Каждую неделю у любого экспедитора повторяется одна и та же ситуация: сотрудник идёт на Почту России и возвращается с пачкой конвертов от перевозчиков. Некоторые перевозчики привозят документы в офис сами, другие отправляют курьером, но суть одна – бумажных документов в грузоперевозках всё ещё огромное количество.
Дальше конверты вскрывают, сверяют ТТН с заявками, проверяют печати и суммы в счетах, сканируют, раскладывают по клиентам и собирают комплекты на отправку. Работы на много часов, и так каждую неделю.
В это же время в новостной ленте рассказывают про внедрение ИИ-логистов, ИИ-диспетчеров, ИИ-менеджеров. Вебинары, демонстрации, обещания, что нейросеть заменит трёх сотрудников да ещё и сэкономит. Собственник смотрит на кучу конвертов, потом на рекламу и чувствует, что остался в прошлом веке.
Чувство его не обманывает, только отстаёт он в другом месте. Ему кажется, что он опоздал с покупкой ИИ-логиста. А опоздал он с основой: ставки живут в голове у логистов, договорённости с перевозчиками в мессенджере, история клиентов в разных таблицах, документы в конвертах. Без этой основы купленный завтра ИИ-логист работать не сможет.
Что продают под видом ИИ-логиста
Обещание, как и в любой рекламе, заманчивое: агент избавит от рутины. Посчитает ставку, найдёт машину, ответит клиенту, проследит за рейсом. Вам даже продемонстрируют, как это всё замечательно работает.
Но задайтесь вопросом: а на чём он будет считать ставку? Ему нужно знать, сколько вы платили перевозчикам на этом направлении в прошлом месяце, какую цену давали этому клиенту, есть ли утверждённый тариф по этому направлению на этот тип транспорта, как меняются ставки по сезонам. Если эта информация только в голове у логиста и в переписке, агенту брать её неоткуда. Он ответит, причём уверенно, по общим данным, которые есть у всех.
Там, где ИИ реально заменяет логистов, последовательность обратная. В открытом кейсе одной платформы перевозок для маркетплейсов, по описанию разработчиков, алгоритм распределяет заказы по 39 параметрам, а учили его бывшие логисты: проверяли решения в тестовой базе и показывали ошибки. Он работает, потому что каждый заказ на платформе с первого дня создаётся записью в системе. Сначала появилась платформа, где каждый рейс – это данные, и только потом ИИ.
В 2025 году исследователи MIT посчитали, что около 95% корпоративных пилотов генеративного ИИ не дали измеримого эффекта на прибыль. Модели при этом работали нормально. Подвело то, что их не смогли встроить в реальную работу компаний.
С живыми людьми то же самое
Возьмите услугу старую как мир – аутсорсинг холодных звонков. Чтобы живые операторы звонили нормально, нужны скрипты, база, контроль и понятный результат. Добиться этого от подрядчика сложно, многие так и не добиваются.
А ведь это люди, которые понимают речь, умеют импровизировать и переспросить, у которых есть накопленный опыт. Агент, которого поставили на разрозненные данные, унаследует весь беспорядок компании, как и любой новый сотрудник. Только новый сотрудник хотя бы задаёт двадцать вопросов в день и учится, а агент молча ответит, что под руку попалось.
Сначала оцифровать, потом автоматизировать
Агентов можно и нужно внедрять, но только в правильной последовательности. Между пачкой конвертов с Почты и ИИ-логистом лежит определённый путь со своими уровнями. Представим этот путь в виде лестницы – похожие конструкции используют в аналитике и, например, при создании беспилотных автомобилей. Переложим этот подход на экспедирование.
Ступень 0 – человек и блокнот. Ставки, перевозчики и договорённости в памяти логиста, документы в папках. Ушёл логист – унёс половину знаний о компании.
Ступень 1 – цифра без связей. Заявки в электронной почте, у каждого логиста свои Excel-таблицы, сканы на компьютере, ставки в мессенджере. Чтобы узнать долг клиента, нужно обратиться к нескольким источникам.
Ступень 2 – единая система. Заявка, рейс, перевозчик, оплата и документ лежат в одном месте и связаны между собой.
Ступень 3 – отчёты. Дебиторка, маржа по клиентам, рейсы без документов видны с одного взгляда.
Ступень 4 – аналитика. Система отвечает на вопрос почему, например: маржа по направлению упала, потому что перевозчики подорожали, а ставку клиенту никто не пересмотрел.
Ступень 5 – рекомендации и напоминания. Система говорит, что делать: пересмотрите ставку, позвоните клиенту, который пропал на месяц.
Ступень 6 – действие с подтверждением. Система готовит письмо, напоминание или заявку, человек проверяет и нажимает «отправить».
Ступень 7 – автопилот. Система делает сама, человек разбирает исключения.
Ступени не перепрыгнуть. Объяснить падение маржи нельзя, если рейсы и оплаты не связаны. Подсказать ставку нельзя без истории ставок. ИИ-логист, поставленный на первую ступень, будет с уверенным видом выдавать какой-то рандом, и на его перепроверку будет уходить больше времени, чем планировалось сэкономить его внедрением.
У каждого процесса при этом своя ступень. Счета и УПД клиентам могут уходить через ЭДО за секунды, а документы от перевозчиков приезжать в конвертах и занимать часы бухгалтера. Поднимать стоит те процессы, которые находятся в самом низу и съедают больше всего времени.
Игрушка и рабочий инструмент
Даже агент, который видит ваши реальные рейсы, остаётся игрушкой, если ответ быстрее посмотреть на дашборде. На вопросы вроде «сколько заявок у менеджера за месяц» или «какая маржа на прошлой неделе» отчёт отвечает за пару кликов.
Агент начинает приносить реальную пользу, когда соединяет то, что с первого взгляда не видно и что пришлось бы руками собирать из нескольких отчётов:
сравни просроченную дебиторку этого месяца с прошлым и скажи, на сколько процентов и в какую сторону она изменилась;
какой клиент сейчас самый маржинальный, а какой даёт оборот почти без маржи;
какие 20% клиентов приносят 80% маржи;
по каким направлениям перевозчики подняли ставки за квартал, а ставка клиенту осталась прежней;
какие клиенты возили каждую неделю, а последний месяц пропали;
у какого менеджера ставки перевозчикам стабильно выше, чем у остальных на тех же направлениях.
Каждый такой вопрос требует связанных данных за несколько месяцев. Это четвёртая ступень, и результат на ней измеряется решениями, которые раньше просто не принимались, потому что на анализ не было времени.
Значительная часть следующих ступеней вообще обходится без ИИ. Выставить счёт из заявки, напомнить об оплате по графику, запросить документы на седьмой день – это правила. Один счёт с УПД выставить вручную можно за 3–5 минут, при десяти рейсах в день это около 3 – 4 часов в неделю, и настроенное правило решает это полностью. ИИ нужен там, где на входе свободный текст: заявка в письме клиента, вопрос в чате, скан с надписями от руки.
Самый действенный способ разобрать сотню конвертов – сделать так, чтобы их стало меньше. Каждый перевозчик, который перешёл на ЭДО и электронные транспортные накладные, минус один конверт в неделю. Для этого не нужен никакой ИИ.
Проверьте себя
Задайте своей компании пять вопросов и засеките время:
сколько заявок и какая маржа за прошлый месяц;
кто из клиентов должен больше 30 дней;
какой перевозчик последние три раза возил ваше ключевое направление и по какой ставке;
у какого менеджера маржа ниже всех;
какой клиент перестал заказывать за последние 60 дней.
Если хотя бы на один ответ уходит больше минуты или нужно кому-то звонить, этот участок не оцифрован, и автоматизировать его агент не сможет. Если все ответы мгновенные, вы готовы к следующему этапу.
Данные – основа агентов
Через год-два ИИ-агенты станут обычной подпиской, как CRM или онлайн-бухгалтерия. Они дешевеют каждый месяц, и подключить их сможет любой.
С историей так не получится. Её нельзя купить, как нельзя купить кредитную историю. Человек, который десять лет вовремя платил по кредитам, получает одобрение за пять минут. Тот, кто пришёл в банк с пустой историей, получает отказ или высокий процент, хотя приложение банка у обоих одно и то же.
С рейсами, перевозчиками и клиентами так же. Клиент присылает заявку: Москва – Казань, тент, погрузка завтра. Агент с вашей историей за минуту поднимает, по какой цене вы возили этому клиенту в последние разы, кто из ваших перевозчиков ездил по этому направлению за последние два месяца, за сколько и кто ни разу не сорвал погрузку. Готовит клиенту цену с вашей маржой и отправляет запрос пятерым проверенным перевозчикам. Логист проверяет и подтверждает. Клиент получает ответ раньше, чем успел написать конкуренту, а машина находится среди своих, без обзвона по бирже и без риска нарваться на случайного перевозчика.
Агент без истории возьмёт среднюю ставку с рынка и разошлёт заявку всем подряд. Чтобы он работал по первому сценарию, ему нужны месяцы ваших рейсов, ставок и перевозчиков. Купить их нельзя.
Кто уже собирает данные, подключит дешёвых агентов в тот момент, когда они станут нормой, и они сразу начнут работать. Кто сейчас покупает ИИ-логиста на неготовую и пустую базу, платит за презентацию. На данных продавца агент отвечет быстро и точно, на ваших он будет предлагать средние ставки с рынка, пока логисты не начнут перепроверять каждый ответ и его не отключат.
Я делаю систему учёта SmartLogTMS, и эта мысль мне выгодна (держите её в голове, пока читаете). У нас тоже есть агент и сейчас он отвечает на простейшие запросы по справке системы: как создать заявку, как подключить ЭТрН, как настроить автоматическое выставление счетов. Он также может сказать, в каком статусе рейс и какая дебиторка у клиента. Это удобно, но к ИИ-логисту отношения не имеет. Следующий шаг – вопросы вглубь отчётов, вроде тех, что выше. Без накопленных и связанных данных этот шаг невозможен ни у меня, ни у кого-то ещё.
ИИ-логист, купленный сегодня, получит заявку на завтра. Если ваши ставки и перевозчики живут в голове у логиста, он назовёт клиенту цену наугад и пойдёт искать машину там же, где все.