Автоматизация логистики: заявки, статусы, без ручных звонков

Заявки на перевозку приходят в Telegram, WhatsApp, почте и Excel-файлами. Менеджер вручную переписывает их в TMS или 1С, сверяет рейсы, просит водителя прислать фото накладной, потом ещё раз перепроверяет суммы перед закрытием рейса. В среднем 40–60 % рабочего времени логиста и операциониста уходит не на управление перевозками, а на копирование данных, уточнения и поиск документов. ИИ убирает эту рутину — не вместо человека, а вместо повторяющихся действий. Рассказываем, где именно он работает, сколько даёт экономии и где покупать решение не стоит.

Где логистика тонет: заявки, статусы, документы, сверки

Главные узкие места в операционке логистической компании предсказуемы:

• Заявки. Клиенты пишут в разных форматах: «забрать 12 коробов со Складочной, 15 августа, доставить в Тулу». Менеджер сам собирает адрес, груз, дату, контакт, тариф — и вносит в систему.
• Статусы. Водитель в пути, клиент звонит: «где машина?». Менеджер лезет в чат, в GPS, в TMS, перезванивает обратно. Десяток таких звонков в день — норма.
• Документы. Заявки, счета, ТТН, акты, CMR, фото накладных — всё разъезжается по папкам, мессенджерам и почте. Подготовка пакета на сверку занимает часы.
• Сверки. Контрагент прислал реестр, у вас другой реестр. Нужно сопоставить рейсы, тарифы, штрафы, допы и простои. Разница в одну строку — и неделя переписки.

В каждом из этих блоков ИИ берёт на себя не принятие решений, а извлечение, сопоставление и передачу данных. Человек остаётся там, где нужен опыт: сложные переговоры, сбои на маршруте, отношения с клиентом.

Обработка заявок на перевозку

Заявка может прийти голосовым сообщением, сканом, фото переписки или неструктурированным текстом. ИИ-ассистент распознаёт источник, извлекает ключевые поля и записывает их в CRM/TMS/1С — в виде черновика или готовой карточки рейса.

Что реально автоматизируется:

• распознавание адресов загрузки и выгрузки, даты, времени окна, типа и веса груза;
• выбор клиента по номеру телефона, email или названию компании;
• подстановка исторических тарифов, типов машин и условий;
• проверка на конфликты: занятость машины, пересечение рейсов, недопустимый вес, отсутствие разрешения на направление;
• формирование черновика заявки с готовыми полями и маршрутом.

Типовой результат: заявка, которая раньше обрабатывалась 10–20 минут, уходит на доработку менеджеру за 2–3 минуты. Остальное время — только проверка и запуск.

Важный нюанс: если заявки всегда приходят строго по одному шаблону из одного источника, автоматизация дешевле делается обычными интеграциями, без ИИ. ИИ нужен там, где входящий поток неструктурированный: мессенджеры, сканы, голос.

Статусы и уведомления клиентов

Клиенты хотят знать, где груз. Но менеджер не может вручную обновлять статусы по сотне рейсов. ИИ-ассистент собирает данные из GPS-трекера, мессенджера водителя, ЭРА-ГЛОНАСС или мобильного приложения водителя — и сам меняет статусы в TMS.

Как это выглядит:

• водитель написал «погрузились в 11:20» — статус обновился на «в пути»;
• машина подъехала к точке выгрузки в радиусе 500 м — статус «на выгрузке»;
• водитель прислал фото подписанной накладной — статус «доставлено», документ привязан к рейсу;
• клиент получил сообщение в своём канале без запроса у менеджера.

Параллельно клиент получает уведомление в удобном канале: Telegram, WhatsApp, email или SMS. Текст уведомления генерируется из реальных данных, без шаблонной фразы «обратитесь к менеджеру».

Эффект: снижение нагрузки на входящие звонки и чаты на 30–50 %. Менеджер перестаёт отвечать на вопрос «где мой груз» и занимается сбоями, простоями и продажами.

Документы: заявки, счета, накладные, акты

В логистике документы приходят в разном виде: PDF-счета от перевозчика, фото ТТН, сканы актов, Excel-реестры. ИИ распознаёт их, извлекает строки и связывает с конкретным рейсом.

Что автоматизируется:

• распознавание номеров документов, дат, сумм, реквизитов и подписантов;
• привязка документа к рейсу по номеру заявки, авто/прицепу или маршруту;
• проверка расхождений: сумма в счёте ≠ сумме в заявке, отсутствует обязательная подпись, не сходится количество коробов/паллет;
• группировка пакета документов для бухгалтерии и сверки;
• автоматические напоминания водителю или клиенту, если не хватает документа.

Без ИИ оператор тратит 15–30 минут на один рейс, чтобы собрать и проверить документы. С ИИ проверка сокращается до 3–5 минут на сложных случаях и до минуты на типовых.

Но: если документы уже приходят в стандартном EDI-формате и интегрированы с TMS, ИИ не нужен. ИИ полезен именно для «грязных» входящих потоков — сканов, фото, неструктурированных писем.

Сверки с контрагентами

Сверка — один из самых болезненных процессов. Контрагент присылает свой реестр рейсов, у вас свой. Нужно сопоставить даты, маршруты, тарифы, дополнительные услуги, штрафы за простой. Часто рейсы названы по-разному, даты сдвинуты на день, тарифы округлены.

ИИ сверяет два реестра по нечётким правилам:

• сопоставляет рейсы по дате, маршруту, номеру авто или заявки;
• находит расхождения по суммам даже при разных названиях услуг;
• выделяет строки, где не хватает документов или подписей;
• формирует протокол расхождений с комментариями для менеджера.

Типовая экономия: сверка, которая занимала 2–4 часа в неделю на одного контрагента, сокращается до 20–40 минут. В компании с 10–20 активными контрагентами это 1–2 полные ставки финансового контролёра или операциониста.

Расчёт эффекта с числами: логист/менеджер, часы, рубли

Эффект ИИ в логистике измеряется не «улучшением UX», а часами, которые уходят от операционистов. Вот приближённый расчёт для компании с 10 менеджерами и 5 логистами.

| Процесс | Без ИИ, час/день | С ИИ, час/день | Экономия |

|---|---|---|---|

| Приём и обработка заявок | 3,5 | 1,0 | 2,5 ч |

| Обновление статусов и ответы клиентам | 2,5 | 0,8 | 1,7 ч |

| Сбор и проверка документов | 3,0 | 0,8 | 2,2 ч |

| Сверки и протоколы расхождений | 2,0 | 0,5 | 1,5 ч |

| Итого на одного сотрудника | 11,0 | 3,1 | 7,9 ч |

Если средняя нагрузка у 10 менеджеров — это эквивалент 6–7 полных ставок, освобождённых для продаж, контроля качества и развития маршрутов. При средней зарплате операциониста 80 000 ₽ на руки прямая экономия на ФОТ — 480 000–560 000 ₽ в месяц.

Стоимость внедрения ИИ-ассистента под логистику — от 150 000 ₽ за пилот до 400 000–600 000 ₽ за полноценное решение с интеграциями. Окупаемость — 2–4 месяца, если процессы уже формализованы. Если формализации нет, сначала придётся её делать — и срок удвоится.

Пилот 2–4 недели

Не стоит внедрять ИИ сразу на все процессы. Правильный пилот — это один-два канала приёма заявок или сверка с одним контрагентом.

Типовой план пилота:

• Неделя 1. Аудит источников заявок/документов. Куда приходят данные, в каком виде, какие поля нужны. Фиксируем точки, где сейчас теряется время.
• Неделя 2. Настройка распознавания и первые тестовые прогоны на 50–100 реальных документах и заявках. Сравниваем выдачу ИИ с ручной обработкой и считаем точность извлечения полей.
• Неделя 3. Интеграция с TMS/1С/CRM. Черновики заявок или статусов падают в систему, менеджер только проверяет и запускает.
• Неделя 4. Замер метрик: время обработки, количество ошибок, доля ручных доработок, первые цифры экономии. По итогам — решение масштабировать, дорабатывать или отказаться.

За пилот понятно, реально ли сэкономить время и сколько стоит полное внедрение. Без пилота любой прогноз окупаемости — догадка.

Где НЕ окупится

ИИ — не универсальное решение. В ряде случаев он либо не нужен, либо принесёт вред.

• Нет формализованных процессов. Если каждый менеджер ведёт заявки по-своему, ИИ будет учиться на хаосе и давать хаос на выходе.
• Мало заявок. Если заявок 5–10 в день, проще нанять junior-операциониста. ИИ начинает выигрывать при десятках заявок в день или сотнях документов.
• Нет данных для обучения. ИИ не знает ваших тарифов, клиентов и маршрутов из коробки. Нужны исторические заявки, документы, справочники. Если их нет — придётся собирать вручную, и проект затянется.
• Процессы уже интегрированы по EDI/API. Когда данные приходят структурированными, обычная интеграция дешевле и надёжнее ИИ.
• Ожидание полной замены людей. ИИ убирает рутину, но не отвечает клиенту на сложные вопросы, не решает сбои и не договаривается о тарифах.

Частые ошибки

Ошибки при внедрении ИИ в логистику обычно одни и те же:

1. Покупка «умного чат-бота» без интеграции. Бот отвечает клиенту, но данные не попадают в TMS. Менеджер всё равно переписывает вручную — двойная работа.
2. Игнорирование исключений. «У нас всё стандартно» — пока не начинается сверка. Реальный мир: простои, перерасход, штрафы, изменения маршрута, досрочная разгрузка. ИИ должен уметь выделять такие случаи на проверку человеку, а не решать сам.
3. Отсутствие обратной связи. Если менеджер не исправляет ошибки ИИ, модель не учится. Через месяц точность падает, а не растёт. Поэтому первые недели критичны: каждая поправка — это данные для дообучения.
4. Попытка автоматизировать всё сразу. Пилот по всем процессам одновременно тянет полгода, команда устаёт, бюджет расползается, а эффекта нет. Лучше закрыть один узкий участок до результата, чем три участка наполовину.
5. Недооценка инфраструктуры. Нужны API у TMS, доступ к почте и мессенджерам, права на чтение документов. Если интеграций нет, любой ИИ превращается в дорогой OCR-сервис. Интеграция часто занимает больше времени, чем настройка самой модели.

Чек-лист готовности

Прежде чем начинать пилот, проверьте базовые вещи:

• Есть список каналов, куда приходят заявки и документы.
• Есть доступ к этим каналам: почта, Telegram/WhatsApp, файловые папки.
• TMS/1С/CRM имеет API или возможность импорта через файл.
• Собраны примеры заявок и документов за последние 3–6 месяцев.
• Определены поля, которые ИИ должен извлекать: адреса, даты, тарифы, реквизиты.
• Назначен оператор-проверяющий, который будет корректировать ошибки ИИ первые 2–4 недели.
• Есть метрика успеха: например, «время обработки заявки с 15 до 5 минут».

Если хотя бы три пункта не выполнены — сначала готовьте процессы, потом внедряйте ИИ.