Как компании используют искусственный интеллект для планирования маршрутов, управления запасами и складских операций. Кейсы логистики в торговле, промышленности и перевозках с задачами, решениями и результатами.
Кейсов внедрения: 146.
На элеваторе внедрена система компьютерного зрения и видеоаналитики, контролирующая цикл от въезда автомобиля до контрольного взвешивания пустого кузова; система распознаёт номера, контролирует наполненность кузова, выход водителя, соблюдение регламента и отбор проб роботизированной рукой.
Система минимизирует случаи неполной выгрузки и уведомляет сотрудников об отклонениях в реальном времени; измеренный эффект не раскрыт.
ML-модели применяются для прогнозирования спроса и планирования запасов.
Повысилась точность планирования и сократились избыточные остатки; значения не раскрыты.
Машинное зрение оценивает овощи и фрукты при удалённой приёмке распределительного центра.
Оценки системы совпадают с оценкой инспекторов более чем в 90% случаев.
Алгоритмы анализируют ассортимент и доступность товаров, направляют в терминалы сбора данных приоритетные сигналы о недоступных товарах и помогают сотрудникам быстро устранять проблемы.
Сокращение трудозатрат сотрудников при устранении проблем с доступностью товаров.
ИИ-диспетчер испытывается в диспетчеризации железнодорожных составов.
На испытаниях простой транзитного вагона снижается на 20%.
ИИ используется для прогнозирования грузопотока.
Заявлена точность прогноза до 98%.
Система управления запасами нормализует справочники и рекомендует альтернативы из имеющихся сверхнормативных остатков, чтобы предотвращать дублирующие закупки.
Спикер оценивает чистый финансовый эффект внедрения не менее чем в 10 млн долларов экономии в год.
Перевозчик эксплуатирует более 100 автономных тягачей на трассах М-11, М-12 и ЦКАД.
Совокупный пробег превысил 19 млн км. Заявлено снижение операционных расходов на 15–20% на маршрутах длиннее 700 км.
Система «Умный пекарь» с помощью камер считает выпечку и пустые места на витрине, а ИИ прогнозирует спрос.
За год количество магазинов с системой выросло в десять раз.
Компании выполняют коммерческие перевозки грузов на беспилотных тягачах по трассе М-11.
Маршрут 684 км пройден за 9,5 часа без остановок; экономия топлива около литра на 100 км, тариф на 10% ниже рынка.
Система строит маршруты с учётом временных окон, пробок, грузоподъёмности и совместимости грузов.
Цикл маршрутизации сократился с двух часов до пяти минут.
ИИ-агент отвечает логистам на вопросы о выгрузке вагонов и выполнении плана через семантический слой и конструктор параметризованных запросов.
Сводка по 150 объектам собирается за минуты вместо часа.
Видеоаналитика распознаёт трамваи и предоставляет им приоритет на светофорах; данные светофоров передаются навигационным сервисам.
К концу 2024 года к интеллектуальной системе подключено 70% светофоров Москвы; заявлено ускорение трамваев до 20%, зелёная волна действует на 110 улицах.
В онлайн-дискаунтере ИИ используется для управления ценами, ассортиментом и списаниями.
Управляющая команда насчитывает 25 человек вместо не менее 150 по оценке основателя; цены заявлены на 20–30% ниже рынка.
Камеры отслеживают скопления пассажиров. При обнаружении очереди система уведомляет региональный центр управления, а перевозчик выводит дополнительный автобус или более вместительную машину.
Задействовано 649 камер, проанализировано 662 остановки. Заявленная точность подсчёта пассажиров и выявления скоплений — 95%.
ИИ-система управления парковкой показывает занятость машиномест в реальном времени.
В терминале C время поиска места сократилось на 35%; в терминале B система охватила более 800 машиномест.
Ассистент обучен на внутренних данных, ведёт онбординг, добавляет и ищет грузы и транспорт, выставляет счета и оформляет закрывающие документы.
68% ежедневных обращений являются типовыми; заявлены ожидаемые ответ за две-три секунды и снижение нагрузки на поддержку на 40%.
Система прогнозирует спрос и оптимизирует запасы сети супермаркетов.
Товарные запасы снижены более чем на 20% без потери продаж.
ML прогнозирует спрос и формирует автозаказ для 161 магазина.
95% заказов формируются автоматически, наличие ассортимента составляет 97–98%, списания снизились на 10–15%.
Алгоритмы формируют маршруты, а цифровая модель моделирует автомобильные, железнодорожные и авиационные перевозки.
Более двух третей маршрутов формируется алгоритмами; сроки доставки сократились на 23%.
Яндекс начал тестировать беспилотные грузоперевозки по трассе М-4 «Дон»; на первом этапе автономные грузовики доставляют заказы Яндекс.Маркета из Москвы в Тулу.
Заказы Яндекс.Маркета доставляются в рамках пилотных дневных рейсов беспилотных грузовиков.
ИИ управляет разгоном, торможением, дверями и соблюдением графика, а лидарная система машинного зрения распознаёт препятствия на пути.
За шесть месяцев экспериментальный состав прошёл более 4 тысяч км; вмешательство машиниста в автоматику не потребовалось.
Платформа RDetector используется для подсчёта пассажиропотока, контроля заполненности транспорта, мониторинга выпуска автопарка, расчёта пассажиро-километров и выручки, а также анализа пробега и расхода топлива. В обновлении 2026 года добавлены интеграции с GPS, ГЛОНАСС и региональными транспортными системами; обработка может выполняться на сервере или бортовом оборудовании.
Система позволяет видеть перегруженные участки и перераспределять транспорт, контролировать маршруты, выручку и топливные расходы, исключать ручное заполнение отчётности и снижать риск штрафов. По статистике Nord Clan, выручка подключённых автопарков может увеличиваться в среднем до 3000 рублей с автобуса за смену, а при отсутствии прежней системы контроля — до 300%; заявленная точность подсчёта превышает 98%.
Роботы самостоятельно перемещаются между аптекой, лабораториями, процедурными кабинетами и палатами по выбранным повторяющимся маршрутам.
За три месяца шесть роботов выполнили свыше 4500 доставок, прошли более 2000 км, перевезли более двух тонн грузов и высвободили 3000 часов работы медиков.
Цифровая модель станции использует ИИ для обработки результатов диагностики дефектов пути и управления грузопотоком. Основные модули проходят завершающий этап внедрения на станции Челябинск-Главный.
Пилот находится на завершающем этапе внедрения. Измеримый эффект не раскрыт.
Компания испытывает автономное управление кроссовером Kaiyi X7 с компьютерным управлением рулём, газом и тормозами.
Испытания проходят в девяти районах Москвы.
Новый алгоритм нейросетевой генерации траектории развёрнут на доставочных роверах «Яндекса» в российских городах.
Алгоритм работает примерно на 1 000 роверов.
Роботакси с собственной ИИ-системой автономного управления перевозит сотрудников между офисами; заказ и оплата выполняются через «Яндекс Go».
Регулярный маршрут обслуживают несколько роботакси с водителем-испытателем.
Новый модуль «Оптурана» с помощью машинного обучения и дискретной оптимизации одним расчётом формирует расписание движения, выходы транспортных средств на линию и смены водителей с учётом транспортных и трудовых ограничений.
В течение двухнедельной практической проверки транспорт выходил по сформированному расписанию без потерь рейсов и жалоб водителей. Отдельный расчёт для девяти маршрутов показал потенциальное сокращение фонда оплаты труда на 5,2%, или 13,4 млн рублей в год, и возможность высвободить два автобуса.
ИИ прогнозирует спрос на лекарства с учётом сезонности и эпидемиологической ситуации, после чего производителям формируются автоматические заказы.
Заявлено снижение дефицита ключевых позиций на 40%.