В небольшой транспортной компании логистика обычно держится на одном человеке. Диспетчер с утра до вечера принимает звонки, переписывается с водителями, перебивает адреса из WhatsApp в таблицу и объясняет клиентам, «где машина». Пока заказов пять в день, это работает. Когда их становится тридцать, диспетчер начинает ошибаться, клиенты — звонить чаще, а собственник — думать о втором диспетчере. Нанять второго человека дешевле, чем кажется, но проблему он не решает: ручная работа масштабируется только вместе с хаосом.
Разберём, что в логистике малого бизнеса реально берёт на себя ИИ в 2026 году, в какой последовательности это внедрять и где автоматизация упирается в ограничения.
Три точки, где теряются деньги
Прежде чем говорить об инструментах, полезно понять, за что именно платит бизнес, когда логистика ведётся вручную.
- Пустые километры. Маршрут составляется «по памяти», машины пересекаются, одна точка объезжается дважды. Для службы доставки с пятью машинами это десятки лишних километров в день.
- Звонки «где мой заказ». Каждый такой звонок — две-три минуты диспетчера и раздражённый клиент. Если заказов 50 в день, а звонит каждый третий, это полтора часа чистого времени на вопросы, ответы на которые уже есть в системе.
- Ошибки ввода. Адрес записан со слуха, телефон перепутан, вес груза не указан. Каждая ошибка — повторный выезд или претензия.
ИИ закрывает все три точки, но разными инструментами. Важно не смешивать их в одном проекте.
Маршруты: где нужен ИИ, а где хватит геосервиса
Распространённое заблуждение — что построение маршрутов требует «умной нейросети». На практике задача оптимизации маршрута по 20–40 точкам решается классическими алгоритмами и API геосервисов. Языковая модель здесь не нужна и даже вредна: она плохо считает расстояния и может «придумать» дорогу.
Где ИИ действительно полезен в маршрутизации:
- Разбор входящих данных. Клиент пишет в Telegram: «Забрать с Руставели 12, подъезд со двора, после трёх, вес около 200 кг, хрупкое». Модель превращает это в структурированную заявку: адрес, окно времени, вес, особые условия. Диспетчер не перебивает текст руками.
- Перестроение на ходу. Водитель сообщает голосом: «Точка 7 не принимает, перезвонят после пяти». Агент распознаёт речь, переносит точку в конец маршрута, пересчитывает порядок через геосервис и отправляет водителю обновлённый список.
- Проверка на здравый смысл. Модель замечает, что в заявке на утро указан адрес в другом городе или что окно доставки уже прошло, и спрашивает подтверждение у диспетчера.
Схема получается такой: ИИ отвечает за понимание и общение, геосервис — за расчёт, а правила бизнеса (приоритет клиентов, грузоподъёмность машин) зашиты в обычную логику. Это дешевле и надёжнее, чем просить модель «спланируй день».
Статусы: клиент узнаёт о доставке до того, как спросит
Самый быстрый эффект от автоматизации в логистике даёт не маршрутизация, а проактивные уведомления. Логика простая: если клиент получил сообщение «водитель выехал, прибудет ориентировочно в 14:20–14:50» — он не звонит.
Для этого нужны три вещи: источник статусов, канал связи и правила отправки.
Источник статусов
Самый надёжный источник — сам водитель. Не отчёт в конце дня, а короткое действие в Telegram-боте: нажал «выехал», нажал «доставил», сфотографировал накладную. Бот фиксирует время и геопозицию. Если у компании есть GPS-трекеры, статус «рядом с точкой» можно ставить автоматически по координатам.
Канал связи
В СНГ и Грузии это, как правило, Telegram или WhatsApp, в Европе — WhatsApp и SMS. Подробнее о выборе канала мы писали в статье Telegram или WhatsApp: где строить бота для вашего рынка.
Правила отправки
Здесь легко переборщить. Клиенту не нужно десять сообщений на один заказ. Рабочий минимум: подтверждение заявки, «выехал» с ориентировочным окном, «доставлено» с фото или подписью. Если доставка задерживается более чем на заданный порог — отдельное сообщение с новым временем и извинением. Это обычная автоматизация без ИИ, собирается в n8n или Make за несколько дней.
Общение с клиентами: агент на входящих
Когда уведомления работают, входящих обращений становится меньше, но они не исчезают. Клиенты уточняют стоимость, меняют адрес, спрашивают про габариты, жалуются. Здесь уже нужен AI-агент, который понимает запрос в свободной форме и имеет доступ к данным о заказах.
Типичные сценарии, которые агент закрывает без диспетчера:
- Расчёт ориентировочной стоимости по тарифной сетке: модель извлекает из сообщения город, вес и габариты, а цену считает код по таблице, не модель.
- Изменение адреса или времени, если заказ ещё не в пути. Агент проверяет статус, вносит изменение и уведомляет водителя.
- Ответы на вопросы «что можно перевозить», «как упаковать», «какие документы нужны» по базе знаний компании.
- Приём претензии: агент собирает фото, номер заказа, описание проблемы, создаёт задачу ответственному и обещает клиенту срок ответа.
Ключевое правило: агент не обещает того, чего не знает. Если клиент спрашивает «успеете до 18:00?», а окно доставки по маршруту 17:30–18:30, агент называет окно, а не говорит «да». Как настроить такие границы, мы разбирали в статье о галлюцинациях ИИ.
Документы: накладные, акты и сверка
Отдельный пласт рутины — бумаги. Водитель привозит стопку накладных с подписями, бухгалтер сверяет их с заявками, расхождения ищутся вручную. Модель с распознаванием изображений читает фото накладной, вытаскивает номер, дату, сумму, получателя и сопоставляет с заявкой в системе. Совпало — закрыли. Не совпало — задача человеку с указанием, что именно расходится.
Точность распознавания рукописных пометок не стопроцентная, поэтому в первые недели стоит проверять каждый документ, а затем — только те, где модель сомневается. Для компаний, работающих с 1С, этот сценарий обычно упирается в интеграцию с учётной системой, о её нюансах — в статье об интеграции ИИ с 1С.
Как выглядит типовое решение для компании на 3–10 машин
Мы в AiKrok обычно собираем такую схему из трёх блоков, запуская их по очереди:
- Бот для водителей в Telegram: список точек на день, кнопки статусов, фото документов. Данные ложатся в таблицу или простую базу. Запуск — первая неделя.
- Уведомления клиентам по событиям из первого блока. Плюс диспетчерская панель: кто где, что задерживается. Вторая неделя.
- AI-агент на входящих с доступом к заказам и тарифам, подключённый к тем же каналам. Ставится после того, как первые два блока дали чистые данные, иначе агенту нечего будет отвечать.
Если у компании уже есть CRM или учётная система, боты и агент работают поверх неё, а не вместо. Отдельная «логистическая платформа» малому бизнесу обычно не нужна.
Где это не сработает
Честные ограничения, о которых стоит знать до старта:
- Водители не нажимают кнопки. Если команда саботирует бота, статусов не будет, и вся цепочка уведомлений рассыпается. Решается не технологией, а тем, что бот экономит время самому водителю: не нужно звонить диспетчеру и отчитываться вечером.
- Нет единой базы заказов. Когда заявки живут в головах, блокнотах и трёх чатах, агенту неоткуда брать данные. Сначала одна таблица, потом ИИ.
- Сложная межгородская и международная логистика. Таможня, перегрузки, несколько перевозчиков — здесь ИИ помогает с документами и общением, но не заменяет логиста.
- Очень маленький объём. При 3–5 заказах в день автоматизация уведомлений окупится, а агент на входящих — вряд ли.
С чего начать
Начинать стоит не с ИИ, а с данных. Неделю фиксируйте, сколько звонков принимает диспетчер и о чём они. Обычно выясняется, что половина — вопросы о статусе, и это первая мишень для автоматизации. Параллельно заведите единый список заказов, если его нет.
Затем запустите бота для водителей и уведомления. Это самая дешёвая часть, и она сразу снимает нагрузку. AI-агента добавляйте третьим шагом, когда понятно, какие вопросы остались после уведомлений. Если хочется обсудить схему под вашу компанию, можно начать с бесплатной консультации: достаточно описать, сколько машин, какие каналы и где болит сильнее всего.