Лид
После отраслевых форумов у практиков остаётся стойкое ощущение, что «искусственный интеллект в логистике» - это на 90% маркетинг. Ощущение справедливое, но не полностью. Часть решений уже работает в реальной эксплуатации и даёт измеримый эффект, а часть действительно пока презентация со сцены. Разбираем по-честному, без рекламы: где искусственный интеллект в российской логистике реально экономит деньги, где хайп, и что нужно средней компании, чтобы попробовать и не обжечься.
Что уже работает: прогноз спроса
Самая зрелая история - это прогнозирование спроса и управление запасами. Есть пример с именем: сеть гипермаркетов «Лента» внедрила систему прогнозирования спроса на искусственном интеллекте (вместе с интегратором КОРУС Консалтинг, на технологиях Microsoft). Это не демонстрация на стенде, а промышленное решение уровня федерального ритейлера: модели машинного обучения ежедневно рассчитывают нужный ассортимент по каждому магазину с учётом истории продаж, сезонности и акций. По данным разработчика, скорость прогнозирования выросла в полтора раза.
Почему это важно даже тем, кто далёк от розницы. Точный прогноз спроса бьёт сразу по двум главным болям любого склада: по неликвидам (товар, который лежит и не продаётся, замораживая деньги) и по ситуации, когда нужного товара на складе не оказалось. Отраслевые обзоры единодушно называют прогноз спроса ключевым направлением, где ИИ в логистике уже приносит пользу.
Что работает: голосовой отбор и операции склада
Голосовой отбор заказов (по-английски voice picking): кладовщик получает команды в наушник и подтверждает выполнение голосом, руки и глаза при этом свободны. Про такой кейс на профильном форуме рассказывал представитель розницы, и в чате это отметили как реально полезную вещь, а не «инфоцыганщину». Сюда же - прогресс в компьютерном зрении (когда камера сама контролирует полки и приёмку товара), в автоматическом построении маршрутов доставки, в управлении двором склада. Это точечные, но окупаемые внедрения: каждое ускоряет конкретную операцию и снижает число ошибок.
Что работает в перевозке и экспедировании
Оптимизация маршрутов, автоматический подбор транспорта, обработка входящих заявок с первичной сортировкой, прогноз сроков доставки. Эффект здесь есть, но он сильно зависит от объёма данных: чем больше у вас своей истории перевозок, тем лучше обучается модель и тем точнее она работает. Малым игрокам, у которых этой истории пока мало, такие инструменты часто ещё рано внедрять.
Где хайп: как отличить рабочее от красивого слайда
Красные флаги «инфоцыганского» искусственного интеллекта:
- обещания «умного склада под ключ» без интеграции с вашими собственными данными;
- точность прогноза «99%» без указания, на чём и как её измеряли;
- «AI-платформа», которая на деле оказывается обычной автоматизацией с новой наклейкой.
Здоровый скепсис из чата тут полностью уместен. Прежде чем поверить продавцу, спрашивайте: на каких данных обучали модель, какой измеримый эффект она дала, есть ли живые внедрения с цифрами, а не единственный пилот на одном складе.
Отдельно про сервис ai.logist.ru, который в чате упоминали как «первый продукт AI-линейки» с отбором складов на пилот. Это ранняя стадия. Интересно как эксперимент и как отечественная попытка, но по нему пока нужны фактура и результаты пилотов, прежде чем что-то рекомендовать. В такой ситуации честный ход - смотреть с интересом, но без авансов.
Порог входа для средней компании
Путей по сути два.
- Готовые или облачные решения (как у «Ленты» через интегратора): внедряются быстрее, не требуют своего дорогого оборудования, но нужны интеграция и качественные данные.
- Локальные модели (в чате обсуждали сборки на игровых видеокартах уровня 3090 под открытые модели вроде QWEN): дают полный контроль над своими данными, но требуют и железа, и компетенций. Для большинства средних компаний это пока преждевременно.
Но есть общий знаменатель, важнее выбора между этими путями: искусственный интеллект начинается с данных, а не с модели. Нет чистых исторических данных о продажах, остатках и перевозках - не будет толку ни от какой модели, хоть облачной, хоть локальной. Поэтому первый шаг - не покупка ИИ, а наведение порядка в данных. И здесь тема смыкается с выбором системы управления складом: пока справочники грязные, а процессы не описаны, любая надстройка сверху будет считать по мусору.
Что это значит для логиста и грузовладельца
Искусственный интеллект в логистике в 2026 году - это не «всё или ничего». Реально окупаются точечные внедрения: прогноз спроса, голосовой отбор, оптимизация маршрутов, но при условии, что есть данные и понятная метрика эффекта. Начинать стоит не с самой громкой технологии, которую показали на форуме, а с той операции, где у вас конкретная измеримая боль и понятно, сколько денег она стоит. И требовать от поставщика не слайд, а кейс с цифрами и живым внедрением.
