Грузоместа по промпту: как ИИ избавил логистов от рутины и помог выигрывать тендеры

Вечная головная боль логистов

На конференции Tech Week 2026, собравшей более 2500 представителей бизнеса на двухдневную программу 17-18 июня, эксперты обсуждали один из главных вопросов для любого бизнеса: где искусственный интеллект уже приносит деньги, а где пока только создаёт иллюзию пользы.

В рамках сессии «Производство и логистика» эксперт по автоматизации бизнес-процессов компании «Первый Бит» Олег Кемаев, рассказал о кейсе, который заставил аудиторию по-новому взглянуть на возможности языковых моделей.

«У компании «Видеоглаз-центр», осуществляющей поставки систем безопасности была классическая больная точка, «узкое горлышко» процесса продаж: логисты тратили до 40 часов в неделю на ручной расчёт габаритов оборудования для отгрузки. Камеры, кронштейны, кабели — каждый заказ требовал индивидуального подбора коробок и расчёта грузомест. Клиенты жаловались на задержки, менеджеры по продажам нервничали, а внутри компании зрела настоящая война между отделами», - рассказал вначале выступления Кемаев.

Обычно такие проблемы решают кардинально: создают единую базу данных со всеми характеристиками имеющихся в обороте товаров. Но этот путь бесконечен — ассортимент обновляется, данные устаревают, а наполнение базы требует огромных ресурсов. «Первый Бит» предложил иной путь: не собирать информацию превентивно, а научить ИИ находить её самостоятельно по мере появления проблем.

Как два AI-агента в 20 раз снизили нагрузку на логистов

Решение оказалось элегантным. Эксперты «Первого Бита» собрали двух AI-агентов на базе Yandex GPT. Первый искал в интернете габаритные характеристики оборудования, второй рассчитывал грузоместа и через API подключался к транспортным компаниям — например, СДЭК и «Деловым линиям» — чтобы получать точную стоимость доставки. Для пользователей взаимодействие с данными от ИИ интегрировали в рабочее место логиста в «1С:Управление торговлей».

Результат превзошёл ожидания. Количество запросов к логистам упало с 30–40 в день до 1–2. Проект окупился за шесть месяцев, а ежемесячные затраты на токены, за которые многие переживают, в итоге составили всего 7–8 тысяч рублей. Далее эта цифра будет снижаться по мере того, как база данных наполняется уже установленными характеристиками.

Самое удивительное открытие ждало команду в процессе разработки. «Мы переживали, что нейросеть не справится со сложным расчётом грузомест, — признался Кемаев. — На рынке существуют специализированные математические модели, и мы попробовали использовать их для этого проекта. Оказалось, что этот путь заметно дороже и дольше. К нашему удивлению, языковые модели настолько продвинулись, что такой расчёт можно реализовать исключительно с помощью промптинга». Да, были и «шероховатости»: нейросеть, например, никак не хотела правильно считать кабель, оставленный «про запас». Но заказчика устроила итоговая точность в 94%, количество ошибок оказалось в пределах допустимого.

15 миллионов выигрыша от быстрой подготовки КП

Второй кейс, который Кемаев презентовал, не раскрывая название компании-клиента, касался поставщика автозапчастей. В этом случае проблема была в скорости обработке входящих заявок: менеджеры вручную читали письма и вложения, переносили данные в учётную систему, сверяли с каталогом. На это уходили часы.

Решением стал программный робот на основе технологии RPA с искусственным интеллектом, который анализирует текст письма, распознаёт вложения, извлекает структурированные данные и автоматически загружает их в систему. Время подготовки коммерческого предложений сократилось в пять раз.

«Для клиента быстрая подготовка документов стала уникальным торговым преимуществом, — подчеркнул Кемаев. — Они уже выиграли за счёт этого крупный тендер, и коммерческий директор сказал, что благодаря нашему решению компания получила дополнительные 15 миллионов рублей выручки».

Круговорот ROI

Оба кейса объединяет один принцип: вместо того чтобы бояться «галлюцинаций» ИИ или ждать идеальных условий, бизнес учится доверять нейросетям как инструменту оперативного поиска и расчёта. Да, точность не стопроцентная. Да, иногда приходится дорабатывать логику «на ходу». Но экономический эффект перевешивает риски.

«Мы часто сталкиваемся с тем, что заказчики боятся даже пробовать, потому что им кажется, что это дорого. Но когда мы показываем реальные цифры — 7 тысяч рублей в месяц на инфраструктуру вместо зарплаты нескольких логистов — сомнения исчезают», — сказал эксперт «Первого Бита» Олег Кемаев.

Впрочем, прямой подсчёт экономии по зарплатам — только вершина айсберга. В кейсе «Видеоглаз-центра» срок окупаемости в шесть месяцев выведен именно из сокращения штата: вместо трёх-четырёх дополнительных логистов компания получила систему за два месяца разработки и копеечные ежемесячные расходы на токены.

Но есть и эффекты, которые сложно загнать в Excel. В «Видеоглаз-центре» прекратились столкновения между отделами продаж и логистики, исчезли задержки с ответами клиентам, а значит, снизились риски потери заказов. Сам Кемаев признаёт: измерить эти косвенные выгоды сложно, и компании редко выделяют на это ресурсы. Парадоксально, но после внедрения ИИ заказчики часто признают, что неявные плюсы перевешивают прямую экономию на ФОТ — хотя и остаются неизмеренными.

ROI таких проектов, если считать совокупно, может исчисляться сотнями процентов. Беда в том, что у большинства бизнесов нет простых способов зафиксировать все «до» и «после». Именно отсутствие замеров, а не сложность технологий, часто становится главным барьером для одобрения проектов. Пока одни компании годами размышляют о методах расчёта эффективности, другие просто внедряют, получают результат и двигаются дальше. И, как показала Tech Week, вторых становится всё больше.

Главный вывод Tech Week 2026 — ИИ сегодня преобразует конкретные бизнес-задачи, которые ещё пару лет назад считались не поддающимся автоматизации без огромных вложений. Судя по реакции аудитории, этот тренд только набирает обороты.