Сможет ли искусственный интеллект заменить специалиста в логистике?

Можно с уверенностью сказать, что тренд как минимум последнего года — это не просто использование искусственного интеллекта (ИИ), но и его активное внедрение в рабочие процессы. Вряд ли сейчас уже найдется хоть одна отрасль, которую этот тренд обминул. Каким образом искусственный интеллект помогает в логистических процессах? Может ли он в принципе заменить специалиста? Остаются ли те процессы, где ИИ пока вообще без надобности, а какие решения на его основе, наоборот, могут стать прорывными? Об этом мы поговорили с директором по IT, процессам и инновациям FM Logistic в России Джонатаном Воложчиком.

— Скажите, какие решения на основе искусственного интеллекта на данный момент уже доказали свою эффективность в логистике и насколько массово они применяются?

— Когда в отрасли говорят об использовании ИИ, то чаще всего обсуждают оптимизацию маршрутов, прогнозирование спроса, предиктивное обслуживание или сокращение простоев. Однако на практике именно в этих направлениях искусственный интеллект не дает максимального эффекта.

Причина проста: для ряда базовых процессов в логистике требуется стопроцентная точность. Так, например, в прогнозировании спроса ошибка даже в несколько процентов может привести к избыточным закупкам или серьезному дефициту.

Поэтому итоговое решение обычно принимает строгий алгоритм плюс человек, а ИИ выполняет вспомогательную роль в генерации возможных гипотез (и то математические модели существовали и до него).

На самом деле, многие задачи, которые кажутся подходящими для ИИ, уже давно решаются классическими алгоритмами. Именно поэтому массовость применения искусственного интеллекта в этих областях пока ограничена.

Зато есть процессы, где ИИ уже дал серьезный и ощутимый результат.

Один из самых успешных примеров — автоматизация административных операций. У нас это — управление рекламациями для некоторых клиентов. Мы применяем «OCR через ИИ», классификацию обращений, анализ видео и автоматическую подготовку проектов ответов.

Раньше эти шаги выполнял человек и часто допускал ошибки. Искусственный интеллект ускоряет работу многократно и сохраняет приемлемую точность, сравнимую с человеческой.

— А если говорить отдельно о складской логистике, на каком уровне сейчас находится внедрение ИИ в этой сфере?

— На самом деле самые продвинутые технологии сегодня применяются как раз таки на складах: это компьютерное зрение и анализ поведения сотрудников в операционных процессах. Они позволяют выявлять ошибки в сборке, фиксировать незарегистрированные операции (например, обмотку палеты стретч-пленкой), отслеживать небезопасное поведение, контролировать состояние зон склада, что в целом помогает повысить качество и безопасность.

При этом стоит подчеркнуть, что окупаемость внедрения определенных технологий в принципе всегда зависит от масштабов.

Если автоматизировать задачу, которую выполняет один человек, то экономического эффекта не будет. Но в случаях, когда операции массовые и повторяются тысячи раз в день, ИИ дает значимый результат.

Кроме того, рынок труда меняется — и становится все сложнее привлекать персонал для рутинных задач, поэтому автоматизация здесь неизбежна.

Однако важно понимать, что ИИ сам по себе не является отдельной технологией. Это — один из инструментов в общем арсенале, наряду с классическим программированием, сенсорами и механизацией. Значение имеет только конкретный кейс применения.

— А применяется ли искусственный интеллект в процессах маркировки?

— Не особо. Маркировка — это достаточно прагматичный и строго регламентированный процесс с четкими правилами. Автоматизация здесь развивается по линии механизации и технических решений, а не ИИ. Думаю, на ближайшие годы именно эта логика останется для нас ключевой.

— Как вы считаете, усилится ли тренд на внедрение искусственного интеллекта в 2026-м году, какие решения на его основе могут стать прорывными?

— Думаю, тренд, конечно, усилится, но основной фокус в отрасли периодически смещается, в основном на автоматизацию административных функций. Эти технологии уже сейчас показывают результат и требуют минимальной подготовки данных.

На мой взгляд, прорыв в логистике будет связан не столько с появлением новых ИИ-моделей, сколько с тем, что сами компании станут в целом технологичнее.

Ведь в российской логистике еще много Legacy: старые системы, ручные процессы, низкий уровень цифровой зрелости. За ближайшие годы организации должны пройти именно этот этап. Параллельно они будут внедрять ИИ там, где это возможно без особых затрат, и только затем масштабно переходить к более серьезным моделям.

— А можете ли вы назвать конкретные примеры, где человеческий фактор по-прежнему оказывается эффективнее искусственного интеллекта?

— Человек пока незаменим в тех процессах, где ошибка недопустима или ее цена слишком высока. Это, как я уже отмечал, принятие решений по прогнозам спроса или планированию транспорта. ИИ может предложить сценарии, но за результат все равно отвечает человек, используя точные алгоритмы.

То же самое касается ситуаций, где требуется контекст, опыт и понимание бизнес-реалий, а не просто статистическая модель.

— Где сейчас брать специалистов, которые находятся на стыке логистики, data science и технологий? Ведь возможности искусственного интеллекта, по сути, только начинают активно изучаться и разрабатываться и готовых специалистов в этом направлении еще нет.

— На самом деле на практике первые специалисты — это собственные (не ИТ) сотрудники. Сегодня важно не нанять узких data-science экспертов, а научить большую часть команды понимать возможности ИИ и применять базовые инструменты.

Мы уделяем большое внимание обучению: проводим семинары, даем сотрудникам попробовать простые ИИ-инструменты, объясняем возможности LLM, RAG-моделей, OCR и генерации изображений. Для большинства задач этого достаточно. Порог входа низок, технологии доступны.

IT-отдел в этом случае должен предоставлять платформу и обучение, но не превращаться в «узкое» горлышко, который внедряет каждый кейс.

Правда, это касается «базовых» ИИ-инструментов. Если говорить о создании собственных специфичных моделей с нуля плюс провести обучение, то тогда этот путь становится дорогостоящим и длительным. В ближайшие годы для логистики этот вариант пока выглядит избыточным.