерживать маржинальность даже при снижении выручки.
Ещё одно изменение касается взаимодействия финансовой службы с другими подразделениями: руководители начинают говорить не об освоении утверждённых лимитов, а об экономике инициатив, юнит-экономике и окупаемости.
Однако гибкость бюджетирования сама по себе не гарантирует правильного выбора проектов. Необходимо определить, какие инициативы действительно способны повлиять на финансовый результат и оправдывают использование ограниченных ресурсов.
Алексей Ефремов, Head of Product Rostic's IT, предлагает оценивать инвестиции в изменения и инновации через их долгосрочное влияние на способность бизнеса зарабатывать.
По его словам, на быстрорастущем конкурентном рынке стоимость бизнеса сильнее коррелирует со скоростью роста — выручкой и GMV. На зрелом рынке на первый план выходит устойчивый свободный денежный поток (FCF).
«Отсюда главный критерий: как инициатива влияет на способность зарабатывать в долгосрочной перспективе — через рост GMV или через FCF. Если она не двигает ни то, ни другое, это повод остановиться», — объясняет Ефремов.
Но финансовый эффект — не единственный фильтр. Спикер также предлагает учитывать реализуемость инициативы, связанные с ней риски и альтернативные варианты использования тех же ресурсов.
«Инновацию всегда оцениваем против лучшего доступного варианта использования тех же ресурсов, а не саму по себе».
Практическая методика отбора идей включает три последовательных фильтра.
Первый — определить, что реально изменится в финансовом результате компании после внедрения решения.
Второй — изучить опыт других рынков и отраслей. При этом наличие успешного решения у зарубежного игрока не означает, что оно автоматически создаст ценность для российского бизнеса: различаются зрелость рынка, регулирование и поведение клиентов. Поэтому бенчмарк для Ефремова — гипотеза, которую необходимо проверить.
Третий — провести недорогой эксперимент до запуска полноценной разработки. Чем выше неопределённость ожидаемого эффекта, тем дешевле должен быть первый шаг. Масштабировать следует только те гипотезы, которые подтвердили свою состоятельность на практике.
Отдельно Ефремов выделяет роль пользовательской обратной связи и экспертизы команды разработки. Именно реальные потребности клиента определяют ценность продуктовых изменений, а инженеры помогают оценить техническую реализуемость, стоимость и долгосрочные последствия решений.
Таким образом, в управлении инвестициями соединяются два подхода: бюджет должен оставаться достаточно гибким для оперативного перераспределения средств, а каждая новая инициатива — проходить проверку на финансовую целесообразность, реализуемость и альтернативную стоимость ресурсов.
3. ИИ в финансах: эффект и границы автоматизации
Одно из направлений, где финансовые руководители уже могут оценивать практическую отдачу от технологических инвестиций, — автоматизация внутренних процессов.
Иван Лашков, финансовый директор «Асконы», рассматривает внедрение ИИ-агентов как возможность существенно изменить структуру финансовой службы. При этом он выделяет два основных условия: цифровую зрелость компании и готовность сотрудников работать с новыми инструментами.
Если организация использует преимущественно ERP-системы, а остальные процессы выполняются в Excel или вручную, внедрение ИИ значительно усложняется.
При этом, по опыту Лашкова, сами затраты на первые внедрения не обязательно становятся существенным барьером. При использовании готовых внешних моделей инвестиции в первые ИИ-продукты могут составлять до 500 тыс. рублей, а в последующие — до 100 тыс. рублей. Разработка собственной модели, напротив, может потребовать десятков миллионов рублей. Поэтому спикер относит попытки создавать собственные модели вместо использования готовых решений к распространённым ошибкам коммерческих компаний.
Главным препятствием при этом Лашков считает неготовность команды к изменениям. Компетенции, по его оценке, можно сформировать за два-три месяца. Гораздо сложнее заинтересовать сотрудников новыми технологиями и показать им практический эффект.
Для обозначения такой заинтересованности спикер использует термин «ИИ-укушенность». По его опыту, когда удаётся заинтересовать новыми инструментами около 80% сотрудников, решение остальных вопросов становится преимущественно технической задачей.
Экономическую результативность автоматизации Лашков иллюстрирует несколькими примерами.
В одном из случаев внедрение нейроказначея позволило сократить подразделение казначейства с 15 человек до одного. Стоимость обработки транзакций снизилась примерно в 13 раз, а вложения окупились уже на второй месяц.
Другой пример — нейроаналитик, который способен самостоятельно отвечать на вопросы о причинах изменения продаж в отдельном регионе или снижения маржинальности. При внедрении такого инструмента численность аналитической команды может сократиться с 10 до двух человек. Однако основная ценность заключается не только в численности персонала, но и в скорости получения информации: если раньше подготовка ответа на сложный аналитический запрос занимала два-три дня, теперь ИИ-агент может предоставить его за 30–90 секунд.
Для предварительной оценки экономической эффективности Лашков предлагает использовать бенчмарки аналогичных внедрений, а затем проверять целевые показатели на пилотном проекте. Если результаты подтверждают ожидания, решение масштабируется. Для проверки эффективности применяются A/B-тестирование и сопоставление фактических результатов с первоначальными ориентирами.
При этом прогноз о дальнейшем изменении финансовой функции не означает полного отказа от человеческого управления. Лашков считает, что как минимум в ближайшие два года руководители казначейства, контроллинга и других ключевых направлений должны оставаться людьми. В перспективе, по его оценке, до 90% остального персонала финансовой функции могут составлять ИИ-агенты, тогда как ключевые управленческие позиции сохранятся за специалистами.
Опыт Ильдара Габбасова, финансового директора торговой сети «Подружка», показывает другую сторону внедрения ИИ: ускорение повседневной аналитики, требования к качеству постановки задач и сохранение профессионального контроля.
В компании анализ отклонений при формировании бюджета раньше занимал до трёх дней вместе с обсуждением у руководителя, сейчас укладывается в полтора часа.
Однако самостоятельная работа с ИИ-помощником требует двух базовых умений: точно поставить задачу, указав данные, методологию расчётов и контрольные проверки, а затем оценить полученный результат и определить источник возможной ошибки.
Как подчёркивает Габбасов, даже если автоматические проверки пройдены и формулы сходятся, результат может оказаться неадекватным из-за одного неудачного допущения. Выявить такую проблему способна профессиональная экспертиза финансиста.
Отдельное ограничение связано с чувствительностью финансовой информации. Подразделения работают с персональными данными, условиями договоров, ценами и внутренними прогнозами. В «Подружке» для работы с доступными облачными инструментами ограничивают круг задач, не загружают персональные данные и коммерческие условия, а остальную информацию предварительно обезличивают: реальные названия заменяют условными, суммы масштабируют.
Ещё одна проблема — «лоскутная автоматизация», когда каждое подразделение независимо внедряет собственные решения. Это приводит к дублированию данных, расхождениям в методиках расчётов и отсутствию сквозной оптимизации процессов. На начальном этапе такой подход может быть быстрым и экономичным, но затем наработки необходимо объединять на основе единых правил.
Меняется и роль финансового директора. По оценке Габбасова, с внедрением ИИ-помощников баланс двух традиционных функций CFO — защитной и партнёрской — смещается в сторону поддержки эффективности бизнеса. Подготовку отчётов, сбор данных и поиск отклонений всё чаще берут на себя инструменты автоматизации, освобождая время для прогнозирования и оценки управленческих решений.
По мере автоматизации финансовый директор становится архитектором процесса: определяет, откуда получать данные, что можно передавать внешней модели, какую методологию использовать и как проверять результат. Эти решения нельзя полностью делегировать ни ИТ-отделу, ни самому ИИ-инструменту.
При этом спикер отдельно подчёркивает: высвобождённое время не следует автоматически считать основанием для сокращения ставок. Оно может направляться на выработку рекомендаций и суждений, до которых раньше не доходили руки. Поэтому эффект автоматизации корректнее оценивать по росту отдачи от работы специалистов, а не только по сэкономленным часам.
В этих двух подходах нет противоречия: Лашков показывает возможности глубокой автоматизации отдельных финансовых процессов, а Габбасов — условия, при которых ИИ становится повседневным инструментом, не подменяющим профессиональное суждение. В обоих случаях экономический результат зависит не только от технологии, но и от качества данных, организации процессов и готовности сотрудников.
4. Агентная коммерция: горизонт инвестиций
Если автоматизация финансовой функции уже позволяет приводить конкретные расчёты экономического эффекта, то агентная коммерция пока требует другого подхода к оценке инвестиционной целесообразности.
Сергей Беляев, исполнительный директор Data Insight, рассматривает её как перспективное изменение самой модели взаимодействия покупателя с электронной торговлей.
«Покупатель станет “постановщиком задачи”, а не “исследователем витрины”», — описывает спикер будущую модель.
Часть выбора перейдёт к алгоритмам: ИИ-агент будет сравнивать товары, подбирать предложения и оформлять заказы на основе заданных потребителем параметров — бюджета, сроков и предпочтений. Если раньше конкуренция шла за место в выдаче маркетплейса, то в новой модели ритейлеру предстоит добиваться того, чтобы его предложение увидел и выбрал алгоритм.
При этом текущую готовность российского бизнеса Беляев оценивает как невысокую. Среди ограничений — недостаток собственных технологических разработок и независимых инструментов, проблемы качества и безопасности данных, а также неготовность бизнес-процессов к автоматизированному взаимодействию.
Для работы ИИ-агентов необходимы структурированные, чистые и актуальные данные о товарах, ценах, остатках и условиях доставки. Без такой информационной базы алгоритмам будет сложно корректно сопоставлять предложения и выполнять покупательские сценарии.
Экономическую эффективность инвестиций в агентную коммерцию Беляев предлагает оценивать по двум направлениям. Первое — снижение прямых и косвенных затрат благодаря повышению эффективности процессов, скорости и объёма производства. Второе — рост выручки и дохода за счёт новых продуктов на базе ИИ, персонализации предложений и повышения конверсии продаж.
При этом масштаб будущего канала продаж важно соотносить с прогнозируемыми сроками его развития. По исследованию Data Insight «Перспективы агентной коммерции в России» от 21 августа 2026 года, в 2028–2029 годах под управлением ИИ-агентов может оказаться 2–4% продаж российского e-commerce, или 400–850 млрд рублей. К 2030–2032 годам прогнозируемая доля увеличивается до 7–11%, что соответствует 2–3 трлн рублей.
В самом исследовании отмечается, что трафик из ИИ-систем начал расти в 2025 году, однако заказы через такие каналы пока остаются единичными для розницы. Практика ранних пользователей сосредоточена преимущественно на этапе выбора товара, тогда как оформление заказа и передача оплаты алгоритмам пока значительно менее распространены.
Это важное различие для финансового планирования: подготовка к агентной коммерции уже требует внимания к качеству товарных данных, ассортиментной инфраструктуре и автоматизации процессов, но прогнозируемый масштаб канала относится к более отдалённому периоду. Поэтому оценивать подобные вложения только по краткосрочной выручке было бы некорректно. Необходимо учитывать их роль в будущей конкурентоспособности и возможность поэтапного тестирования решений.
Точки роста — в качестве финансовых решений
Опыт семи спикеров показывает, что поиск точек роста ритейла на рубеже 2026–2027 годов не сводится к выбору между сокращением расходов и расширением бизнеса. Речь идёт о более точном управлении ресурсами на разных уровнях: от товарной категории и отдельного магазина до бюджетного портфеля и технологической инфраструктуры.
Практики ОМА и «Читай Город-Буквоед» показывают, почему необходимо регулярно пересматривать отдачу от действующих активов, учитывая не только маржинальность или выручку, но и оборачиваемость, операционные затраты, трафик и перспективы локации.
Опыт «Шоколадницы» и Rostic's IT раскрывает другую сторону этой задачи: бюджет и инвестиционные решения должны оставаться гибкими, а новые инициативы — проходить проверку на измеримый результат, реализуемость и альтернативную стоимость ресурсов.
Наконец, примеры «Асконы» и «Подружки» позволяют оценить уже доступные эффекты автоматизации финансовых процессов и одновременно увидеть ограничения, связанные с качеством данных, безопасностью и необходимостью человеческого контроля. Перспектива агентной коммерции расширяет горизонт планирования: подготовка к ней начинается задолго до того, как новый канал продаж достигнет значимого масштаба.
