Возможно ли, что логисты будут вытеснены искусственным интеллектом

Безусловно, одним из главных трендов, наблюдаемых как минимум в течение последнего года, является активное использование и интеграция искусственного интеллекта (ИИ) в различные рабочие процессы. Вероятно, уже не осталось ни одной отрасли, которая бы не столкнулась с этим явлением. Каким образом ИИ может быть полезен в логистике? Способен ли он полностью заменить человека? Какие процессы пока не нуждаются в ИИ, и какие решения, основанные на нем, могут стать революционными? На эти вопросы ответил директор по IT, процессам и инновациям FM Logistic в России, Джонатаном Воложчиком.

– Какие решения на основе ИИ доказали свою эффективность в логистике, и насколько широко они применяются на практике?

– Говоря о применении ИИ в данной отрасли, чаще всего обсуждают вопросы оптимизации маршрутов, прогнозирования спроса, предиктивного обслуживания и сокращения простоев. Однако, как показывает практика, именно в этих областях ИИ не приносит максимальной пользы.

Причина проста: для некоторых базовых логистических операций требуется абсолютная точность. Например, даже незначительная ошибка в прогнозировании спроса может привести к переизбытку или дефициту продукции.

В результате, итоговое решение принимается строгим алгоритмом совместно с человеком, а ИИ играет вспомогательную роль в генерации возможных гипотез (хотя математические модели существовали и до его появления).

На самом деле, многие задачи, которые кажутся подходящими для ИИ, уже давно решаются традиционными алгоритмами. Именно поэтому широкое распространение ИИ в этих областях пока ограничено.

Однако существуют процессы, где ИИ уже продемонстрировал значительные и ощутимые результаты.

Одним из наиболее успешных примеров является автоматизация административных задач, в частности, управление рекламациями для определенных клиентов. Мы используем "OCR через ИИ", классификацию обращений, анализ видеоматериалов и автоматическое создание проектов ответов.

Ранее эти задачи выполнялись вручную, что часто приводило к ошибкам. ИИ значительно ускоряет процесс и обеспечивает приемлемый уровень точности, сопоставимый с работой человека.

– А что касается складской логистики, насколько продвинуто внедрение ИИ в этой области?

– Фактически, наиболее передовые технологии сегодня используются именно на складах: это компьютерное зрение и анализ поведения сотрудников в ходе операционных процессов. Они позволяют выявлять ошибки при сборке, обнаруживать незарегистрированные операции (например, обмотку паллет стретч-пленкой), отслеживать небезопасные действия и контролировать состояние складских зон, что в целом способствует повышению качества и безопасности.

Следует подчеркнуть, что рентабельность внедрения определенных технологий всегда зависит от масштаба.

Автоматизация задачи, выполняемой одним человеком, не принесет экономического эффекта. Однако, когда операции выполняются массово и повторяются тысячи раз в день, ИИ может дать значительный результат.

Кроме того, ситуация на рынке труда меняется, и становится все труднее привлекать персонал для выполнения рутинных задач, поэтому автоматизация становится неизбежной.

Важно понимать, что ИИ – это не отдельная технология, а лишь один из инструментов в общем арсенале, наряду с традиционным программированием, датчиками и механизацией. Значение имеет только конкретный пример применения.

 – Используется ли сейчас искусственный интеллект в маркировочных процессах?

– В текущий момент не особенно. Маркировка характеризуется строгими требованиями и четкими правилами, поэтому автоматизация идет больше по пути технической модернизации и внедрения механических решений, а не на основе ИИ. Полагаю, эта тенденция сохранится в ближайшие годы.

– Как вы оцениваете перспективы усиления тренда на внедрение искусственного интеллекта в 2026 году, и какие решения на его основе могут стать прорывными?

– Думаю, тренд, безусловно, станет сильнее, но внимание в отрасли то и дело переключается, в основном на автоматизацию рутинных административных операций. Данные технологии уже сейчас приносят ощутимые результаты и требуют минимальной предварительной обработки информации.

Прорыв в логистике, на мой взгляд, будет обусловлен не столько появлением новых ИИ-алгоритмов, сколько повышением технологической зрелости компаний в целом.

В российской логистике пока еще много устаревших решений: старые системы, ручная обработка данных, невысокий уровень цифровизации. В ближайшие годы компаниям предстоит преодолеть этот барьер. Параллельно они будут точечно внедрять ИИ там, где минимальны затраты и риски, и только потом переходить к более сложным и масштабным моделям.

– Можете ли вы привести примеры областей, где человеческий интеллект пока эффективнее искусственного?

– Человек остается незаменимым там, где ошибка неприемлема или слишком дорога. Это, как я уже упоминал, принятие решений относительно прогнозирования спроса или оптимизации транспортных маршрутов. ИИ может генерировать различные варианты, но ответственность за конечный результат несет человек, опираясь на точные алгоритмы.

Аналогичная ситуация складывается там, где необходимы широкое понимание контекста, богатый опыт и знание особенностей ведения бизнеса, а не просто статистическая модель.

– Где сейчас искать специалистов, сочетающих знания в логистике, data science и владеющих современными технологиями? Ведь возможности ИИ только начинают активно изучаться и внедряться, поэтому готовых профессионалов в этой области еще немного.

– На практике, первые специалисты часто вырастают из собственных, не ИТ-сотрудников. Сейчас особенно важно не нанимать узкопрофильных экспертов по анализу данных, а обучить большую часть персонала понимать потенциал ИИ и применять простые инструменты.

Мы придаем большое значение обучению: проводим обучающие мероприятия, позволяем сотрудникам работать с базовыми инструментами ИИ, объясняем возможности больших языковых моделей, RAG-архитектур, систем оптического распознавания символов и генерации изображений. Этого вполне хватает для большинства задач. Входной барьер достаточно низок, и технологии общедоступны.

ИТ-отдел в данном случае должен обеспечивать технологическую платформу и обучать сотрудников, а не становиться «узким» местом, внедряющим все проекты.

Однако, это относится к базовым инструментам ИИ. Если речь идет о разработке собственных специализированных моделей с нуля и проведении углубленного обучения, то это потребует значительных затрат и времени.

Источник: trans.ru