Как руководитель складской логистики с 13-летним стажем использует ИИ в 80% рабочих задач

Меня зовут Денис, я больше 13 лет работаю в складской логистике — прошёл путь от рядовых операционных задач до руководителя направления. Последний год примерно 80% моих рабочих задач так или иначе проходят через Клода (Claude, Anthropic): аналитика, отчётность, коммуникация с командой, разбор проблемных ситуаций.

Сразу оговорюсь: это не статья про «роботов на складе» и не попытка продать вам ИИ-трансформацию. Ниже — трезвый взгляд практика, который считает цифры руками ровно до тех пор, пока не находит способ не считать их руками. Все названия, цифры и детали, которые могли бы указать на конкретную компанию, ниже обезличены.

Работа руководителя склада — это не про романтику логистики, а про постоянный поток однотипной, но требующей внимания рутины: свести цифры, сравнить с прошлой неделей, написать понятный комментарий, объяснить команде, что и почему изменилось. Ни один из этих шагов сам по себе не сложен. Сложность — в объёме и в том, что он повторяется из недели в неделю, съедая время, которое хочется тратить на решения, а не на сборку данных для решений.

Примерно год назад я начал системно пробовать закрывать эту рутину Клодом — не потому что «это будущее», а потому что конкретные задачи стали занимать заметно меньше времени, когда я перестал делать их вручную.

Скорость на рутинных, но объёмных задачах. Сведение данных, пересчёт показателей, черновики отчётов и писем — там, где раньше уходили часы, теперь уходят минуты на проверку готового результата.

— Более ровное качество. Мой собственный текст «плавает» в зависимости от того, устал я или тороплюсь. У структурированного промпта такой проблемы нет — результат стабильно предсказуем по формату.

— Снижение порога для сложных задач. Некоторые вещи я раньше откладывал, потому что «сяду и сделаю, когда будет полдня свободных» — а такого полдня почти никогда не находилось. Сейчас на многое хватает 20-30 минут.

— Клод не знает контекст, которого вы ему не дали. Он не додумает специфику вашего склада — если не объяснить явно, что считается нормой, а что отклонением, результат будет обобщённым и мимо цели.

— Иногда звучит уверенно и ошибается. Особенно там, где данных недостаточно для однозначного вывода — модель может предложить правдоподобное объяснение, которое на деле не подтверждено цифрами. С этим нужно работать через явные ограничения в промпте, а не понадеяться на «оно само разберётся».

— Требует инвестиции на старте. Чтобы промпт под конкретную задачу перестал требовать правок каждый раз, нужно несколько итераций. Экономия времени начинается не с первого запроса, а после того, как шаблон собран.

Ни один из минусов не перевешивает пользу, но и делать вид, что их нет, я не буду — статья без честных «против» была бы просто рекламой.

Для себя я делю работу с Клодом на три уровня — по сложности задачи и по тому, сколько самостоятельности нужно инструменту.

1. Чат. Разовые задачи: сформулировать письмо, разобрать формулировку, быстро прикинуть цифры, обсудить формулировку решения. Начинается и заканчивается в одном окне, без сохранения контекста на будущее.

2. Cowork. Задачи, которые требуют работы с несколькими файлами и промежуточных шагов — например, свести отчёт из нескольких выгрузок, подготовить документ по шаблону, обработать данные и отдать готовый файл. Здесь важно, что инструмент сам работает с файлами, а не просто отвечает текстом.

3. Claude Code. Более технический уровень — когда нужно что-то автоматизировать не разово, а как процесс: скрипт, который потом переиспользуется, обработка данных по повторяющейся логике. Требует чуть больше времени на настройку, но окупается на задачах, которые повторяются регулярно.

Я осознанно не начинал с третьего уровня — на нём легко потерять время, если задача не требует такой сложности. Логика была обратной: сначала чат на простых задачах, затем Cowork, когда стало понятно, какие процессы реально повторяются, и только потом — Claude Code для того, что действительно стоит автоматизировать основательно.

Первое, на чём я системно проверил подход — автоматизация еженедельного операционного отчёта: раньше сведение данных из нескольких систем, пересчёт показателей и оформление занимало несколько часов каждую неделю, сейчас — около получаса, и большая часть этого времени — проверка, а не сборка. По моим наблюдениям за несколько месяцев — экономия времени около 90%.

Сознательно не расписываю здесь методологию подробно — это тема отдельного разбора, где я по шагам покажу, как устроен процесс и как выглядит сам промпт-шаблон.

— Объясняйте контекст так, будто модель — новый сотрудник, который не в курсе особенностей вашего склада. Что считается нормой, что отклонением, какой тон и формат нужны на выходе.

— Прямо запрещайте домысливать там, где данных недостаточно. Формулировка вида «если причина не ясна из данных — так и напиши» убирает самый неприятный тип ошибки — правдоподобную, но неподтверждённую догадку.

— Собирайте шаблон один раз, а не придумывайте промпт заново каждую неделю. Первая версия почти никогда не бывает финальной — и это нормально.

Буду разбирать похожие кейсы из практики склада — методологию, конкретные промпты, честные результаты, без хайпа и без внутренних цифр компании. Собираю их в канале «ИИ на складах»: t.me/ii_na_skladah