В статье исследуется трансформация процесса управления ассортиментной матрицей в розничной торговле под влиянием технологий искусственного интеллекта и машинного обучения. Центральной проблемой, рассматриваемой в работе, является противоречие между необходимостью поддержания широкого ассортимента для удовлетворения спроса и минимизацией связанных с этим операционных издержек. Автор проводит анализ современных подходов к оптимизации, включая применение предиктивной аналитики для прогнозирования спроса, динамического ценообразования и автономного пополнения запасов. На основе обзора практик ведущих ритейлеров и рыночных данных предлагается концептуальная модель внедрения, интегрирующая технологические решения с организационными изменениями. Доказано, что комплексное использование алгоритмов машинного обучения позволяет не только снизить затраты на хранение и логистику на 1520%, но и повысить общую рентабельность за счет более точного соответствия ассортимента потребительским предпочтениям. Статья адресована исследователям в области менеджмента и практикам розничной торговли.