ИИ в логистике: где применяют, примеры и как внедрить

ИИ в логистике - это программы на основе машинного обучения и языковых моделей, которые берут на себя часть работы логистов, диспетчеров и складских сотрудников: строят маршруты, прогнозируют загрузку, проверяют товар на складе по камерам, разбирают заявки и транспортные документы, отвечают клиентам на вопрос «где мой груз». Больше всего эффекта сейчас дают три направления: планирование маршрутов, видеоаналитика на складе и ИИ-агенты для работы с заявками и документами.

Ниже разберем, где ИИ применяют в транспортной и складской логистике, какие результаты получили российские компании, какие готовые сервисы есть и что придется разрабатывать под себя. В середине статьи есть калькулятор окупаемости, а в конце - план внедрения и типичные ошибки. Агентов для заявок, документов и поддержки мы собираем под процессы компании, задачи и сроки описаны на странице разработки ИИ-агентов.

Найдем задачу в логистике, на которой ИИ окупится

Оставьте заявку - на бесплатной диагностике разберем ваши процессы, посчитаем эффект и соберем прототип на ваших данных до договора.

Оставить заявку →

Где применяют ИИ в логистике

Под словами «ИИ в логистике» скрываются разные технологии. Маршруты и прогнозы считают алгоритмы оптимизации и машинного обучения на исторических данных. Склад и транспорт проверяет компьютерное зрение. Текстовую работу - заявки из почты, документы, переписку с клиентами и перевозчиками - берут на себя языковые модели и построенные на них ИИ-агенты. Для каждой задачи свой способ запуска: где-то хватит готового сервиса, где-то нужна разработка.

В таблице собраны основные участки логистики и то, что на них дает ИИ:

Порядок в таблице совпадает с тем, насколько рынок готов дать решение «из коробки». Сервис маршрутизации подключают по оферте и тестируют на своих адресах, а агент для заявок и документов почти всегда собирается под конкретную компанию, потому что у каждой свои клиенты, форматы заявок и системы учета.

ИИ в транспортной логистике: маршруты, загрузка и порожний пробег

Маршрутизация - самая зрелая область ИИ в транспортной логистике. Алгоритм перебирает тысячи вариантов развоза с учетом пробок, окон доставки, грузоподъемности и графика водителей, на что у логиста вручную уходят часы. По данным Яндекс Маршрутизации, за два года ее клиенты сократили пробег на 21%, число рейсов на 23,6% и число машин до 24,4% при том же объеме грузов. В компании Novabev ручное планирование занимало 3 часа, поэтому прием заказов закрывали в 16:00. С сервисом маршруты строят за полчаса, и заказы принимают до 18:30.

Эффект зависит от масштаба. Сам сервис оценивает его так: на 10 машинах получится сэкономить 1-2 машины, на 100 машинах - 15-20. Внутригородская доставка с узкими окнами дает больше возможностей для оптимизации, чем междугородние рейсы, где вариантов маршрута меньше.

В магистральных перевозках главная статья потерь - порожний пробег, когда машина возвращается без груза. Цифровые платформы перевозок используют рекомендательные системы: они сопоставляют маршруты перевозчиков и заказы грузоотправителей и предлагают обратную загрузку. Платформа «Монополия» в октябре 2025 года сообщила, что по внутренним тестам ее система сократила порожний пробег на 14%, а себестоимость километра - на 2-3%.

Третья задача - мониторинг. Когда статус каждой машины виден в системе, клиенту и диспетчеру не нужно звонить водителю. В СИБУРе после подключения мониторинга статус доставки получают за 30 секунд, раньше на это уходило 2,5 часа звонков перевозчикам.

ИИ в складской логистике

На складе ИИ работает в двух ролях. Модели прогнозирования решают, сколько и когда заказать, чтобы не было пустых полок и лишних остатков. Такие системы строят в основном крупные сети на своих данных: X5 сообщила, что ИИ-решения принесли ей около 5 млрд рублей дополнительной операционной прибыли за 2025 год, и основной вклад дали прогноз спроса и пополнение запасов, ценообразование и управление ассортиментом.

Вторая роль - контроль по камерам. Компьютерное зрение проверяет, что пришло на приемке и что уходит в отгрузку: считает коробки и паллеты, находит поврежденную упаковку, сверяет маркировку, следит за занятостью мест хранения и зон погрузки. Если камеры на складе уже стоят, запись часто можно анализировать без нового оборудования. Видеоаналитику для складов и анализ товаров при транспортировке мы делаем под задачи компании, подробнее - на странице компьютерного зрения.

Роботы-сборщики и автономные погрузчики тоже используют ИИ, но это проекты другого масштаба, рассчитанные на крупные распределительные центры с большим потоком однотипных операций. Среднему складу проще начать с видеоаналитики и автоматизации документов: вложения меньше, а результат легко измерить в часах и ошибках.

ИИ-агенты в логистике: заявки, документы и вопросы клиентов

Значительная часть работы логиста - текст. Заявки приходят в почту, мессенджеры и на портал в произвольной форме, счета перевозчиков нужно сверить с накладными и договорами, клиенты спрашивают о статусе груза, а претензии требуют собрать документы по рейсу. Это работа для ИИ-агента: программы на основе языковой модели, которая получает задачу обычными словами и сама выполняет ее в ваших системах, а важные действия передает на подтверждение сотруднику.

С 1 сентября 2026 года транспортные накладные оформляют в электронном виде (ЭТрН). Структурированные данные из накладных упрощают работу агента: ему проще сверить счет перевозчика с накладной, когда накладная уже электронная. Ручной работы при этом остается много: заявки по-прежнему приходят письмами, счета и акты - файлами в разных форматах.

Посмотрим на одну заявку. Клиент присылает письмо: забрать 12 паллет со склада в Подольске и доставить в Казань до пятницы. Агент находит клиента в CRM, проверяет договор и тариф, считает стоимость, подбирает свободную машину или перевозчика из базы и создает черновик заявки в TMS или 1С. Логисту приходит сообщение со сводкой: клиент, груз, ставка, машина и ее загрузка. Логист нажимает «подтвердить», агент отправляет клиенту расчет и сроки. Если в письме не хватает данных, например веса, агент сам задает клиенту уточняющий вопрос.

Второй пример - закупка перевозки. Компании нужно отправить груз в регион, где нет своих машин. Агент рассылает запрос ставок перевозчикам из базы, собирает ответы из почты и мессенджеров, приводит их к одному виду и проверяет контрагентов. Логист получает таблицу: перевозчик, ставка, срок подачи машины, рейтинг по прошлым рейсам. На сбор и сравнение предложений вручную уходит час-два, агент делает это, пока логист занят другими заявками. Как ИИ работает в закупках товаров и материалов, разобрано в статье про ИИ в закупках.

Задачи, которые чаще всего передают ИИ-агентам в логистике:

• прием заявок из почты, мессенджеров и форм: разбор груза, адресов и сроков, черновик заявки в TMS или 1С;
• сверка документов: счета и акты перевозчиков против накладных, договоров и тарифов, список расхождений до оплаты;
• вопросы клиентов: статус груза, сроки, стоимость, копии документов - ответ из данных TMS без звонка диспетчеру;
• претензии и повреждения: сбор документов, фото и переписки по рейсу, черновик претензии;
• закупка перевозок: запрос ставок у перевозчиков, сравнение предложений, проверка контрагента;
• отчеты для руководителя: просроченные доставки, загрузка машин, рейсы с отклонениями.

Такой работы много: по оценке директора представительства ATI.SU в Кыргызстане Эмирлана Бейилбаева, до 70% обращений в техподдержку логистических платформ типовые. Как устроены агенты внутри и из каких частей они состоят, мы разбирали в статье о том, как создать ИИ-агента.

Примеры применения ИИ в логистике в России

Крупные компании внедряют ИИ в логистике несколько лет, и по ним видно, где получается измеримый результат. Цифры ниже взяты из публикаций самих компаний и отраслевых СМИ.

СДЭК автоматизировал построение маршрутов курьеров и распределение заказов между ними. По данным кейса на SberPro, построение маршрутов оптимизировали на 15%, а присвоение кодов ТН ВЭД грузам на экспорт стало в несколько раз быстрее с точностью до 95%. Самой дорогой и долгой частью проекта в компании назвали подготовку данных для обучения моделей.

X5 получила около 5 млрд рублей дополнительной операционной прибыли от ИИ-решений по итогам 2025 года. Основной вклад дали прогноз спроса и пополнение запасов, ценообразование и управление ассортиментом.

Клиенты Яндекс Маршрутизации - Novabev, СИБУР, аптечная сеть «Апрель», производитель мороженого «Айсберри» - сокращают пробег, число рейсов и время планирования. Novabev перенес закрытие приема заказов с 16:00 на 18:30, СИБУР узнает статус доставки за 30 секунд.

Монополия использует рекомендательную систему для подбора обратных загрузок: по внутренним тестам порожний пробег снизился на 14%.

По этим примерам видно, что результат появляется там, где есть данные за прошлые периоды и понятная метрика - километры, рейсы, часы, точность. Основатель ATI.SU Святослав Вильде со ссылкой на исследование Strategy Partners приводит такую оценку: 45% участников логистического рынка планируют использовать ИИ в ближайшие 2-3 года.

Сервисы и решения ИИ для логистики

Готовых ИИ-продуктов для логистики в России немного, и почти все они закрывают одну задачу: маршруты, биржу грузов или мониторинг. Работу с заявками, документами и клиентами обычно собирают под компанию. Ниже решения, по которым есть открытая информация, и сводная таблица. Данные на 12 ноября 2026 года.

Unistory: ИИ-агенты для логистических процессов

Мы в Unistory проектируем ИИ-агентов под процессы логистической компании: прием и разбор заявок, сверку счетов перевозчиков с накладными и договорами, ответы клиентам о статусе груза, подготовку претензий и отчетов. Агент подключается к вашей TMS, 1С, CRM и почте, работает в мессенджере или на портале, а важные действия выполняет после подтверждения логиста. Для склада берем задачи видеоаналитики: проверку товара на складе и при транспортировке по камерам.

Достоинства:

• сценарии под ваши форматы заявок, документы и системы учета;
• связка TMS, 1С, CRM, почты и мессенджеров в одном сценарии;
• подтверждение логиста для важных действий и журнал всех операций;
• можно развернуть на серверах компании;
• простые сценарии запускаются за 1-2 недели;
• расчет эффекта и прототип на ваших данных до договора.

Недостатки:

• запуск занимает больше времени, чем подключение готового сервиса.

Покажем агента на ваших заявках и документах

Оставьте заявку - разберем процесс, посчитаем эффект и соберем прототип до договора.

Оставить заявку →

Яндекс Маршрутизация: планирование маршрутов и мониторинг

Сервис планирования маршрутов и мониторинга транспорта на основе Яндекс Карт с прогнозом пробок. Строит маршруты с учетом окон доставки и вместимости машин, показывает логистам выполнение заказов и опоздания, а получателю - время прибытия. Интегрируется с ERP через API, у водителя - мобильное приложение. Для 1-2 курьеров есть бесплатный вариант с маршрутами до 50 точек, платные тарифы считаются по числу машин или заказов, цены дают по заявке.

Достоинства:

• прогноз пробок на данных Яндекса;
• опубликованные результаты клиентов в цифрах;
• тест на ваших адресах перед покупкой.

Недостатки:

• закрывает маршруты и мониторинг, документы и заявки остаются на сотрудниках;
• цены платных тарифов не опубликованы.

Монополия: цифровая платформа перевозок

Платформа для FTL-перевозок с сервисами от поиска груза или перевозчика до топливного процессинга. Рекомендательная система анализирует данные о перевозках, сопоставляет заказы грузоотправителей с маршрутами перевозчиков, предлагает обратную загрузку и прогнозирует ситуацию на рынке на 1-2 недели вперед. По внутренним тестам компании порожний пробег снизился на 14%, полезный пробег вырос на 7-8%.

Достоинства:

• подбор обратной загрузки для перевозчиков;
• прогноз рынка ставок на ближайшие недели.

Недостатки:

• работает внутри платформы, с внутренними процессами компании не связана;
• результаты опубликованы по внутренним тестам компании.

ГигаЧат и другие нейросети для логиста

Универсальные нейросети - ГигаЧат, Алиса AI, YandexGPT - помогают логисту с разовыми задачами: разобрать заявку из письма и выписать адреса, вес и сроки в таблицу, составить запрос ставок перевозчикам, сравнить несколько предложений, подготовить ответ клиенту о задержке груза. Личная версия ГигаЧата бесплатна. Чтобы нейросеть работала с заявками и документами постоянно, ее подключают по API: у GigaChat для юрлиц тарифы на ноябрь 2026 года от 0,065 до 0,65 рубля за 1000 токенов с минимальным платежом 600 рублей в месяц.

Достоинства:

• можно начать бесплатно и без внедрения;
• хорошо справляются с письмами, заявками в свободной форме и таблицами.

Недостатки:

• каждую заявку загружают вручную, с TMS, 1С и почтой нейросеть не связана;
• данные клиентов и ставки уходят во внешний сервис, это нужно согласовать со службой безопасности.

Сводная таблица по решениям из обзора:

Сколько стоит ИИ в логистике и как посчитать окупаемость

Готовые сервисы маршрутизации продаются по подписке, цена зависит от числа машин или заказов. Разработка агента под процесс компании начинается от 150 тысяч рублей за один сценарий, точную сумму называют после прототипа. Сверху добавляются расходы на языковую модель и сопровождение.

Считать стоит от экономики задачи. Возьмем транспортную компанию, где логисты обрабатывают 3 000 заявок и документов в месяц и тратят на каждый 15 минут. Это 750 часов. Если агент снимет половину работы, а час логиста с налогами стоит около 650 рублей, экономия составит 375 часов и около 244 тысяч рублей в месяц. Модель при 8 000 токенов на задачу обойдется примерно в 15 600 рублей в месяц по тарифу GigaChat 2 Max для юрлиц - 0,65 рубля за 1000 токенов. Если разработка и сопровождение за первый год стоят 500 000 рублей, годовой эффект будет в 4,3 раза больше всех расходов. Подставьте свои цифры в калькулятор.

Мы при проектировании ориентируемся на годовой эффект в 3-10 раз больше всех расходов первого года: разработки, модели или серверов и сопровождения. Если расчет дает меньше, лучше выбрать процесс с большим потоком или сузить сценарий. Подробнее о том, как считать окупаемость ИИ-проектов, мы писали в статье об экономической эффективности внедрения ИИ.

Как внедрить ИИ в логистике: план по шагам

Начинать с «умной логистики целиком» рискованно: такой проект трудно оценить и легко растянуть. Надежнее выбрать одну задачу с большим потоком и понятной метрикой и довести ее до стабильной работы. Порядок выглядит так.

1. Выберите процесс и метрику. Пробег и число рейсов для маршрутов, часы логистов для заявок и документов, число расхождений для сверки счетов.
2. Проверьте данные. Где хранятся заявки, тарифы, история рейсов, есть ли доступ к TMS и 1С через API, сколько примеров можно взять за прошлые месяцы.
3. Решите, что купить, а что разработать. Маршруты и мониторинг закрывают готовые сервисы, заявки и документы под ваши форматы - агент под процесс.
4. Определите границы самостоятельности. Что агент делает сам, что создает черновиком, где нужно подтверждение логиста.
5. Проверьте прототип на истории. Прогоните 50-100 заявок или документов прошлого месяца и сравните результат с тем, что сделали сотрудники.
6. Запустите на одном направлении с журналом действий и еженедельным разбором ошибок, затем расширяйте на другие филиалы и процессы.

От компании в проекте нужен один ответственный, который знает процесс и может быстро ответить на вопросы, и доступ к системам на время прототипа. Логистов стоит подключить с первого дня: они лучше всех знают исключения, которых нет в регламентах, например клиентов, которые всегда меняют адрес в последний момент, или перевозчиков с особыми условиями оплаты.

Первый сценарий агента обычно запускают за несколько недель, большая часть времени уходит на интеграции и проверку на реальных примерах. С маршрутизацией быстрее: сервис тестируют на ваших адресах, и результат видно сразу на сравнении маршрутов.

Риски и ошибки при внедрении ИИ в логистике

Главная причина неудач - данные. Если адреса в базе записаны по-разному, вес груза заполняют через раз, а история рейсов хранится в таблицах у разных логистов, модель будет ошибаться. В СДЭК подготовку данных назвали самой дорогой и долгой частью проекта. Перед запуском стоит проверить, насколько полно заполнены нужные поля, и навести порядок хотя бы в одном направлении.

Вторая ошибка - отдать решения алгоритму целиком. Маршрут, который выглядит оптимальным на карте, может не учитывать договоренности с клиентом или ограничения подъезда, которых нет в системе. Агент может неверно прочитать заявку с опечаткой в адресе. Поэтому на старте все предложения ИИ проверяет логист, а самостоятельность расширяют только на сценариях, где ошибок нет несколько недель подряд.

Третья - не учитывать персональные данные. В заявках и накладных есть ФИО и телефоны водителей и получателей. Отправка их в зарубежный сервис считается трансграничной передачей по закону 152-ФЗ. Модель выбирают с учетом этого: российская облачная модель с договором, обезличивание данных перед отправкой или открытая модель на серверах компании. Документы в виде сканов и PDF агент сверяет по реквизитам, как мы описывали в статье про распознавание документов.

Заключение

ИИ в логистике дает результат там, где много однотипной работы и есть история для обучения и проверки: в маршрутах, на складе, в заявках и документах. Маршрутизацию и мониторинг выгоднее взять готовыми, а для заявок, документов и вопросов клиентов собрать ИИ-агента под свои системы. Начинайте с одного процесса, считайте эффект от часов и километров и оставляйте важные решения за логистом.

Частые вопросы

Что такое ИИ в логистике?

Это программы на основе машинного обучения, компьютерного зрения и языковых моделей, которые берут на себя часть работы логистов и складских сотрудников: строят маршруты, прогнозируют спрос, проверяют товар по камерам, разбирают заявки и документы.

Как применяют ИИ в транспортной логистике?

Для планирования маршрутов с учетом пробок и окон доставки, подбора обратных загрузок, мониторинга машин и автоматической обработки заявок и транспортных документов. По данным Яндекс Маршрутизации, ее клиенты за два года сократили пробег на 21%.

Как используют ИИ в складской логистике?

Для прогноза спроса и пополнения запасов и для контроля по камерам: подсчета коробок и паллет, поиска повреждений упаковки, проверки маркировки и занятости мест хранения.

Какие есть примеры применения ИИ в логистике в России?

СДЭК оптимизировал построение маршрутов курьеров на 15%, X5 получила около 5 млрд рублей дополнительной операционной прибыли от ИИ за 2025 год, платформа «Монополия» по внутренним тестам снизила порожний пробег на 14%.

Заменит ли ИИ логистов и диспетчеров?

Скорее изменит их работу. ИИ берет на себя рутину: перенос заявок, сверку документов, ответы на типовые вопросы, построение маршрутов. Решения в нестандартных ситуациях и общение с клиентами и перевозчиками остаются за людьми.

Что такое ИИ-агент для логистики?

Это программа на основе языковой модели, которая получает задачу обычными словами и выполняет ее в системах компании: разбирает заявку из письма, создает черновик в TMS или 1С, сверяет счет перевозчика с накладной и передает важные действия на подтверждение логисту.

Сколько стоит внедрение ИИ в логистике?

Маршрутизация продается по подписке в зависимости от числа машин, для 1-2 курьеров есть бесплатный вариант. Разработка ИИ-агента под один процесс начинается от 150 тысяч рублей, языковая модель обходится в тысячи или десятки тысяч рублей в месяц в зависимости от потока.

Как ИИ работает с электронными транспортными накладными?

Данные из ЭТрН структурированы, поэтому ИИ-агент может автоматически сверять с ними счета и акты перевозчиков, находить расхождения в весе, адресах и суммах и готовить список вопросов до оплаты.

Нужны ли большие данные, чтобы внедрить ИИ в логистике?

Для прогнозов спроса обычно нужна история продаж и отгрузок за несколько сезонов. ИИ-агенту для заявок и документов больших данных не требуется: он работает на готовой языковой модели, а для проверки хватает 50-100 примеров из прошлых месяцев.

Можно ли сделать ИИ-агента для логистики под процессы своей компании?

Да. Мы в Unistory начинаем с бесплатной диагностики на 30-60 минут, считаем эффект и собираем прототип на ваших данных до договора, затем запускаем агента на одном процессе. Unistory - технологический партнер Yandex AI Studio и участник АЛРИИ. Похожий подход к работе с данными компании мы использовали в чат-боте для инженеров по ремонту банкоматов: его запустили за месяц, нагрузка на операторов колл-центра снизилась на 80%. Этапы работы описаны на странице внедрения ИИ в бизнес.