Статьи · Логистика

ИИ в логистике: как использовать и примеры

В логистике ИИ полезен не там, где рисуют красивые прогнозы, а там, где диспетчер весь день отвечает «где машина» и ищет оригиналы документов. Разбираем, где уходят время и деньги и какие задачи можно отдать ИИ уже сейчас.

Что такое ИИ в логистике простыми словами

У большинства перевозчиков и экспедиторов учёт уже есть: 1С:TMS, 1С:Управление автотранспортом, Saby TMS, Контур.Логистика, мониторинг вроде Wialon или Omnicomm. Эти программы хранят рейсы, путевые листы и документы.

Но работа идёт не только в учёте. Водитель пишет в чат, клиент звонит диспетчеру, фото накладной лежит в WhatsApp, бухгалтер ждёт оригиналы. Между людьми и программами остаётся ручная работа, и на ней держится вся смена диспетчера.

ИИ закрывает именно этот разрыв. Он читает сообщения и фото, понимает, о каком рейсе речь, записывает статус в учётную систему и отвечает клиенту. Учёт остаётся прежним. Меняется то, сколько раз человеку приходится переписывать одно и то же руками.

Где в логистике теряются время и деньги

Список болей отрасль называет сама. В статье Saby про TMS это водители, которые съезжают с маршрута и опаздывают, топливо не для рабочих нужд, штрафы ГИБДД, которые проверяют вручную на Госуслугах, и бумажные документы, которые задерживают взаиморасчёты.

Контур.Логистика пишет, что бумажные документы «могли потерять, случайно порвать или испортить», а после каждого рейса уходит время на обмен оригиналами.

Ошибки в документах стоят денег. Издание new-retail.ru приводит случай, когда перевозчик потерял больше 100 тыс. рублей из-за небрежно заполненной накладной, и штраф 30 тыс. рублей за путевые листы без данных о медосмотре и одометре.

В 2026 году добавились сроки. С 1 сентября 2026 года электронная транспортная накладная обязательна, а экспедитору без записи в реестре ГосЛог грозит штраф до 1 млн рублей (Saby, retail.ru).

И есть то, что знает любой диспетчер: клиент звонит по несколько раз за рейс, а деньги за рейс приходят через 30–60 дней после возврата оригиналов. Пока документы едут у водителя, оплаты нет.

Примеры: как ИИ используют крупные компании

Крупные игроки начинают с прогнозов. Транспортная группа FESCO рассказывала «Российской газете» (апрель 2026) о модели, которая предсказывает скопления порожних контейнеров на локациях. Раньше это считали вручную в Excel. По словам менеджера проектов отдела машинного обучения FESCO Владимира Акулова, модель позволяет заглянуть вперёд на шесть недель и увеличила горизонт прогноза примерно в 1,5 раза.

Там же FESCO описывает HR-ассистента: он помогает сформулировать требования к кандидату, выделить подходящих и составить вопросы для первого собеседования. По словам компании, им пользуются около 80% рекрутеров, и рассчитывают экономить до 60% времени эксперта.

Для такой модели нужны данные за несколько лет и своя команда. Небольшому перевозчику с двадцатью машинами прогноз контейнеров не нужен. Ему нужен диспетчер, которого не рвут на части звонками. Поэтому ниже сценарии для обычной транспортной компании.

Как использовать ИИ в логистике: сценарии для перевозчика и экспедитора

Это типовые задачи, которые ИИ-агент берёт на себя, работая с вашими TMS, 1С и мониторингом:

• Бот для водителя в Telegram или MAX: прибыл на загрузку, загрузился, выгрузился. Одна кнопка, фото и геометка. Статус сразу уходит в TMS.
• Бот для клиента: статус рейса, ориентировочное время и контакт водителя по данным мониторинга. Клиент получает ответ, диспетчер не отвлекается.
• Распознавание фото документов: водитель присылает снимок накладной, ИИ вытаскивает номер, даты, вес и сверяет с рейсом. Если чего-то не хватает, сразу пишет водителю, что переснять.
• Контроль оригиналов: список рейсов, по которым документов нет больше пяти дней, и кому звонить.
• Утренняя сводка руководителю: какие машины в рейсе, кто опаздывает, кто стоит, кто без связи больше двух часов.
• Простои: если машина стоит на загрузке дольше нормы, агент фиксирует время и готовит основание для претензии.
• Штрафы: проверка по госномерам, привязка к водителю и рейсу и задача на оплату, пока действует скидка.
• Сроки по людям и машинам: истекающие права, медосмотры, ТО. Напоминание приходит до срока, а не после.

Ни один из этих сценариев не требует менять TMS. Агент подключается к тому, что уже работает, и закрывает ручную работу между чатом и учётом.

Склад, опт и маркетплейсы

У складов и оптовиков свои потери. Заказ пришёл в мессенджер и не дошёл до 1С. Остаток в учёте есть, а на полке нет. Менеджеры переносят данные из 1С в Excel, чтобы посчитать маршруты водителей и их зарплату: такой случай описан в материале на vc.ru об автоматизации продаж с 1С.

Здесь ИИ помогает так: разбирает заказы из чатов и почты и заводит их в 1С или МойСклад, отвечает клиенту про остаток и цену без звонка на склад, собирает документы по отгрузке.

Для селлеров на маркетплейсах отдельная история: остатки по складам, слоты приёмки, пропажи коробок. По данным Uniseller, слоты на популярных складах открываются на 15–30 минут и сразу разбираются. Бот, который следит за слотами и сразу пишет ответственному, тут полезнее любого прогноза.

Как начать: один процесс и пилот

Не нужно автоматизировать всю логистику разом. Выберите один процесс, где больнее всего, и запустите на нём пилот.

Хорошие кандидаты для первого шага: статусы рейса от водителей, ответы клиентам «где машина» или контроль оригиналов. У них понятный результат. До пилота посчитайте, сколько звонков получает диспетчер за день или сколько рейсов висит без документов. Через месяц сравните.

Порядок обычно такой. Разбираем, как сейчас идёт процесс и в каких программах лежат данные. Подключаемся к TMS, 1С или мониторингу. Запускаем на нескольких водителях или одном клиенте. Смотрим две-три недели, правим и только потом раскатываем на всех.

Водителей важно не перегружать. Если боту нужно десять полей, им не будут пользоваться. Кнопка и фото работают, длинные формы нет. Ещё одно правило: бот должен работать в том мессенджере, где водители уже сидят. Заставить их поставить новое приложение ради одного бота обычно не получается. Поэтому бот делают для Telegram и MAX сразу, с общей логикой.

Ограничения: данные, 152-ФЗ и кто принимает решения

ИИ работает с теми данными, которые есть. Если GPS-трекер на половине машин не передаёт координаты, точного времени прибытия не будет. Если статусы в TMS ставят раз в день, сводка будет отставать. Часто первый шаг пилота: навести порядок в том, откуда берутся данные.

Номера водительских удостоверений, паспорта водителей и телефоны относятся к персональным данным по 152-ФЗ. Нужны согласия, понятное место хранения и доступ только у тех, кому он нужен по работе. Если требуется, данные остаются на ваших серверах.

Решения принимают люди. Агент готовит основание для претензии по простою, но отправлять её или нет, решает менеджер. Агент показывает, что машина опаздывает, а договаривается с клиентом диспетчер. Ставку, перевозчика и спорные случаи ИИ не решает.

Коротко

ИИ в логистике полезнее всего там, где люди переписывают данные из чатов в учёт: статусы рейсов, фото документов, вопросы клиентов, сроки по водителям и машинам. Крупные компании вроде FESCO строят модели прогноза, а обычному перевозчику для начала хватит одного бота для водителей и контроля оригиналов.

Начните с одного процесса, посчитайте, как сейчас, и запустите пилот на части машин. Что мы делаем для перевозчиков и экспедиторов, рассказываем на странице про логистику.

Частые вопросы