Сеть работала в 1С:TMS (Transportation Management System — система управления перевозками) и 1С:WMS (Warehouse Management System — система управления складом): заявки от точек, рейсы, листы доставки, остатки на складе и тарифы жили в системе, машины выходили по плану. Но сам план рейсов каждый день собирался вручную: диспетчер сводил заявки из почты и мессенджеров, прикидывал загрузку по тоннажу, сверял окна приёмки по таблице и правил листы по ходу дня, когда машина задерживалась на погрузке или точка меняла время. Система хранила результат, а не помогала его собрать.
Профиль компании в разборе
Кто в разборе
Сеть общепита с собственным производством: кухня-фабрика и распределительный центр в одном городе, ещё два склада в регионах и 90 точек в шести городах — от небольших кафе до точек в торговых центрах.
- Роль: сеть точек с централизованным снабжением, собственный и наёмный транспорт, доставка продуктов и полуфабрикатов по графику
- Штат: около 460 человек, из них 34 на производстве и складах, 11 в логистике (3 диспетчера, 2 технолога по хранению, остальные — транспортный участок), 6 в ИТ
- Город: Екатеринбург, склады в Свердловской и Челябинской областях, точки в шести городах Урала
- Системы: 1С:TMS (система управления перевозками), 1С:WMS (управление складом), 1С:ERP (Enterprise Resource Planning — управление ресурсами предприятия: закупки, производство, финансы), почта и мессенджеры для заявок от точек
- Что ведём: ИИ-агент поверх контура перевозок — сборка плана рейсов между складом и точками, контроль окон приёмки, пересборка при сбое, журнал отклонений
Такая картина типична для сети: система есть, данные в ней есть, а маршрут держится на человеке, который помнит, какая точка принимает до одиннадцати, где узкий двор и сколько реально длится разгрузка. По данным Strategy Partners, в России 29% компаний в отрасли транспорта и логистики планируют использовать ИИ в ближайшие два-три года, при этом генеративный ИИ уже внедряют 6% компаний отрасли. То есть автоматизация перевозок перестала быть вопросом «надо ли» — вопрос в том, какой участок забирать первым.
Ориентир по масштабу эффекта тоже есть. По данным сервиса «Яндекс Маршрутизация», который строит маршруты для более чем 600 компаний, у сети «Аскона» доля доставок в несогласованное время снизилась с 3,6% до 2,5%, у сервиса автонянь KidsWay трудозатраты логистов упали на 30%, а построение маршрутов занимает до 15 минут вместо часов ручной работы. Это данные вендора, а не независимый замер рынка, но они показывают, где именно возникает эффект: не в скорости одной операции, а в исчезновении ежедневной ручной пересборки.
Коротко
ИИ-агент в маршрутизации не заменяет систему управления перевозками и не крутит руль. Он читает заявки, окна приёмки, остатки и данные о машинах, собирает план рейсов между складом и точками, показывает рейсы, которые не успевают в окно, и пересобирает план, когда что-то сорвалось. Решение, выпуск рейса и разговор с точкой остаются человеку. Бесплатный разбор стратегии внедрения ИИ в компанию показывает, с какого участка начинать.
Содержание
- Почему план рейсов расходится с реальностью
- Что съедает время между заявкой и выездом машины
- Что делает ИИ-агент поверх системы управления перевозками
- Какие риски это снимает
- Сколько часов это возвращает
- Что остаётся за человеком
- Как это выглядит на практике
- Как внедрить поэтапно
- Источники
Почему план рейсов расходится с реальностью
Маршрут в сети точек — это не «из точки А в точку Б». Это решение, которое каждое утро принимается заново: какие заявки едут вместе, на какой машине, в каком порядке объезжать точки, с какого склада везти и что делать, если одна точка просит догрузку, а вторая закрылась на инвентаризацию. Всё это связано ограничениями: тоннаж и объём кузова, время погрузки на складе, часы приёмки на точке, время разгрузки, температурный режим для части товара.
Система управления перевозками хранит заявки и рейсы, но она не знает того, что происходит между строк:
- заявка пришла не в систему. Точка пишет в мессенджер, технолог звонит, кладовщик правит накладную на бумаге — в системе появляется уже итог, а не исходное изменение;
- объём изменился в последний момент. Поставщик не привёз партию, и вместо трёх паллет едет две; освободившееся место в машине можно занять, если кто-то это заметит до выезда;
- окно приёмки сдвинулось. Точка в торговом центре принимает до одиннадцати, а открывается в десять; если машина пришла в девять сорок, она стоит сорок минут, и следующий адрес уже не успевает;
- фактическое время разгрузки не совпадает с нормативом. В узком дворе разгрузка идёт дольше, чем в таблице, и это повторяется каждую неделю, но в план не попадает;
- сбой случился в пути. Машина сломалась или попала в перекрытие улиц, и диспетчер собирает новый рейс вручную, пока водитель ждёт.
Каждый пункт по отдельности выглядит мелочью. Вместе они дают то, что видно в конце месяца: план есть, а доля рейсов, пришедших в окно, ниже, чем считает руководство; перепробег есть, но объяснить его нечем; машины простаивают, и никто не может назвать причину.
Что съедает время между заявкой и выездом машины
Если разложить утро диспетчера на операции, картина становится предметной. В контуре из нашего профиля — три склада, 90 точек, около 520 рейсов в месяц, из них примерно 60 рейсов в месяц пересобираются по сбою.
- Сбор заявок. Свести сообщения из почты и мессенджеров, сверить с тем, что уже стоит в системе, отметить расхождения по объёму и срокам. Полтора-два часа каждое утро, и это только начало.
- Сверка загрузки. Прикинуть тоннаж и объём по машинам, понять, где недогруз, а где нужно резать заявку или ставить вторую машину. Считается в таблице, потому что система показывает заявки, но не предлагает уплотнение.
- Проверка окон. Пройти по точкам и сверить интервалы приёмки с расчётным временем прибытия. Ошибка здесь стоит не минут, а часа: одна точка, принятая не вовремя, ломает весь остаток маршрута.
- Выпуск плана. Оформить рейсы, распечатать или разослать листы, ответить на вопросы водителей и точек. Заметная часть — не работа, а объяснения.
- Пересборка при сбое. Поломка, пробка, отказ точки — нужно перекинуть заявки между рейсами, предупредить людей, пересчитать время. Вручную это 30–40 минут на один сбой при условии, что все данные под рукой.
- Отчёт о перевозках. К концу месяца собрать попадание в окна, перепробег и простои — вручную, выгрузками, потому что нужного разреза в системе нет.
Ни одна из этих операций не требует инженерного образования. Все они требуют внимания, а внимание к концу дня заканчивается. Отсюда и типичный сценарий: точка, у которой сдвинулось окно, узнаёт о проблеме от водителя у ворот, а не от диспетчера утром.
Что делает ИИ-агент поверх системы управления перевозками
ИИ-агент — программа, которая по заданному правилу сама читает документы и сообщения и выполняет шаги. В маршрутизации он не строит «идеальную геометрию» и не заменяет алгоритм системы: он собирает входные данные, проверяет ограничения и готовит вариант плана, который диспетчер подтверждает или правит.
Вот как выглядит его работа в контуре сети точек:
- Собирает заявки из всех каналов. Читает письма и сообщения точек, вытаскивает номенклатуру, количество, дату и требования по времени, сверяет с заявкой в системе. Расхождение показывается как карточка: что просили, что стоит в системе, чего не хватает.
- Проверяет загрузку до выпуска рейса. Сопоставляет объём и вес заявок с машинами, отмечает недогруз и перегруз, предлагает, какие заявки можно догрузить в освободившееся место, не ломая окна.
- Держит окна приёмки как ограничение. Считает время прибытия с учётом погрузки, дороги и разгрузки по фактическим замерам, а не по нормативу из таблицы. Рейсы, которые не успевают, попадают в отдельный список с причиной.
- Пересобирает план при сбое. Когда приходит сигнал о поломке, пробке или отказе точки, агент готовит варианты: какие заявки на какую машину перекинуть, кто из точек получает новое время, кого предупредить. Диспетчер выбирает вариант, а не собирает его с нуля.
- Предупреждает точку заранее. Готовит сообщение с новым интервалом и причиной, чтобы точка успела перестроить смену. Отправку подтверждает человек — но текст и адресат уже готовы.
- Считает отклонения по факту. После рейса сверяет план с фактом: во сколько приехали, сколько стояли, где был перепробег. Формирует отчёт по попаданию в окна и простоям без ручных выгрузок.
- Ведёт журнал. Что изменилось, кто подтвердил, чем закончилось. Через месяц по журналу видно, где именно теряется время: в погрузке, в дороге или в приёмке на точке.
Отдельно про границы. Агент не выпускает рейс, не назначает водителя, не меняет маршрут машины, которая уже в пути, и не переписывает тариф. Он работает с данными, которые уже есть в системе и вокруг неё, и показывает решение там, где человек его пока не видит. Это принципиальная разница между «ИИ управляет транспортом» и «ИИ собирает план, который человек утверждает»: во втором случае ошибка стоит исправленной карточки, а не сорванной смены в точке.
Какие риски это снимает
Разговор про эффективность обычно начинается с часов. Но в перевозках цена ошибки измеряется не часами, а срывом поставки. Поэтому сначала риски.
Срыв окна приёмки на точке
Точка не приняла машину вовремя — и дальше по цепочке идут три вещи: простой машины у ворот, сдвиг остальных адресов в маршруте и разговор с управляющим. Для общепита это ещё и смена, которая не получила продукты к открытию. Штраф за срыв окна прописан в договоре поставки, но дороже штрафа простой: одна машина, застрявшая на час, тянет за собой два-три следующих рейса.
Простой транспорта под погрузкой и разгрузкой
Машина стоит — деньги идут. В типовом расчёте ниже мы берём стоимость часа простоя 1 800 рублей: это не рыночная статистика, а входная величина модели, которую каждая компания подставляет свою. При 40 часах простоя в месяц это 72 000 рублей, которые не видны ни в одном отчёте, потому что нигде не помечены как потери.
Перепробег и расход топлива
Лишние километры — прямые деньги на топливо, износ и время водителя. По данным Strategy Partners, у Walmart оптимизация маршрутов на основе ИИ для доставки последней мили сократила пробег на 30 млн миль (48 млн км) — это зарубежный пример масштаба компании, но механика та же: перепробег возникает не из-за плохих дорог, а из-за того, что порядок объезда собирали вручную и под давлением времени.
Порча товара и нарушение температурного режима
Чем длиннее маршрут, тем дольше товар в машине. Для охлаждённой продукции и полуфабрикатов это прямое списание: партия, которая ехала лишние полтора часа по жаре, до точки доедет, а до продажи — нет. Здесь выигрыш от короткого и предсказуемого маршрута измеряется не минутами, а списаниями.
Спор с точкой или поставщиком без доказательной базы
Когда точка говорит «нам не привезли», а логистика отвечает «привезли», спор решается журналом: время выезда, время прибытия, кто принял, что подписано. Если журнал восстанавливается по памяти и переписке через две недели, спор почти проигран заранее — и компания платит, даже когда права.
Зависимость от одного диспетчера
План рейсов в среднем бизнесе часто держится на одном человеке, который помнит особенности всех дворов и все исключения из правил. Его отпуск в сезон — риск не меньше штрафа за срыв окна. Агент фиксирует правило и историю отклонений, поэтому знание перестаёт быть личным навыком конкретного сотрудника.
Незамеченный недогруз и «ручные» рейсы в обход плана
Когда места в машине не хватает, появляется внеплановый рейс — и он стоит как полноценный, хотя мог быть догрузкой к соседнему. Агент показывает недогруз до выезда, и лишний рейс либо не появляется, либо появляется осознанно.
Сколько часов это возвращает
Часы — уже следствие. Сначала исчезает работа, которую нельзя было ускорить, потом появляется время на то, что требует квалификации. Ниже типовой расчёт для сети из 90 точек, трёх складов и 520 рейсов в месяц, при стоимости часа специалиста логистики 900 рублей.
| Показатель | Вручную | С агентом |
|---|---|---|
| Сбор и сверка заявок от точек | 44 ч | 18 ч |
| Сверка загрузки и уплотнение рейсов | 26 ч | 10 ч |
| Проверка окон приёмки и предупреждение точек | 38 ч | 14 ч |
| Пересборка плана при сбоях (60 в месяц) | 35 ч | 12 ч |
| Выпуск плана, листы, объяснения | 30 ч | 18 ч |
| Отчёт по отклонениям и простоям | 22 ч | 8 ч |
| Итого в месяц | 195 ч | 80 ч |
Арифметика простая: 195 часов против 80 — 115 часов в месяц. При 900 рублях за час это около 103 500 рублей в месяц, на трёх складах — порядка 310 000 рублей. Отдельно считается простой транспорта, который в эту таблицу не входит: 40 часов простоя в месяц при 1 800 рублях за час — это ещё 72 000 рублей, и здесь эффект зависит от того, насколько быстро сбой превращается в новый план.
Что стоит за строками, если разбирать по операциям. Сбор заявок: 44 часа против 18 — потому что сообщения и письма читаются в одном месте и сразу сверяются с системой, а не переносятся руками. Сверка загрузки: 26 против 10 — недогруз виден до выпуска рейса. Окна приёмки: 38 против 14 — проверка идёт по всем рейсам, а не выборочно, и предупреждение точке готовится автоматически. Пересборка: 35 против 12 — диспетчер выбирает из готовых вариантов, а не собирает их с нуля. Отчётность: 22 против 8 — разрез по отклонениям появляется из журнала.
Проверить оценку можно на своих числах: сколько рейсов в месяц, сколько времени уходит на сборку одного рейса, сколько сбоев и сколько стоит час диспетчера и час простоя машины. Если рейсов вдвое меньше, экономия будет около 55 часов; если складов пять вместо трёх — расчёт масштабируется почти линейно, потому что каждый склад добавляет одну и ту же операцию сборки.
Есть и внешний ориентир по масштабу. В исследовании, опубликованном в Scientific Reports в 2025 году (Liu, Wang), модель динамической маршрутизации на симуляции городской доставки — 47 клиентов, 4 машины — дала снижение операционных затрат на 24,3%, рост доли доставок в срок с 68,1% до 92,8% и сокращение времени в загруженных участках на 54,4%. Это эксперимент на модели, а не замер на реальной сети, но порядок величин совпадает с нашей арифметикой: эффект даёт не ускорение отдельной операции, а исчезновение ручной пересборки.
Что остаётся за человеком
Границы прописываются до старта, отдельным списком. В перевозках они жёстче, чем в большинстве процессов, потому что решения двигают машины и людей.
- Выпуск рейса. План, собранный агентом, утверждает диспетчер. До первого месяца — целиком, дальше — по исключениям.
- Изменение маршрута машины в пути. Агент предлагает вариант и предупреждает точку, но команду водителю даёт человек.
- Выбор между деньгами и сервисом. Догрузить чужую заявку и опоздать на десять минут или отправить вторую машину — это управленческое решение, а не настройка.
- Разговор с точкой о срыве. Любая коммуникация, где нужна позиция компании, остаётся на человеке. Агент даёт факты и готовый текст.
- Тарифы и договоры с перевозчиками. Расчёт стоимости, выбор подрядчика, условия — за логистикой.
- Оценка нестандартной ситуации. Новый адрес, необычный груз, перекрытие улиц на месяц — здесь агент может подготовить подборку, но не решение.
Как это выглядит на практике
В нашей практике ближе всего к этому контуру — работа с сетью общепита: сеть точек, распределение потоков между кухней-фабрикой, складом и точками, операционный директор на связи. Формат был платный индивидуальный старт: разбор того, как устроено снабжение точек, где план расходится с фактом и какой участок забирать первым.
Отдельного проекта именно по маршрутизации в этой сети у нас пока не было, и это важно сказать прямо: измеренных показателей «до и после» по этому контуру мы не приводим, потому что их нет. Что подтверждается фактурой — последовательность работы: сначала один участок и одна сеть маршрутов, потом окна и пересборка, потом отчётность. В проектах такого рода мы всегда начинаем с того места, где ошибка стоит дороже всего, и только после устойчивой работы добавляем следующий участок.
Есть и содержательная причина начинать со сборки заявок, а не с алгоритма объезда. Алгоритм — производная: если заявки, объёмы и окна в системе верны, маршрут сходится сам. Если неверны, любая оптимизация считает правильный ответ на неправильные данные. Как устроена эта логика в городской доставке клиентам, разобрано отдельно в материале маршрутизация доставки: ИИ в системе управления перевозками: там про последнюю милю и опоздания рейсов, здесь — про потоки между складом и точками. Рядом по смыслу — ИИ в логистике: склад и доставка и умная логистика: склад, приёмка и прогноз спроса.
Как внедрить поэтапно
- Выбрать один склад и один маршрут. Не «вся сеть», а распределительный центр и направления до точек одного города. Участок выбирается по стоимости срыва, а не по простоте.
- Описать правило сборки. Какие заявки можно объединять, что считается недогрузом, какие окна жёсткие, а какие допускают сдвиг. Правило согласуется с логистикой и фиксируется письменно.
- Подключить чтение. Доступ к системе и к почте — только на чтение, под отдельным пользователем, с ограничением по складам. Проверить, что агент видит ровно то, что должен.
- Прогнать на закрытом месяце. Взять прошедший месяц и сравнить план агента с тем, что собрал диспетчер, и с фактом. Расхождения разбираются как ошибки правила, а не как ошибки людей.
- Включить окна и пересборку. После того как сборка стала устойчивой: агент проверяет окна по всем рейсам и готовит варианты пересборки. Первые две недели каждый вариант подтверждается человеком.
- Добавить остальные склады и журнал. Журнал отклонений — то, что делает работу проверяемой и переносится на следующий склад без переизобретения правил.
Как это связано со складской стороной, видно по материалу 1С:WMS: управление складом и что автоматизирует ИИ-агент, а с мониторингом транспорта — по разбору АвтоГРАФ: заказы, отгрузка и склад с ИИ-агентом. Общий порядок запуска агента в контуре компании описан в статье внедрение ИИ-агентов от аудита до сопровождения.
Частые вопросы
Система строит маршрут по заложенному алгоритму и по тем данным, которые в неё внесли. Агент работает с тем, что в систему не попадает или попадает с опозданием: письма от точек, изменения объёмов, отказы поставщиков, фактические простои под погрузкой, история прошлых срывов. Он сверяет заявку с фактом, находит расхождение и предлагает пересобрать рейс до выезда машины, а не после. Алгоритм отвечает на вопрос «как проехать», агент — на вопрос «что изменилось и что с этим делать сейчас».
Нет. Контур остаётся: заявки, рейсы, листы, тарифы живут там же. Агент читает данные из системы и из почты, а результат возвращает в систему — пометкой в заявке, черновиком рейса, задачей диспетчеру, списком замечаний. На первом этапе достаточно доступа на чтение под отдельным пользователем и одного участка: например, приёмки заявок от точек.
Он держит окна как ограничение, а не как пожелание: проверяет, что рейс физически успевает в интервал с учётом времени погрузки, дороги и разгрузки, и показывает те рейсы, где окно не сходится. Если точка поменяла часы приёмки или закрылась на инвентаризацию, агент видит это в переписке и предупреждает до выезда машины, а не когда водитель уже стоит у ворот.
Нет. Он готовит вариант плана, отмечает риски и собирает обоснование, но выпуск рейса, назначение водителя, изменение маршрута в пути и любые действия, которые двигают машину и деньги, подтверждает человек. Отправка задания водителю и правка тарифа агенту запрещены отдельным списком до старта. Первые недели весь план проходит через диспетчера целиком.
Обычно от четырёх до восьми недель на первый участок — как правило, это сборка рейсов по одному распределительному центру и один маршрут доставки в точки. Дальше по одному добавляются окна приёмки, пересборка при сбоях и отчёт по отклонениям. Запуск идёт параллельно с обычной работой, останавливать отгрузки не нужно.
Считаем не впечатления, а три величины до и после на одном и том же участке: доля рейсов, пришедших в окно, часы на сборку и пересборку плана, число ручных правок плана после выпуска. Эти величины есть в системе и не зависят от того, что говорят люди. Если доля попаданий в окно не выросла за месяц, участок считается неудачным и правило переписывается.
Смотрим контур: сколько складов и точек, в какой системе живут рейсы, кто собирает план, откуда приходят заявки и где план расходится с фактом. Называем три участка, которые дадут больше всего высвобожденных часов, и показываем, что забирает агент, а что остаётся человеку. Разбор бесплатный и обязательств не создаёт.
Что в итоге
Маршрутизация остаётся там, где была: в системе управления перевозками, в заявках и листах доставки. Меняется другое — между заявкой и выездом машины появляется слой, который читает сообщения точек, сверяет объёмы, проверяет окна приёмки и собирает вариант плана; а когда что-то сорвалось — готовит варианты пересборки, а не заставляет диспетчера собирать их с нуля. Риски снимаются первыми: точка получает предупреждение до приезда машины, простой не превращается в сорванную смену, перепробег виден в отчёте, спор с точкой опирается на журнал, а отпуск диспетчера перестаёт быть риском для всей сети. Часы и деньги идут следом — около 115 часов и 103 500 рублей в месяц на одном контуре в типовом расчёте, порядка 310 000 рублей на трёх складах.
Источники
- Опрос Strategy Partners: в России 29% компаний отрасли транспорта и логистики планируют использовать ИИ (без генеративного) в ближайшие 2–3 года, 6% уже внедряют генеративный ИИ и ещё 16% планируют; там же примеры — «СДЭК» оптимизировал построение маршрутов курьеров до 15% с помощью ИИ, Walmart сократил пробег на 30 млн миль (48 млн км); мировой рынок ИИ в логистике 12 млрд долларов в 2023 году с прогнозом 549 млрд к 2033 году (январь 2025): Strategy Partners, «Технологические тренды в логистике»
- Опыт более 600 компаний в «Яндекс Маршрутизации» и кейсы: «Аскона» снизила долю доставок в несогласованное время с 3,6% до 2,5%, у KidsWay трудозатраты логистов сократились на 30%, построение маршрутов занимает до 15 минут, мебельная компания «Мария» отказалась от наёмного транспорта, составлявшего до 40% парка (данные вендора, 9 сентября 2026): Яндекс Маршрутизация, разбор параметров оптимизации маршрутов
- Совокупный экономический эффект от ИИ-решений X5 по итогам 2025 года — около 5 млрд рублей дополнительной операционной прибыли; ИИ применяется в том числе в логистике, основной вклад дали модели прогнозирования спроса и пополнения (пресс-релиз, 1 июня 2026): x5.ru
- Модель динамической маршрутизации для городской доставки (Liu, Wang, Scientific Reports, 2025): снижение операционных затрат на 24,3%, рост доли доставок в срок с 68,1% до 92,8%, сокращение времени в загруженных участках на 54,4% на симуляции с 47 клиентами и 4 машинами; обработка 27,4 сбоя на сценарий с разрешением 94,2%: nature.com
- Описание отраслевого решения «1С:Предприятие 8. TMS Логистика. Управление перевозками» — планирование сборных, комплектных и мультимодальных перевозок и доставки последней мили (материалы вендора): solutions.1c.ru