Логистика – редкая область, где эффект от автоматизации виден в деньгах сразу: меньше пересорта, меньше простоев, меньше замороженного товара. Разберём задачи, которые реально решаются, и требования к данным.
Прогноз спроса
Самая денежная задача. Ошибка в закупке стоит дважды: неликвид замораживает деньги, дефицит теряет продажи.
Что делает модель: анализирует историю продаж с учётом сезонности, акций, дней недели, погоды, праздников и строит прогноз по каждой позиции.
Что нужно: история продаж минимум за два года, желательно три. Плюс данные об акциях и периодах отсутствия товара – иначе модель решит, что спроса не было, хотя товара просто не было на складе.
Реальный эффект: снижение неликвидов на 15-30%, сокращение дефицита на 20-40%. Для компании с товарным запасом в 50 миллионов это высвобождение 7-15 миллионов оборотных средств.
Где не работает: новые товары без истории, резкие изменения рынка, узкий ассортимент с нерегулярным спросом.
Приёмка и распознавание документов
Накладные, УПД, счета от поставщиков в разных форматах. Модель извлекает позиции, количества, цены и сверяет с заказом.
Расхождения подсвечиваются: пересорт, недовоз, изменение цены. Оператор проверяет только спорные строки вместо всей накладной.
Эффект: время приёмки документа сокращается втрое-вчетверо, ошибки ввода почти исчезают.
Контроль качества по фото
Камера на приёмке фиксирует паллету, модель проверяет: целостность упаковки, соответствие маркировки, количество мест.
Работает при стабильных условиях съёмки. Требует обучения на ваших товарах – универсальные решения дают низкую точность.
Маршрутизация
Классическая задача оптимизации, где ИИ дополняет обычные алгоритмы: учитывает пробки, окна доставки, ограничения по весу и габаритам, историю реального времени на точках.
Эффект: сокращение пробега на 8-15%, рост числа доставок на машину.
Важный нюанс: система должна учитывать фактическое время разгрузки на конкретной точке, а не норматив. Разница между «15 минут по плану» и «40 минут фактически» ломает весь маршрут.
Планирование персонала склада
Прогноз нагрузки по часам и дням на основе истории отгрузок. Позволяет не держать лишних людей в спокойные дни и не проваливаться в пиковые.
Для склада с посменной работой это прямая экономия фонда оплаты.
Что требуется от компании
Три условия, без которых проект не взлетит.
Данные в системе, а не в головах. Если остатки ведутся в таблицах, а часть операций «мимо кассы», прогноз будет строиться на выдумке.
Дисциплина ввода. Модель учится на том, что вводят люди. Если позиции заводят с опечатками и дублями, качество будет соответствующим.
Готовность менять процесс. Прогноз бесполезен, если закупщик всё равно заказывает по интуиции.
Последний пункт останавливает проекты чаще технических проблем. Система выдаёт рекомендацию, человек делает по-своему, через полгода все решают, что система не работает.
Как считать эффект
Для прогноза спроса:
- средний остаток на складе × стоимость денег в год = стоимость замороженного капитала
- упущенные продажи из-за дефицита за прошлый год
- списания неликвида за прошлый год
Сумма этих трёх величин – потолок экономии. Реально достижимо 20-40% от него.
Для компании с запасом 50 миллионов, списаниями 3 миллиона в год и упущенными продажами 5 миллионов потолок составляет около 15 миллионов, реалистичная экономия – 3-6 миллионов в год.
Внедрение стоит 1-3 миллиона. Окупаемость – меньше года. Это одна из самых выгодных областей автоматизации.
Подрядчики, занимающиеся автоматизацией бизнеса нейросетями, обычно просят выгрузку истории продаж до начала работ – именно чтобы проверить, хватит ли данных для прогноза. Отказ смотреть данные до договора говорит о том, что продают коробку.
Порядок внедрения
- Выгрузка истории за 2-3 года, оценка качества данных
- Пилот на одной товарной группе с наибольшим оборотом
- Параллельный режим: система прогнозирует, закупщик работает как обычно, результаты сравниваются
- Через 2-3 месяца – сравнение точности
- Расширение на остальной ассортимент
Третий шаг обязателен. Он и убеждает закупщика, и показывает реальную точность на живых данных.
Итог
Логистика и склад – область, где ИИ даёт наиболее измеримый и быстрый возврат. Условие одно: данные должны существовать и быть достоверными. Всё остальное решаемо.
