Почему ИИ пока не дает должного результата в логистике России?

Вчера в разговоре с журналистом мне задали простой вопрос: где Россия сейчас находится с точки зрения реального внедрения искусственного интеллекта?

Не количества презентаций, пилотов и громких заявлений, а именно реального внедрения — когда ИИ начинает влиять на скорость процессов, себестоимость, качество решений и финансовый результат.

В ходе разговора у меня сложилась довольно простая модель. Внедрение ИИ можно представить как пирамиду.

На нижнем уровне находятся три ключевых элемента.

Нужны специалисты, которые умеют не просто работать с нейросетями, а проектировать агентные системы.

То есть разбирать бизнес-процесс на этапы, определять, какие решения агент может принимать самостоятельно, где нужен человек, какие данные необходимы и как система должна взаимодействовать с внешними сервисами.

Таких специалистов пока мало.

Самих моделей уже достаточно много. Но одной нейросети недостаточно.

Нужна среда, в которой можно создавать агентов, настраивать их роли, контролировать действия, управлять доступами и безопасно интегрировать их в корпоративную инфраструктуру.

Без качественных данных агент не сможет принимать качественные решения.

В логистике данные часто находятся в разных системах, таблицах, письмах, мессенджерах и головах сотрудников.

Часть информации не структурирована, часть устарела, часть вообще недоступна в режиме реального времени.

Поэтому даже сильная модель часто работает на слабом информационном фундаменте.

Когда фундамент готов, появляются сами ИИ-агенты.

Это уже не обычный чат-бот, который отвечает на вопросы. Агент должен закрывать полноценный бизнес-сценарий.

Например, в логистике он может:

— собрать информацию по рынку;

— определить ориентир по ставке;

— подготовить и провести тендер;

— сравнить предложения перевозчиков;

— проверить контрагента и оценить риски;

— выбрать оптимальный вариант;

— сформировать документы;

— проконтролировать исполнение перевозки.

Но агент не может работать изолированно.

Ему нужны коннекторы к TMS, ERP, ЭДО, банковским сервисам, системам проверки контрагентов, картографическим платформам и внешним источникам данных.

Именно коннекторы позволяют агенту не просто рассуждать, а действовать.

Мы в Pooling сейчас движемся именно по этой логике.

Наша TMS уже объединяет данные о перевозках, тендерах, перевозчиках, ставках, документах и исполнении заявок. На этой базе мы постепенно добавляем ИИ-агентов, которые могут работать не с отдельным вопросом, а с целым бизнес-сценарием.

Например, агент может помочь подготовить тендер, определить рыночный ориентир по ставке, сравнить перевозчиков, оценить риски и подготовить рекомендации по выбору.

Следующий этап — дать таким агентам возможность взаимодействовать с ERP, ЭДО, внешними сервисами и другими агентами через коннекторы.

На мой взгляд, именно так ИИ должен внедряться в корпоративную логистику: не как еще один чат рядом с рабочими системами, а как полноценный участник процесса внутри существующей инфраструктуры.

Только после этого появляется то, ради чего компании вообще внедряют ИИ:

— сокращение ручного труда;

— снижение затрат;

— ускорение процессов;

— повышение качества решений;

— уменьшение количества ошибок;

— рост производительности сотрудников.

Проблема в том, что сегодня многие компании хотят сразу оказаться на вершине пирамиды.

Они запускают пилот с нейросетью и ждут быстрый финансовый эффект. Но при этом процессы не описаны, данные не готовы, интеграций нет, а внутри компании отсутствуют специалисты, способные собрать все элементы в единую систему.

В результате пилот работает, но не масштабируется.

Логистика — одна из самых перспективных отраслей для внедрения ИИ.

Здесь огромное количество повторяющихся операций, ручных согласований, коммуникаций и решений, которые принимаются на основе большого массива данных.

При этом российская логистика остается сильно фрагментированной.

У каждой компании свои процессы, свои справочники, свои форматы документов и собственные правила работы с перевозчиками.

Большая часть коммуникаций по-прежнему идет через телефон, электронную почту и мессенджеры.

Поэтому внедрение ИИ в логистике — это не только вопрос качества нейросетей.

Это вопрос зрелости всей инфраструктуры.

Сегодня я обсудил эту модель с представителем команды GigaChat. Мы пришли к общему пониманию: логика действительно выглядит именно так.

У нас есть сильные нейросети. Есть платформы. Появляются первые бизнес-агенты.

Но основная проблема пока находится внизу пирамиды.

Не хватает людей, умеющих строить агентные системы.

Не готовы данные.

Не описаны процессы.

Не создана полноценная инфраструктура интеграций.

Поэтому главный вопрос сейчас не в том, какая нейросеть лучше.

Главный вопрос — кто и как будет строить фундамент, на котором ИИ сможет начать приносить реальный бизнес-результат.