В начале 2025 года уже треть российских компаний использовали искусственный интеллект, причем 67% из них применяют ИИ в логистике ежедневно. При этом кадровый дефицит в транспортно-логистической отрасли достигает 20%, а к 2030 году может вырасти до 1,5 млн человек. О том, могут ли технологии ИИ решить эту проблему и сделать логистические цепочки по-настоящему бесперебойными, расскажет Анна Суртаева, старший бизнес-эксперт Т1 ИИ (ИТ-холдинг Т1).
От эксперимента к необходимости
Еще недавно искусственный интеллект в логистике воспринимался как нечто экспериментальное — «большая красная кнопка», с помощью которой можно решить все проблемы разом. Сейчас мы видим четкий переход от опытов к осознанной потребности. Бизнес стал лучше понимать, какие конкретные задачи можно закрыть с помощью умных алгоритмов.
Традиционные системы оперативного и управленческого контура выполняют функции по ведению текущих данных в транзакционном контуре, частично справляются с наведением порядка в большом объеме данных и проведением цифровизации. Фактически, текущие системы обеспечивают прозрачность бизнес-процессов, но не всегда могут помочь с их оптимизацией. При этом именно интеллектуальные технологии способны радикально изменить подход к управлению логистикой.
Природа сбоев: почему логистика уязвима
По данным Arthur Consulting, к 2030 году дефицит специалистов в транспортно-логистической отрасли может вырасти на 50% — и это одна из главных причин перебоев. Однако ситуацию усложняют и другие факторы: резкие изменения в транспортных потоках, смена партнеров, новые требования к прозрачности доставок — все это создает дополнительную нагрузку на отрасль.
Так, например, Китай обеспечивает прозрачность при организации транспортных потоков грузов на своей стороне и невольно формирует требования по высоким стандартам для цифровизации партнеров. Российским компаниям приходится адаптироваться к этим требованиям, переводить процессы в цифровой формат и внедрять умные системы, способные передавать партнерам информацию, которая необходима для равноценной прозрачности при организации транспортировки.
Мультимодальные перевозки также представляют сложность из-за разных тарификаций у различных видов транспорта. Техническое состояние оснащения транспорта разное, ситуация требует мониторинга и оптимального распределения потоков при организации мультимодальных перевозок с максимальным учетом факторов влияния. С точки зрения равноценного развития всех видов транспорта при постоянных геополитических изменениях ИИ может помочь скорректировать планы на развитие мощностей в различных регионах, смоделировать многочисленные сценарии и обеспечить максимизацию прибыли компаниям с использованием различных политик тарификации.
Как работает ИИ в логистике
Для эффективной работы искусственному интеллекту требуется достаточное количество данных. Именно поэтому создание реестров и организация взаимодействия с информационными государственными системами становятся огромным шагом к внедрению ИИ.
Основные технологии и инструменты:
- Компьютерное зрение. Анализирует фото и видео для формирования базы данных и принятия решений. Оно может отслеживать техническое состояние транспорта, контролировать соблюдение правил безопасности или мониторить грузы.
- Генеративные ИИ-агенты. Помогают обычным пользователям взаимодействовать с искусственным интеллектом. Они позволяют запускать сложные аналитические модули на основе простого текстового запроса.
- ML-модели для обработки данных. Включают прогнозирование спроса, оптимизацию маршрутов и аналитические решения для анализа больших массивов информации.
В разных сегментах логистики умные алгоритмы решают специфические задачи. Авиаперевозчики используют их для клиентской аналитики, чтобы формировать предложения, которые будут интересны как пассажирам, так и авиакомпаниям. Судоходные компании больше интересуются прогнозами долгосрочных потребностей и расчетом оптимальных курсов. Железнодорожные операторы догоняют авиаперевозки в части клиентской аналитики, активно применяют ИИ для прогнозирования спроса и планирования загрузки вагонов в грузовых перевозках. Порты применяют умные программы для распределения потоков и уменьшения времени простоя судов.
Показательный кейс — составление плана расстановки вагонов по перегонам. ИИ формирует сложные и оптимальные маршруты для вагонов (несколько точек до возвращения в терминал), чтобы максимизировать прибыль от движения вагона. Еще одним примером может служить создание расписания судов с учетом сезонности, наличия ледоколов и метеоусловий.
Что может сделать бизнес уже сейчас
Для эффективного внедрения ИИ компаниям необходимо:
- Сформировать модели данных на уровне транзакционных систем — провести ревизию информационных потоков, паспортизацию и цифровизацию мощностей компании, дедубликацию данных в контуре из нескольких систем и, по возможности, нормализовать данные. С этим также может помочь ИИ.
- Организовать хранилище данных — это поможет ИИ получить доступ к обработанной информации из разных источников, заполнить пробелы и стандартизировать справочники.
- Четко сформулировать цели использования ИИ — определить проблематику, которую нужно решить, и измеримые показатели эффекта от внедрения.
- Разработать методологию и математические модели — выбрать подходящие алгоритмы для достижения поставленных целей.
- Запустить пилотный проект — протестировать решение на ограниченном участке, оценить эффективность и внести коррекции.
- Тиражировать решение — после успешного пилота внедрить технологию в ежедневную работу.
- Контролировать и обновлять ML-модели — регулярно оценивать качество моделей, дообучать их при необходимости, добавлять новые факторы влияния.
Внедрению ИИ препятствуют следующие барьеры:
- Нехватка ИТ-специалистов — дефицит квалифицированных кадров в сфере ИИ составляет около 5 тысяч человек.
- Дороговизна решений — компании не всегда готовы инвестировать в технологии с не моментальной отдачей.
- Безопасность данных — вопросами защиты информации нужно заниматься еще на этапе внедрения.
Перспективы ИИ в логистике
Полностью заменить человека искусственный интеллект пока не может. Он дополняет нашу работу, автоматизирует повторяющиеся операции, снижает число ошибок и ускоряет процессы. ИИ подсказывает, как принять оптимальное решение, но выбор всегда остается за человеком.
Применение умных алгоритмов освобождает время персонала для более творческих задач. Рутинные действия, занимающие до 80% рабочего дня, можно автоматизировать — это позволит сотрудникам сосредоточиться на действительно важных вопросах.
В ближайшие 3-5 лет мы увидим, как ИИ уберет рутину из процессов и высвободит человеческие ресурсы. Также повысится прозрачность на каждом этапе цепочки поставок, и улучшится точность планирования благодаря прогнозам. Кроме того, ускорятся грузопотоки за счет лучшей отслеживаемости. И, конечно, вырастет эффективность использования всех ресурсов.
Уже сегодня внедрение искусственного интеллекта в логистических компаниях позволяет снизить нагрузку на персонал, оптимизировать перевозки и положительно влиять на стоимость услуг в отрасли. Учитывая растущий кадровый дефицит, эта тенденция будет только усиливаться.
