Как AI-ассистент оптимизировал внутреннюю логистику компании
Логистический оператор внедрил AI-ассистента для расчета параметров грузов и автоматизации перемещения ТМЦ, снизив затраты и ускорив оформление заявок
Причина
Крупный логистический оператор и лицензированный таможенный брокер, работающий с международными грузоперевозками. Компания доставляет грузы всеми видами транспорта и сопровождает клиентов на всех этапах — от сертификации до таможенного оформления. Внутри холдинга ежедневно перемещаются сотни единиц товарно-материальных ценностей (ТМЦ) между складами и подразделениями.
Внутренняя логистика была выстроена на ручных операциях. Сотрудники сами рассчитывали вес и габариты грузов, передавали данные диспетчерам по почте и в мессенджерах, а документы на перемещение оформляли в других системах. Это увеличивало время обработки заявок и создавало риск ошибок в исходных данных.
Неточные параметры грузов приводили к неверному подбору транспорта и количества грузчиков. Возникали простои, перерасход бюджета и конфликтные ситуации между материально ответственными лицами. Руководству было сложно оперативно получить прозрачную картину перемещений и затрат.
Задача
Руководство компании вместе с командой цифровой трансформации и компанией CodeInside сформулировало несколько целей:
- снять с сотрудников рутинные расчеты и дублирующий ввод данных;
- обеспечить прозрачный учет внутренних перемещений ТМЦ;
- сократить затраты на внутреннюю логистику;
- сохранить привычную роль людей, но усилить ее за счет цифрового помощника.
Ключевая идея заключалась во внедрении AI-ассистента, который анализирует данные о грузах, предлагает подходящий транспорт и автоматически формирует документы передачи между материально ответственными лицами.
Решение
Совместно с заказчиком команда CodeInside разработала AI-ассистента внутренней логистики — интеллектуального помощника, встроенного в процесс создания и согласования заявок. Система:
- анализирует характеристики ТМЦ (вес, габариты, объем);
- рассчитывает параметры груза и рекомендует тип транспорта и количество грузчиков;
- формирует и маршрутизирует заявки на перемещение;
- фиксирует отклонения от рекомендаций и причины корректировок.
AI-модуль обучается на накопленных данных компании: истории перемещений, особенностях маршрутов и составе автопарка. Если пользователь меняет предложенное решение, система учитывает это при последующих рекомендациях. Для сотрудников это не «черный ящик», а понятный инструмент поддержки решений, который объяснимо предлагает варианты и учитывает практику работы компании.
Реализация
Решение построено на архитектуре, объединяющей AI-модуль, web-интерфейс и интеграции с существующими системами учета ТМЦ, WMS и управления транспортом. В основе стека — Java Spring Boot, PostgreSQL, REST API и модуль машинного обучения.
Проект реализовывался поэтапно.
- Анализ процессов и постановка требований.
Команда совместно с заказчиком описала текущие сценарии перемещения ТМЦ, источники данных и типовые ошибки. Были определены целевые метрики: время обработки заявки, доля заявок без ручной корректировки, уровень экономии ресурсов. - Проектирование пользовательских сценариев.
Интерфейсы разработали для трех ролей: инициатора заявки, логиста и материально ответственного лица. Особое внимание уделили сокращению количества шагов и полей, чтобы не увеличивать нагрузку на сотрудников и не тормозить работу. - Разработка и интеграции.
Web-приложение стало единой точкой входа в процесс. AI-ассистент встроили в цепочку формирования заявки и связали с учетной системой, WMS и внутренним документооборотом. Это позволило автоматически создавать накладные, уведомления и передавать данные в учет ТМЦ без повторного ввода. - Пилот и масштабирование.
Сначала система запускалась на ограниченном наборе подразделений. Собиралась обратная связь от пользователей, уточнялись модели и бизнес-правила. После подтверждения целевых метрик решение было распространено на остальные подразделения компании.
Пользовательский сценарий
Сотрудник выбирает ТМЦ из справочника и формирует заявку на перемещение, указывая отправителя и получателя. AI-ассистент автоматически рассчитывает вес и объем, предлагает тип транспорта и количество грузчиков. Пользователь может принять рекомендации или скорректировать их, указав причину.
После согласования заявки система создает документ «Перемещение ТМЦ», отправляет уведомления участникам процесса и передает данные в учетную систему. При получении груза на складе материально ответственное лицо подтверждает прием, и ТМЦ автоматически принимаются к учету. Вся история движения сохраняется и доступна для аналитики и аудита, что упрощает контроль и проверку.
Результаты
После внедрения AI-ассистента компания получила измеримый эффект:
- затраты на внутреннюю логистику снизились до 30 % за счет оптимизации подбора транспорта и сокращения простоев;
- время оформления заявок и документального сопровождения сократилось примерно в два раза благодаря автоматизации расчетов и устранению ручных операций;
- достигнута 100 % прозрачность перемещений ТМЦ: каждый этап фиксируется, а история операций доступна для контроля и аудита.
Фактически компания перешла от разрозненных ручных действий к управляемому процессу, в котором ключевые решения поддерживаются данными и рекомендациями цифрового помощника.
Выводы
Кейс показал, что привычные процессы, такие как перемещение ТМЦ внутри компании, могут стать точкой роста эффективности. Интеграция AI-ассистента не потребовала радикального изменения ролей сотрудников, но позволила снять рутинную нагрузку, снизить риски ошибок и получить прозрачную картину затрат.
Для заказчика этот проект стал шагом от классической автоматизации к ИИ-управляемым процессам. Полученный опыт можно масштабировать на другие участки логистики и использовать как основу для дальнейшей трансформации операционной модели.
Источники изображений:
Личный архив компании
Рубрики
Интересное:
Новости отрасли:
Все новости:
Публикация компании
Контакты
Социальные сети
Рубрики