Внедрение искусственного интеллекта в логистике

Роберт Васильев, Директор и основатель Концерна ИИ технологий Z-union,

Сооснователь & Замруководителя Ассоциации лабораторий по развитию

искусственного интеллекта (АЛРИИ), Замруководителя Исследовательского

Центра ИИ МИФИ.

В своем выступлении осветил текущее состояние и перспективы внедрения искусственного интеллекта (ИИ) в российском транспортно-логистическом секторе, представив данные, кейсы из практики и концепцию создания цифровых помощников на основе больших языковых моделей.

Ключевые моменты:

Тренды рынка: Рынок внедрения ИИ в логистике растет на 25-30% в год. ИИ входит в топ-3 самых востребованных технологий по внедрению в различных отраслях.

Использование ИИ в российской транспортной отрасли: Около 28% компаний используют ИИ на системном уровне, более 80% внедряют точечные решения.

Технологии внедрения: Наиболее активно используются технологии машинного зрения, также наблюдается рост использования генеративных методов.

Концепция цифрового двойника: Формирование цифровых двойников процессов на базе корпоративных знаний, данных (баз знаний, переписок, документов, аудио- и видеозаписей, систем видеоаналитики). На основе этой информации создаются корпоративные ассистенты.

Роль больших языковых моделей (LLM): LLM являются важным компонентом, но составляют лишь 5% успеха. Эффективны в мультимодальном формате.

Кейсы из практики:

1. Кейс для компании-поставщика электронных компонентов:

Задача: Автоматизация процесса подбора компонентов для поставки.

Решение: Разработан комплекс из пяти агентов, анализирующих каталог продукции, знания об электронных компонентах, информацию о предыдущих поставках и запросах.

Результат: Сокращение времени подбора компонентов с нескольких часов до 90 секунд, снижение количества встреч перед заключением сделки на 25%.

2. Оптимизация складских запасов и прогнозирование спроса:

Задача: Оптимизация складских запасов на основе данных о продажах и внешних факторах.

Решение: Использование моделей временных рядов для прогнозирования спроса, формирование управленческих рекомендаций на основе информации от ИИ.

Результат: Предоставление четких управленческих рекомендаций по управлению запасами.

3. Анализ логистических операций на объекте критической инфраструктуры с применением видеоаналитики:

Задача: Автоматизация контроля за въездом/выездом транспорта и соответствием перевозимых грузов документации.

Решение: Использование Vision Large Model для описания содержимого кузова автомобиля на естественном языке, сопоставление с данными из информационной системы.

Результат: Автоматический анализ регламентных процедур, формирование отчета для директора по безопасности.

Выводы:

Важно создавать отделы, использующие комбинацию ИИ ассистентов для оптимизации процессов. Цифровые помощники позволяют автоматизировать процессы, сокращать время принятия решений, повышать эффективность работы и обеспечивают более точный анализ данных.

V Ежегодная конференция "Цифровизация транспорта-25".

Организатор: центр конференций “Сегодня”.