Искусственный интеллект в логистике: тенденции, сложности при внедрении, сферы применения, кейсы

На прошлой неделе у нас вышла статья про использование инструментов искусственного интеллекта в различных сферах электронной торговли и логистики. На этот раз мы решили подробнее изучить вопрос применения технологий ИИ непосредственно в логистической отрасли.

Разобраться в ситуации нам помогали эксперты: директор IT-департамента Delko Екатерина Кузьмина, IT-директор в STALOGISTIC Андрей Тараченко, директор по развитию бизнеса "Бета ПРО" Екатерина Анциферова. 

Мировые тенденции

Согласно исследованию Deloitte, 70% российских компаний считают ИИ важным для своего бизнеса. Однако только 10% из них используют тот или иной вид ИИ в логистике и доставке. Согласно последнему исследованию на тему воздействия ИИ на экономику, проведенному в США, в ближайшее время 50% операций в 20% всех профессий будет осуществляться с использованием ИИ.

В целом, можно выделить следующие тенденции:

• Растущая популярность использования автономных транспортных средств в логистике и доставке.
• Применение искусственного интеллекта и машинного обучения для управления инвентаризацией и складом. Это позволяет оптимизировать затраты на хранение и управление запасами, а также уменьшать вероятность ошибок.
• Развитие систем прогнозирования спроса. Использование искусственного интеллекта для анализа данных о покупках и потребительском поведении – позволяет улучшить прогнозирование спроса и сократить издержки на запасы.
• Оптимизация маршрутов доставки. Использование алгоритмов искусственного интеллекта позволяет оптимизировать маршруты доставки и улучшить эффективность процесса доставки.
• Развитие роботизации в логистике. Роботы могут выполнять рутинные задачи на складах и в центрах обработки заказов, что позволяет сократить затраты на персонал и увеличить производительность.
• Развитие программных систем управления логистикой. Использование искусственного интеллекта позволяет создавать программные системы управления логистикой, которые могут эффективно координировать процессы логистики и доставки.

Сферы применения инструментов искусственного интеллекта в логистике 

По мнению директора по развитию бизнеса "Бета ПРО" Екатерины Анциферовой, применение искусственного интеллекта разными сферами в интересах бизнеса – вопрос актуальный, но неоднозначный.

С одной стороны, на практике мы видим кейсы по вовлечению ИИ в электронную торговлю – в коммуникацию продавца и целевой аудитории, в кастомизацию пользовательского опыта. Например, посредством мобильного приложения и технологий искусственного интеллекта покупатель может примерить обувь, одежду, введя параметры фигуры, или интегрировать предметы для дома (категории DIY) в дизайн интерьера.

С другой стороны, например, в сфере складской логистики корректнее говорить об автоматизации процессов, нежели об использовании ИИ в операционных задачах. Деятельность фулфилмент-операторов строится по строгим алгоритмам, большинство из которых автоматизированы. Однако существует ряд операций, где требуются профильные компетенции сотрудников, их вовлечение в ситуацию "здесь и сейчас". Подобным этапом, например, является приемка, где сотрудник порой должен сопоставить каждый отдельный товар с базой, проверить его на подлинность и наличие брака. Поэтому говорить о полноценном замещении человеческих ресурсов искусственным интеллектом не стоит.

В целом, на сегодняшний день ИИ находит в логистике разнообразное применение. Рассмотрим основные направления.

Прогнозирование спроса и управление запасами

С помощью машинного обучения ИИ можно прогнозировать спрос на продукцию в зависимости от данного региона и других параметров, например, погодных условий, мероприятий и т.д. Также используются алгоритмы для оптимизации управления запасами на складах.

Пример. В 2020 году "Лента" интегрировала автоматизированную систему прогнозирования спроса на товары.

На основании прошлых периодов формируется "комплекс моделей", который сам определяет значимость каждого фактора для конкретного товара в отдельном магазине. Итоговая "модель" применяется для прогнозирования будущих периодов с максимальной детализацией, она самообучаема, гибка для настройки и учета новых факторов. Модель постоянно адаптируется и развивается с учетом различных тенденций спроса.

Умные дороги

Объединение ИИ с датчиками, RFID метками, системами спутникового мониторинга и сетями 5G может дать мощный толчок развитию умных дорог.

Умные дороги являются компонентом концепции умных городов, в которой применяются передовые информационные технологии (интернет вещей, облачные вычисления, большие данные, искусственный интеллект) для облегчения планирования, строительства, управления и обслуживания. Технология умных дорог позволит повысить безопасность дорожного движения и сократить задержки в цепочке поставок, вызванные неблагоприятными погодными условиями и дорожными инцидентами.

Популярность различных запросов, связанных с умными городами, за период с 2010 по 2021 год 

Пример. В прошлом году в Мельбурне запустили умную дорогу. Всем трафиком управляет программный комплекс с универсальной платформой глубокого обучения, системой управления городской мобильностью и платформой совместной обработки данных для расширенной аналитики.

Еще один пример. В России также развивается концепция умных дорог, причем не только в Москве и Санкт-Петербурге. Так, например, в Екатеринбурге к автоматизированной системе управления дорожным движением уже подключили 630 светофоров. А для создания умных дорог в Волгограде из бюджета на 2021-2023 гг. предусмотрено 900 млн рублей.

Управление маршрутом доставки и оптимизация цепочек доставок

ИИ-технологии помогают оптимизировать дистанцию и траекторию путей доставки, а также лучше координировать время доставки, уменьшая его вместе с издержками на топливо.

Мировой уровень внедрения ИИ в механизмы регулирования цепочек поставок

1. Не используется
2. На стадии эксперимента
3. Ограниченное применение
4. Широкое применение
5. ИИ имеет ключевое значение 

Пример. Американская логистическая компания Coyote Logistics использует предиктивную аналитику, искусственный интеллект и машинное обучение для сопоставления информации о процессе доставке с внешними данными (трафик и погода в реальном времени). Полученные данные позволяют компании прогнозировать проблемы, которые могут повлиять на транспортные цепочки, параллельно разрабатывая альтернативный план поставок.

Более качественное обслуживания клиентов 

Планирование и гибкость в логистике означают лучшее обслуживание и меньшие логистические затраты. Провайдерам логистических услуг ИИ поможет автоматизировать рутинные задачи, такие как написание электронных писем и создание контента. Инструменты на базе ИИ используются для анализа поведения клиентов, предоставления более точных аналитических данных по продажам и маркетингу.

Автоматизация складов и центров обработки

Использование ИИ для автоматизации складов и центров обработки заказов позволяет повысить эффективность и уменьшить время обработки.

Для реализации этих и других процессов используются различные технологии и источники данных, такие как:

• сбор данных с датчиков, установленных на транспортных средствах, складах и других объектах логистической инфраструктуры;
• использование меток RFID и других технологий, позволяющих отслеживать местонахождение грузов и контролировать их перемещение;
• использование данных, полученных от коммуникационных сетей, таких как Интернет вещей (IoT), чтобы мониторить оборудование и процессы на расстоянии;
• анализ внешней информации, в том числе погоды, пробок на дорогах и прочих факторов, которые влияют на время доставки и работу цепочки поставок;
• использование софта и программ для управления процессами логистики, которые интегрируют все собранные данные и автоматизируют ряд процессов.

Пример. У Alibaba самый большой в мире автоматизированный склад с роботами, которые собирают и упаковывают товары для доставки клиентам. В настоящее время роботы на складе компании выполняют 70% работы. 

Роботы могут удерживать до 500 кг во время движения. У каждой машины есть специальные датчики для предотвращения столкновений друг с другом, есть Wi-Fi для вызова сотрудниками.

А это уже роботы на складе Amazon

Как развивается ИИ в логистике и доставке в России. Есть ли отставание в сравнении с западными компаниями

В целом, в России наблюдается рост использования искусственного интеллекта в логистике и доставке, но по сравнению с западными компаниями в этой сфере есть отставание. Некоторые отечественные компании уже применяют ИИ для оптимизации процессов складирования и доставки, но широкое внедрение этой технологии все еще ограничено. 

В России есть примеры успешного использования ИИ в логистике. Например, в сфере оптимизации маршрутов доставки. Однако это разработки предыдущего поколения. Больше возможностей и конкурентных преимуществ могло бы дать внедрение больших моделей ИИ, таких как ChatGPT. Лично мы считаем, что сейчас наши логистические компании не сильно отстают от западных в использовании ИИ, однако ситуация будет ухудшаться на фоне санкций и блокировки доступа к ИИ, а также в связи с выездом из страны высококлассных специалистов..

Андрей Тараченко, директор по IT компании STALOGISTIC

Директор IT-департамента Delko Екатерина Кузьмина считает, что отставание в использовании ИИ в логистике и доставке в России связано с недостаточным развитием инфраструктуры для применения этой технологии. Например, низкий уровень цифровизации в грузовых терминалах и на складах, отсутствие стандартов для обмена информацией, ограниченная доступность к облачным технологиям и др. 

Тем не менее, многие компании в России понимают потенциал ИИ и активно работают над его внедрением. Российские производители транспортных средств и IT-компании активно развивают технологии автономной транспортировки, также развиваются и программные решения для управления логистическими процессами с использованием ИИ, – добавляет эксперт. 

Какие сложности сопутствуют процессу внедрения ИИ в логистике

Сложности могут быть связаны с недостатком квалифицированных специалистов и данных для обучения моделей ИИ. К тому же на уровне компаний не всегда есть понимание, как использовать технологию для решения бизнес-задач. Тормозит процесс также нехватка финансирования и времени, отсутствие синхронизации целей между командами, внедряющими ИИ. 

• Недостаточность данных. Одной из ключевых проблем внедрения технологий в логистику является отсутствие доступа к полному объему данных, необходимых для обучения алгоритмов ИИ. В таких случаях точность работы систем может сильно ограничиться.
• Сложность адаптации к индивидуальным потребностям. Каждая логистическая компания имеет свою специфику и требует индивидуального подхода в реализации ИИ-решений.
• Необходимость высокой квалификации персонала. Внедрение ИИ в логистику требует обширных знаний в области искусственного интеллекта и его приложения в отраслях. Компании, которые не имеют достаточного количества специалистов в этой области, могут столкнуться со сложностями при внедрении ИИ-решений.
• Сложность внедрения новых технологий. Только введение новых технологий ИИ не гарантирует того, что она станет эффективной. Важно создать интеграцию между системами, обучить персонал обращаться с новой технологией, качественно организовать информационный поток.
• Опасность нарушения безопасности данных. Внедрение ИИ может стать значительной угрозой для безопасности данных и личной информации. Это связано как с риском кражи данных, так и с опасностью ошибочно обработанной информации.
• Высокая стоимость внедрения ИИ-решений. Внедрение ИИ в логистику может потребовать существенных инвестиций. В то же время поддержание и дальнейшее развитие ИИ-систем может даже более ресурсозатратным. Выбор правильных решений требует внимательного анализа сильных сторон этой технологии в сочетании с многофакторной оценкой ожидаемой помощи этой технологии и неизбежных затрат.

Насколько перспективно использование ИИ в логистике в России

Использование искусственного интеллекта в логистике в России может являться вполне перспективным направлением, поскольку данная технология способна решить ряд проблем, связанных с оптимизацией процессов и повышением эффективности управления цепочек поставок. В России также наблюдается активное развитие технологий автономной транспортировки, использующей искусственный интеллект, особенно в городах с высокой плотностью населения. 

Однако, для успешного внедрения ИИ в логистику необходимо решать ряд проблем и преодолевать некоторые препятствия: создавать условия для сбора и обработки большого количества данных, обучать персонал обращаться с новыми технологиями, гарантировать безопасность данных и т.д., – комментирует Екатерина Кузьмина.

Если грузовой трафик в России не будет падать, у компаний будут необходимые специалисты и возможности инвестирования, то перспективы развития ИИ очень хорошие. Это позволит изменить операционную модель логистики с реактивной на прогнозируемую, работающую на опережение, обеспечит более высокие результаты при оптимальных затратах логистических компаний.

Андрей Тараченко, директор по IT компании STALOGISTIC