Нейросети для логиста: прогноз спроса, маршруты, документы перевозки и что нельзя отдавать ИИ
Логист использует языковую модель вроде ChatGPT, GigaChat или YandexGPT как помощника для текста и кода: она пишет запросы ставок перевозчикам, переносит данные из сканов накладных и актов в таблицу, сверяет их с заявкой, пишет формулы и скрипт для прогноза продаж, превращает список адресов с условиями доставки в задание для планировщика маршрутов. Сам прогноз, расчёт маршрута, выбор перевозчика и подпись в электронной транспортной накладной остаются за специализированными программами и человеком. Ниже — разделение задач, учебный пример, порядок освоения и границы, за которые ИИ лучше не пускать.
Содержание

Самая частая ошибка новичка — загрузить в чат продажи за год и попросить «прогноз на квартал». Модель ответит уверенно, но это будут правдоподобные числа, а не расчёт, который можно повторить. Рабочая схема обратная: нейросеть пишет и объясняет расчёт, который вы запускаете в Excel, Python или учётной системе, и помогает понять, почему прогноз разошёлся с фактом.
Что поручить нейросети, а что считать другими инструментами
Языковая модель сильна в чтении, переписке и переводе задачи на язык таблицы или кода, слаба в точном расчёте на больших данных и бесполезна для юридически значимых действий. Таблица показывает, как обычно делят работу.
| Задача | Что делает нейросеть | Чем считают и что проверяет логист |
|---|---|---|
| Прогноз спроса | Пишет формулы и код, объясняет ошибку прогноза, ищет выбросы | Расчёт в Excel, Python или 1С; сравнение с фактом |
| Маршруты | Собирает адреса, окна и ограничения в таблицу, отмечает пропуски | Планировщик маршрутов или решатель; километраж и время по карте |
| Документы перевозки | Извлекает поля из сканов и выгрузок, сверяет с заявкой | Расхождения по исходному документу, подпись — только человек |
| Переписка | Черновики запросов ставок, напоминаний, ответов клиенту | Цифры, сроки и обязательства в письме |
Где ошибка дорогая и незаметная — закупка партии по прогнозу, выбор нового перевозчика, расчёт претензии, — нейросеть только готовит материалы. Профессию логиста, склад и международные перевозки разбирают наши отдельные статьи; здесь речь о работе с ИИ.
Прогноз спроса: модель пишет расчёт, а не угадывает цифры
Для прогноза в логистике обычно хватает классических методов: скользящего среднего, экспоненциального сглаживания, учёта сезонности и акций. Нейросеть быстро пишет такую модель под ваши столбцы, объясняет коэффициенты и предлагает проверку на прошлом: построить прогноз на март по данным до февраля и сравнить с фактом.
Надеяться, что языковая модель сама по себе прогнозирует лучше, оснований мало. В работе Тана, Меррилла и соавторов «Are Language Models Actually Useful for Time Series Forecasting?» (NeurIPS 2024) взяли три метода прогнозирования, построенных на больших языковых моделях, и убрали из них языковую часть или заменили её простым слоем внимания. По полному тексту статьи, упрощённые варианты обошли Time-LLM в 26 случаях из 26, CALF — в 22 из 26, OneFitsAll — в 19 из 26. При этом у Time-LLM около 6,65 млрд параметров против 0,55 млн у версии без языковой модели, а время обучения и прогноза упрощение сокращает, по оценке авторов, вплоть до трёх порядков.
Оговорка: исследование проверяло специализированные модели на открытых данных об электропотреблении, трафике, погоде, а не чат-бот на продажах склада. Но практический вывод для логиста тот же: умение «понимать язык» не добавляет точности числовому ряду. Поэтому прогноз считает формула или статистическая модель, а нейросеть отвечает за код, проверку и объяснение результата руководителю.
Маршруты: условия формулирует ИИ, считает планировщик
Развозка с окнами доставки, грузоподъёмностью машин и временем работы водителя — комбинаторная задача. Её решают планировщики маршрутов, а языковая модель, раскладывая 30 точек в тексте, легко пропускает адрес или нарушает окно.
Время нейросеть экономит на подготовке данных. Клиенты пишут «после обеда», «с 9 до 13, кроме пятницы», «въезд только для газели». Модель переводит это в столбцы — адрес, начало и конец окна, ограничение по транспорту, вес, объём — и выписывает строки, где данных не хватает. Для решателя вроде OR-Tools она поможет написать код. Результат проверяют по карте: километраж, время на точках, соблюдение окон.
Документы перевозки: сверить можно, подписать — нет
Электронную транспортную накладную, ЭТрН, участники перевозки подписывают усиленной квалифицированной электронной подписью, каждый свою часть. Подписывая приём или выдачу груза, человек подтверждает факты, за которые отвечает компания, поэтому этот шаг нейросети не передают. Зато сверку перед подписью ИИ заметно ускоряет.
Типовая задача — сравнить накладную, акт приёмки и заявку клиента. Модель переносит в таблицу количество мест, вес брутто, номер пломбы, адреса, время прибытия и отметки о повреждениях с указанием, откуда взято каждое поле, а отдельным шагом ищет расхождения с заявкой. Распознавание ошибается на цифрах, особенно в рукописных отметках, поэтому каждое расхождение логист проверяет по исходнику.
Учебный пример: неделя логиста у дистрибьютора
Ситуация учебная. Дистрибьютор бытовой химии возит товар в 25 магазинов области. Логисту нужно оценить заказ на месяц по ходовым позициям, собрать маршруты на вторник и запросить ставки у трёх перевозчиков на дополнительную машину.
Он выгружает продажи по неделям за два года и просит формулы сезонного прогноза для Excel, а не готовые числа. Проверка на данных прошлого года показывает завышенный май: в данных была разовая акция, и логист помечает её, чтобы расчёт её не учитывал. Для маршрутов модель собирает из писем магазинов таблицу окон и находит два адреса без времени — их уточняют по телефону, маршрут строит планировщик. Письмо перевозчикам идёт по шаблону: маршрут, вес, тип кузова, дата, оплата, ставка с НДС и без. Ответы модель сводит в таблицу, а выбирает логист, проверив перевозчиков.
Что нельзя отдавать ИИ
Ограничения связаны с двумя рисками: утечкой данных и решением без проверки. Этот минимум стоит закрепить в отделе, даже если в компании есть разрешённый корпоративный ИИ-сервис.
- Персональные данные водителей и получателей: фамилии, телефоны, паспорта, удостоверения. Для сверки их заменяют условными обозначениями.
- Ставки, договоры и условия крупных клиентов — в публичные чат-боты, если компания это не разрешила.
- Подписание ЭТрН, актов и путевых документов и любые отметки о приёмке груза.
- Итоговый заказ поставщику по прогнозу без проверки на прошлых периодах.
- Ответ на претензию клиента или перевозчика без сверки суммы и сроков с договором и законом.
С чего начать и в каком порядке осваивать
Порядок освоения идёт от задач, где ошибку видно сразу, к задачам, где она стоит денег. Сначала вы учитесь ставить задачу модели и проверять её ответ на тексте, затем переходите к извлечению данных из документов, и только потом к прогнозу и маршрутам, где нужна проверка расчётом.
- Переписка. Попросите модель написать запрос ставки перевозчику с фиксированным набором полей для ответа.
- Извлечение. Дайте три старые накладные или три акта и шаблон таблицы; требуйте «не указано» вместо догадок.
- Сверка. Сравните таблицу с заявкой и найдите расхождения, проверив каждое по исходнику.
- Прогноз. Попросите формулы или скрипт, а не готовые числа, и проверьте модель на прошлом периоде.
- Маршруты. Поручите модели подготовку данных для планировщика, а маршрут считайте в программе.
Упражнения и типичные ошибки
Полезное упражнение — подложить ошибку самому: изменить в накладной количество мест и посмотреть, заметит ли модель расхождение с заявкой. Второе — попросить «дай прогноз» и «напиши формулу прогноза» и сравнить, какой ответ можно проверить. Третье — попросить маршрут по десяти адресам текстом и пересчитать его в планировщике.
Ошибки новичков повторяются: числа из чата уходят в заказ без пересчёта, путаются паллеты, коробки и штуки, нетто и брутто, выгрузка с телефонами водителей попадает в публичный сервис. Проверка простая: каждое число итоговой таблицы ведёт к документу или формуле.
Когда нужен курс и что проверить при выборе
Для переписки и сверки обычно хватает практики на своих документах. Обучение нужно, если не хватает логистической базы или вы хотите системно встроить ИИ в работу отдела.
Профильную базу вместе с цифровыми инструментами даёт программа переподготовки «Логистика будущего: эффективные стратегии и системы» Московской бизнес-школы. В ней модули о складе, транспорте, закупках и цепях поставок, запасах и модуль «Информационные системы в логистике: ERP, WMS, IoT и ИИ», плюс курс «ИИ в управлении» на 8 часов; выдают диплом о переподготовке. Темы модулей на карточке не раскрыты, срок указан по-разному — уточните их у школы.
Если логистику вы знаете, а не хватает навыка работы с ИИ, при выборе смотрите на практику: есть ли задания на собственных документах и разбирают ли ошибки модели.
С этой меркой стоит подходить к программе «Нейросети для бизнес-процессов», тариф PRO, от Eduson Academy: два месяца самостоятельной учёбы с наставником, видеоуроки, домашние задания и тренажёры. Подробной программы на карточке нет, поэтому перед оплатой уточните у школы, какие в ней задания и есть ли сценарии для логистики.
Автоматизация в логистике часто начинается с учётной системы: пока заказы и рейсы живут в разрозненных таблицах, ИИ не на чем работать.
Этому посвящён модуль на коротком курсе повышения квалификации «Менеджер логистической компании» Русской школы управления: 16 академических часов, модуль о грузоперевозках и ответственности перевозчика и модуль «Автоматизация логистики на предприятии» — что автоматизировать и как работать в 1С. Нейросети в описании не названы: это база, к которой ИИ добавляют потом.
Как навык влияет на доход
Открытой статистики о надбавке логистам «за нейросети» найти не удалось. Ориентир даёт профессия в целом. По данным платформы отзывов Dream Job, средняя зарплата логиста в России за 2026 год — 75 000 ₽ на руки по 272 сообщениям сотрудников, в Москве — 95 000 ₽ по 41 сообщению, в Санкт-Петербурге — 85 000 ₽ по 34. Уровень опыта участников неизвестен, и это фактические зарплаты, а не предложения в вакансиях.
Навык влияет на доход косвенно: логист, который быстрее сверяет документы и готовит маршруты, ведёт больше рейсов или клиентов. Чтобы понять, ценит ли это ваш рынок, отфильтруйте вакансии логиста в своём регионе по словам «нейросети» и «ИИ».
Что делать дальше
Выберите одну задачу, которая повторяется каждую неделю, — например, сверку накладных с заявками или запрос ставок. Сделайте шаблон таблицы и запроса, попробуйте его на старых документах и сверьте каждое поле. Если через месяц станет ясно, что не хватает системы, сравнить онлайн-школы поможет широкий рейтинг онлайн-школ по нейросетям для работы и бизнеса: он охватывает применение ИИ в разных профессиях, а не только в логистике.