ИИ для транспорта и логистики

Что ИИ делает в транспортной компании: рейс, отчётность, автопарк

ИИ в транспортной компании делает то, что люди повторяют руками каждый день: переносит данные из документов, сводит таблицы, находит расхождения. Работает при одном условии: данные уже где-то сохраняются.

Документы рейса: накладные, ТТН, путевые листы, счета

Рейс оставляет пачку бумаг: транспортную накладную, ТТН (товарно-транспортную накладную), путевой лист, счёт и акт перевозчика. Диспетчер или бухгалтер переносит реквизиты в учётную систему и построчно сверяет суммы. Извлечение данных из накладных, счетов и актов отдаёт готовые значения, человек разбирает спорные поля. Что меняется, когда счета и договоры вводятся без человека, Dzeta AI разобрала отдельно.

Отчётность: данные лежат в разных системах

Перевозки учитываются в одной системе, склад — в другой, расчёты с перевозчиками — в третьей, часть цифр живёт в Excel у логиста. Сводку за месяц собирают руками и теряют дни. В проекте Dzeta AI для транспортного инфраструктурного объекта система забирает данные из источников сама, приводит форматы к одному виду и собирает отчёт по шаблону.

Автопарк: отклонения в данных бортовых датчиков

Датчики пишут пробег, расход топлива и температуру в рефрижераторе, просматривать эти ряды некому. Модель учится на нормальном поведении техники и зовёт механика, когда показатели уходят от привычной картины: так работает поиск отклонений в данных датчиков и телематики. Опыт в измерениях у команды есть — в авиационном производстве; по телематике автопарка своих проектов у Dzeta AI нет, это сценарий.

Регламенты, инструкции и маршруты

Диспетчер ищет в регламенте, как оформить простой, водитель — что делать при задержке на выгрузке; поиск по внутренним регламентам выдаёт нужный пункт со ссылкой на документ. Планирование рейсов тоже поддаётся расчёту: модель берёт заказы, ограничения по времени и прошлые поездки и предлагает порядок объезда. Маршрутных проектов Dzeta AI пока не делала — чисел здесь нет.

Откуда система берёт данные о перевозках и куда уходит результат

Система Dzeta AI работает с данными, которые в компании уже есть, и возвращает результат туда, где работают люди: в учётную систему, в отчёт, в уведомление диспетчеру. На пилоте хватает выгрузок, постоянное подключение настраиваем при полном внедрении.

Примеры ИИ в транспорте и логистике: два наших проекта

Портфель Dzeta AI — 50+ реализованных проектов, два из них транспортные.

Крупный транспортный инфраструктурный объект: отчёт за 15 минут вместо 2 дней

В нашем проекте для крупного транспортного инфраструктурного объекта с международной эксплуатацией ежемесячный отчёт готовила целая команда: данные из 5 разных систем с несовпадающими форматами сводили руками, до 2 дней на отчёт.

Источники команда Dzeta AI подключила через API, настроила сбор и нормализацию данных, генерацию отчёта по шаблону и экспорт. Отчётные формы сделали на NCReport и встроили в приложение на C++ (Qt), под сервис подняли серверную инфраструктуру.

Результаты Dzeta AI:

• ежемесячный отчёт готовится за 15 минут вместо 2 дней;
• время подготовки отчётности сократилось более чем на 60%;
• 5 систем-источников собраны в один контур, ручных операций при сборе данных не осталось;
• сервис стабильно работает в промышленной эксплуатации, операционных ошибок стало меньше.

Весь проект для этого объекта занял 6 недель.

Компания, которая продаёт и сдаёт автомобили в аренду: где терялись заявки

Для компании, которая продаёт и сдаёт автомобили в аренду, Dzeta AI разбирала процессы по данным. Небольшая компания с распределённой структурой: продажи, аренда и сервис учитывались в разных системах, узких мест в воронке никто не видел.

Команда Dzeta AI объединила более 100 000 записей, построила ETL, управленческие отчёты и BI-дашборды, разобрала сегменты клиентов и поведенческие паттерны; показатели стали обновляться в реальном времени.

Сквозная аналитика показала, какая доля заявок доходит до каждого этапа воронки аренды.

С бронирования (61%) до подтверждения и оплаты (24%) доходит меньше половины: провал в 37 процентных пунктов — самый крупный в воронке. Годами его не замечали, в проекте нашли и устранили.

Что изменилось у этой компании:

• подготовка отчётности сократилась с нескольких дней до часов;
• управленческие решения принимаются в 10 раз быстрее;
• видно, какие факторы влияют на загрузку автопарка и конверсию.

Аудит процессов по данным занял у Dzeta AI 5 недель. На собранных данных дальше строится управленческая аналитика и прогнозирование.

Как идёт внедрение в транспортной компании: аудит, пилот, приёмка

Внедрение Dzeta AI ведёт этапами. Критерии успеха и целевое качество фиксируются до старта на данных заказчика — по ним систему и принимают.

Пилот нужен, чтобы проверить гипотезу на ваших данных до большого проекта. Кроме разработки, бюджет уходит на подготовку данных: чистку справочников, разбор архива накладных, сведение форматов. Куда кроме лицензий уходит бюджет ИИ-проекта — разбор в отдельной статье.

Где работает система и кто видит данные

Систему на открытых моделях Dzeta AI разворачивает на серверах заказчика: персональные данные водителей и клиентов не покидают компанию (152-ФЗ «О персональных данных»), в ChatGPT и другие внешние сервисы данные не уходят, если заказчик этого не хочет. Журнал фиксирует подтверждения, модель меняется без переделки системы.

Когда ИИ в логистике не подходит

ИИ окупается, когда операция повторяется каждый день и её данные сохраняются. Остальные случаи Dzeta AI разбирает ещё на аудите:

• Заявки принимают по телефону, пробег и расход нигде не сохраняются: сначала сбор данных.
• Операция редкая и отнимает мало времени: вложения не вернутся.
• Задачу закрывает регламент или настройка учётной системы — так и напишем в отчёте.
• Данные есть, но в каждой системе свой справочник контрагентов и своя номенклатура. Сначала наводим порядок.
• За решение отвечает человек: допуск водителя, приёмка груза, спорная претензия.
• Со стороны заказчика некому объяснить процесс. Собственный IT-отдел при этом не нужен.