---
title: "W prognozie popytu klasyczne ML wciąż wygrywa z LLM"
url: "https://hurukan.com/pl/blog/prognoza-popytu-klasyczne-ml-wygrywa-z-llm"
description: "Pytanie modelu czatu, ile towaru zamówić, daje płynnie podaną liczbę, a nie prognozę. Prognoza popytu to nadal zadanie dla klasycznych modeli i testu wstecznego."
---

# W prognozie popytu klasyczne ML wciąż wygrywa z LLM

30 czerwca 2026·3 min czytania·Redakcja

Planistka widziana z boku w jasnym biurze z widokiem na wysokie regały magazynu, monitor z abstrakcyjnym niebieskim wykresem liniowym i zacienionym pasmem, na biurku wydruk arkusza i długopis

Zakupowiec wkleja do asystenta czatu sprzedaż jednego produktu z ostatnich dwunastu miesięcy i pyta, ile sztuk zamówić na następny kwartał. Odpowiedź to jedna pewna liczba z rozsądnym uzasadnieniem: jest trochę sezonowości, łagodny trend wzrostowy, doliczono zapas bezpieczeństwa. Zakupowiec składa zamówienie.

Liczba może nawet być bliska prawdy. Nie w tym rzecz. Rzecz w tym, że nikt nie wie, jak blisko zwykle trafia, bo niczego w niej nie da się zmierzyć. Nie ma zapisu, jak ta metoda wypadłaby w zeszłym roku, nie ma przedziału błędu i nie ma wiedzy o promocji zaplanowanej na przyszły miesiąc, o trzech tygodniach, kiedy towaru brakowało, ani o nowym czasie dostawy u dostawcy.

Prognoza popytu to problem statystyczny o liczbach w czasie, ze znaną strukturą: trendem, sezonowością, promocjami, zmianami cen i brakami towaru, które ukrywają prawdziwy popyt. Klasyczne metody zbudowano właśnie pod tę strukturę. Wygładzanie wykładnicze, modele typu ARIMA i drzewa wzmacniane gradientowo na dobrze dobranych cechach są tanie w działaniu, a przede wszystkim ich błąd da się zmierzyć na historii, zanim ktokolwiek im zaufa. Ogólny model językowy generuje prawdopodobny tekst. Liczba w tym tekście nie ma przedziału błędu ani testu wstecznego.

## Co idzie źle, gdy pytasz model czatu

**Brak testu wstecznego.** Nie wiesz, jak bardzo metoda pomyliłaby się na danych z zeszłego roku, więc nie masz z czym jej porównać, nawet z najprostszym podejściem.

**Sprzedaż to nie popyt.** Kiedy półka była pusta, sprzedaż wynosiła zero, a popyt nie. Model czytający surową historię sprzedaży uczy się utraconego popytu jako niskiego popytu. Procesy prognozowania obsługują braki towaru wprost; wklejona tabela tego nie robi.

**To, co mieści się w prompcie, to nie historia.** Prawdziwy asortyment to wiele pozycji w wielu lokalizacjach, z hierarchią kategorii, które mają wspólne wzorce. To się nie mieści w rozmowie, więc model prognozuje każdą pozycję osobno, z tego niewiele, co mu pokazano.

**Za każdym razem inna odpowiedź.** Modele językowe losują swoje wyniki. Zapytaj dwa razy, a możesz dostać dwie liczby, bez rozsądnego sposobu wyboru między nimi.

**Uzasadnienia, które brzmią dobrze.** Model wspomni o sezonowości niezależnie od tego, czy dane ją mają, bo prognozy zwykle wspominają o sezonowości. Uzasadnienie jest stylem, a nie analizą.

**Koszt i tempo w skali.** Przepuszczanie co tydzień każdej pozycji przez duży model kosztuje znacznie więcej niż klasyczny model, który spokojnie działa na zwykłym sprzęcie.

## Gdzie jest miejsce dla każdego rodzaju modelu

**Klasyczne modele dają liczby.** Zacznij od naiwnych punktów odniesienia: ten sam okres rok wcześniej i średnia z ostatnich okresów. Potem spróbuj wygładzania wykładniczego i modelu wzmacnianego gradientowo z cechami dla ceny, promocji, kalendarza i braków towaru. Zostaw ten, który w teście wstecznym pokonuje punkty odniesienia, i mierz go dalej.

**Model językowy zbiera i wyjaśnia.** Czyta mail dostawcy o wydłużonym czasie dostawy i zamienia go na parametr. Zamienia plan promocji spisany przez sprzedaż na cechy, z których skorzysta prognoza. Tłumaczy prognozę zakupowcowi prostymi słowami i przygotowuje zamówienie do akceptacji. W tym modele językowe są mocne, co opisuje tekst [gdzie duże modele językowe naprawdę zarabiają na siebie](https://hurukan.com/pl/blog/gdzie-modele-jezykowe-zarabiaja-na-siebie).

**Modele bazowe dla szeregów czasowych to osobna kategoria.** Modele wstępnie trenowane specjalnie na szeregach czasowych nie są asystentami czatu i niektóre warto przetestować. Traktuj je jak każdego innego kandydata: ten sam punkt odniesienia, ten sam test wsteczny, i zostają tylko wtedy, gdy wygrywają na Twoich danych.

**Zamówienie zatwierdza człowiek.** Prognoza, jej niepewność i ograniczenia (minimalna wielkość zamówienia, termin przydatności, budżet) stają się proponowanym zamówieniem. Zatwierdza je ktoś, kto za nie odpowiada.

Wokół takiego łańcucha są projektowane moduły Hurukan. Stany, rezerwacje i inwentaryzacje w module [Magazyn i logistyka](https://hurukan.com/pl/modules/magazyn-i-logistyka) dostarczają historii i informacji o brakach; moduł [Zakupy](https://hurukan.com/pl/modules/zakupy) zamienia prognozę na proponowane zamówienie, które czeka na akceptację. Warstwa [Superinteligencji](https://hurukan.com/pl/system/superinteligencja) kieruje każde zadanie do właściwego rodzaju modelu: językowego do czytania i pisania, prognostycznego do liczb. System jest w budowie. Taki model prognostyczny to zresztą dobry przykład modelu, który może działać na własnym sprzęcie, o czym jest tekst [małe modele na własnym sprzęcie](https://hurukan.com/pl/blog/male-modele-na-wlasnym-sprzecie).

## Test na dziś

Weź jeden produkt z co najmniej dwuletnią historią. Odłóż na bok ostatnie trzy miesiące i udawaj, że ich nie znasz.

Zaprognozuj te trzy miesiące na trzy sposoby, korzystając tylko z danych sprzed odłożonego okresu:

1.  Te same trzy miesiące rok wcześniej.
2.  Średnia z trzech miesięcy tuż przed odłożonym okresem.
3.  Twoja obecna metoda, czy to narzędzie do planowania, arkusz, czy asystent czatu.

Porównaj każdą prognozę z tym, co naprawdę się wydarzyło, licząc średni błąd bezwzględny na miesiąc.

Jeśli Twoja obecna metoda nie pokonuje obu naiwnych punktów odniesienia, żadna zmiana modelu nie pomoże, dopóki nie zrozumiesz dlaczego. Cokolwiek wygra, masz teraz liczbę mówiącą, jak bardzo zwykle się myli, a to ona czyni prognozę użyteczną: mówi, jaki zapas bezpieczeństwa trzymać i na ile ufać następnej liczbie.

-   prognozowanie popytu
-   uczenie maszynowe
-   test wsteczny
-   zakupy

## Czytaj dalej

-   [Jedna tożsamość dla ludzi i agentów: kto co może](https://hurukan.com/pl/blog/jedna-tozsamosc-dla-ludzi-i-agentow)
-   [Stan bieżący i zapis: dwie pamięci systemu operacyjnego firmy](https://hurukan.com/pl/blog/stan-biezacy-i-zapis-dwie-pamieci-systemu-operacyjnego-firmy)