Здійснено теоретичне обґрунтування переходу до AI-керованої товарної політики через визначення системоутворювальної ролі даних у процесі ухвалення маркетингових рішень аналіз можливостей алгоритмів машинного навчання та конкретизацію напрямів їх застосування у прогнозуванні попиту, оптимізації асортименту й автоматизованого управління запасами. Розроблено, структуровано та обґрунтовано багаторівневу модель AI-керованої товарної політики, що функціонує як цілісна замкнена система із механізмом зворотного зв'язку і поєднує етапи збору та інтеграції даних, алгоритмічне прогнозування та АІ-аналітику, управлінські рішення з оптимізації асортименту, автоматизованого управління запасами, KPI-моніторинг результативності. Визначено переваги запропонованої моделі, практичні результати від її впровадження та системні бар'єри реалізації АІ-рішень. Практична цінність дослідження полягає у можливості використання розробленого підходу як методичного інструментарію маркетингового консультування для підвищення адаптивності суб'єктів ритейлу, зниження операційних витрат, прискорення товарообороту та формування стійких конкурентних позицій на основі data-driven управління.