Святослав Вильде, ATI.SU: «Видим 5 сценариев применения ИИ в логистике»

Технологии продолжают менять логистику, и сегодня главным драйвером изменений становится искусственный интеллект. О том, какие сценарии применения ИИ наиболее перспективны для российского бизнеса в сфере грузоперевозок, рассказал Святослав Вильде, основатель и директор «Биржи грузоперевозок ATI.SU».

— Еще год назад искусственный интеллект воспринимался как технология будущего. Но уже сегодня с ним экспериментируют предприятия разных отраслей. Как он используется в логистике, и с какими вызовами сталкивается отрасль на пути к его внедрению?

— Прежде чем говорить о сложных системах, важно отметить парадокс: в то время как одни компании тестируют беспилотные грузовики, значительная часть рынка до сих пор не прошла этап базовой автоматизации. Половина предприятий не перешла на электронный документооборот и не использует платформы для поиска грузов. Это создает противоречивую ситуацию: мы одновременно имеем дело с цифровым разрывом внутри отрасли и технологическим прорывом отдельных игроков.

Для тех, кто прошел этап базовой автоматизации, ИИ — это действительно не будущее, а настоящее. В исследовании Axenix обобщен мировой и отечественный опыт и выделено несколько ключевых направлений его применения в цепочках поставок. Так, машинное обучение уже давно и активно используется для создания математических моделей, которые помогают принимать обоснованные решения на основе исторических данных. Речь идет о прогнозировании спроса и цен, оптимизации страховых запасов, управлении рисками и сложной мультимодальной транспортной сетью.

Компьютерное зрение применяется для автоматизации приемки товаров, учета грузов и контроля соблюдения мер безопасности, что значительно снижает влияние человеческого фактора. 

Генеративный ИИ назван трендом 2025 года. Его ценность в том, что он не только понимает контекст и решает сложные интеллектуальные задачи, но и создает новый контент. В логистике это открывает путь к автономности: он может обновлять прогнозы спроса без участия человека, автоматически перестраивать маршруты на основе поступающих уведомлений, а также классифицировать и проверять документы.

Но главный прорыв ближайшего будущего связан с ИИ-агентами — «цифровыми сотрудниками», которые могут автономно управлять своими зонами ответственности. Например, оптимизацией запасов готовой продукции и сырья, снижением транспортных затрат или формированием продвинутой аналитики трендов спроса.

— А какие сценарии применения ИИ вы считаете наиболее перспективными для российского рынка?

— Мы видим пять конкретных сценариев, которые либо уже дают эффект, либо кардинально изменят отрасль в ближайшие 2 — 3 года.

Беспилотные грузовики — пожалуй, самый заметный тренд. Технология уже не просто тестируется, а реально работает на российских трассах, как, например, автономные КамАЗы на трассе М-11. Они решают острейшую проблему: 70% российских перевозчиков сталкиваются с нехваткой водителей. Беспилотник может работать круглосуточно и в любых условиях. Однако сегодня развитие технологии тормозит высокая стоимость. Массовым решение станет только при достижении экономической эффективности.

Другой реальный сценарий — первая линия поддержки. Интеллектуальные чат-боты на базе генеративного ИИ — это уже реальность. Они могут осмысленно вести диалог, отвечая на стандартные запросы по отслеживанию грузов и статусам платежей, а в сложных случаях — бесшовно переключать на оператора, собрав всю первичную информацию. Это не просто снижает нагрузку на специалистов, но и кардинально повышает скорость реакции на запрос клиента.

ИИ-диспетчеры — следующий шаг в автоматизации процессов. Искусственный интеллект может взять на себя мониторинг перевозки: регулярно уточнять местоположение, фиксировать статус рейса, отслеживать состояние груза и технические параметры машины. Вся эта информация в реальном времени интегрируется в систему управления транспортом (TMS), обеспечивая беспрецедентную прозрачность и формируя надежную аналитическую базу. Это та основа, на которой в будущем будут строить свою работу автономные ИИ-агенты.

Голосовые интерфейсы скоро станут привычными в разных сервисах, и логистика — не исключение. Это революция в удобстве для пользователей. Так, вместо ручного ввода многочисленных фильтров на платформе пользователь сможет просто продиктовать запрос: «Найди машину в Самаре, готовую ехать в Москву послезавтра». ИИ, используя технологии обработки естественного языка (NLP), распознает речь, извлечет суть и мгновенно выдаст релевантный результат или корректно разместит заказ. Это ускоряет работу в разы.

Системы поддержки принятия решений — один из самых мощных инструментов, где машинное обучение раскрывает свой полный потенциал. ИИ анализирует огромные массивы структурированных и неструктурированных данных — от истории продаж и показателей IoT-датчиков в рефрижераторах до макроэкономических индикаторов и данных о погоде. Это позволяет не просто прогнозировать спрос, но и моделировать события. Например, для скоропортящегося груза система может рекомендовать: продолжить доставку, перенаправить на склад или инициировать возврат, минимизируя убытки. Компании получают возможность не реагировать на проблемы, а предвосхищать их.

— А как вы сами подходите к внедрению ИИ на платформе ATI.SU? Расскажите о конкретных шагах и планах.

— Мы действуем поэтапно и прагматично. Так, уже несколько лет используем алгоритмы машинного обучения для выявления аномалий в поведении пользователей. Это важнейший инструмент для обеспечения безопасности на платформе, который помогает нам проактивно пресекать мошеннические действия и защищать участников сделок от заведомо недобросовестных партнеров. Это та точка, где ИИ приносит измеримую пользу прямо сейчас.

Несколько проектов — в стадии разработки. В следующем году на платформе появятся ИИ-помощники для автоматизации процессов взаимодействия между участниками платформы. Они будут напрямую, а не опосредованно интегрированы в коммуникацию между грузоотправителями и перевозчиками, чтобы ускорить и упростить заключение сделок.

Мы детально прорабатываем внедрение голосовых ассистентов. Наша цель — трансформировать модель взаимодействия с платформой, сделав ее максимально интуитивной и эффективной. Вместо работы с формами пользователь сможет решать свои задачи через естественный диалог.

В более долгосрочной стратегии мы смотрим в сторону построения элементов единого информационного пространства, которое в будущем может стать основой для координации различных ИИ-сервисов на нашей платформе.

— Какой совет вы могли бы дать компаниям, которые рассматривают внедрение ИИ? С чего им стоит начать?

— Стоит начать с малого, но с четким фокусом на измеримый результат. Не нужно пытаться сразу создать «цифрового двойника» всей цепочки поставок. Лучше запустить небольшой, но значимый проект: чат-бот для обработки самых частых запросов в поддержку, систему прогнозирования спроса для одной товарной категории или пилотный проект по оптимизации маршрутов для 10% автопарка. Это позволит оценить эффект, понять специфику технологии и адаптировать под нее процессы без больших рисков и инвестиций.

Но я хочу подчеркнуть ключевой принцип, который мы видим и на своем опыте, и в успешных кейсах на рынке: внедрение ИИ без предварительной базовой цифровизации не имеет смысла. Если у вас не налажен электронный документооборот, нет автоматического поиска грузов и транспорта, не выстроено сквозное отслеживание перевозок, то начинать нужно именно с этого. И, возможно, небольшим компаниям будет вполне достаточно того искусственного интеллекта, который уже есть или будет на логистической платформе, с помощью которой они ведут свою деятельность. Зачем инвестировать в то, что уже есть на рынке — рациональнее использовать доступные технологии.

ИИ — это мощный инструмент, который дает максимальную отдачу только тогда, когда работает на прочном фундаменте оцифрованных операций. Сначала наведите порядок в данных и процессах, а затем подключайте продвинутые технологии для их оптимизации. Это гарантирует, что инвестиции в ИИ принесут реальную, а не иллюзорную ценность.