Я строю операционные системы для компаний реального сектора - стройка, производство, дистрибуция. С августа 2026 веду сквозную цифровизацию производителя технических газов: коммерция, производство, качество, логистика. В этом контуре живет ИИ - не как чат-бот сбоку, а внутри ежедневных рабочих процессов. Это история про первый очный матч ИИ и живого логиста.
Исходные условия: не учебная задача
Распределенная доставка: баллоны, моноблоки, жидкость. Около 90 заказов в рабочий день, десятки машин разных типов, три филиала. Ограничения настоящие: моноблоки возят тягачи, жидкость - бочки, у части клиентов пропускной режим, у некоторых - «только ГАЗон проедет». Плюс свободные комментарии в заказах: «привезти до обеда», «позвонить за час», «без попутного груза».
Расстановку машин по заявкам каждый день делает логист - руками, по опыту. Опыт настоящий, но у ручной расстановки есть предел: человек не перебирает тысячи комбинаций, он берет первую рабочую.
Как устроен ИИ-контур
- Языковая модель разбирает свободные комментарии заказов в структурные поля: окна доставки, обеды, пропуска, запреты попутного груза. Стоимость - доли цента за комментарий, порядка трех долларов в месяц на весь поток.
- Решатель маршрутов строит расстановку: реальная дорожная сеть, типы машин, допуски водителей, окна клиентов - все ограничения, которые раньше жили в голове логиста.
- Теневой режим: ИИ строит свой план дня параллельно с логистом, вечером - автоматический разбор расхождений.
Ключевое слово - контур. ИИ здесь не отдельная игрушка, а узел операционной системы: он читает те же данные, что и люди (заказы, машины, допуски), и его результат ложится в тот же интерфейс, где работает логист.
Первый разбор дня
Взяли один реальный день доставки и разобрали его дважды. Логист поставил 28 рейсов на 18 машинах, суммарный пробег 4 121 км. Решатель на тех же заявках собрал 10 рейсов на 10 машинах с пробегом 3 278 км - и одну заявку честно пометил как невыполнимую имеющимся парком.
После разбора с логистами решатель доучили: жидкость - только бочкам, моноблоки - тягачам, рейсы за сырьем - отдельно. Каждое возражение практиков превращается в ограничение модели. Так ИИ набирает тот самый «опыт логиста» - только проверяемый и не увольняющийся.
Почему решает человек
Принцип, на котором я настоял с первого дня: ИИ советует - решение принимает человек. Расстановка ИИ живет рядом с расстановкой логиста как «сравнить с ИИ», а не вместо нее. Заказы на режимные объекты система только подсвечивает - назначение туда всегда за человеком.
Причина не в недоверии к моделям. Причина в ответственности: за сорванную доставку отвечает не алгоритм. Пока ИИ не прожил с компанией год сезонности, его правильное место - второй пилот, который каждый вечер показывает, где можно было лучше. Люди при этом учатся у него так же, как он у них.
Что из этого переносимо в любой бизнес реального сектора
- ИИ окупается там, где есть поток однотипных решений и оцифрованные данные - не там, где красивый чат-бот
- Начинать с теневого режима: ИИ против текущей практики, разбор расхождений, доучивание
- Стоимость языковых моделей в операционке - доллары в месяц, а не миллионы на внедрение
Это и есть разница между «внедрением ИИ» из презентаций и ИИ в операционном контуре. Первое продается на конференциях. Второе каждый вечер показывает логисту, где потерялся километраж - и постепенно забирает рутину, оставляя людям решения.