Ai автоматизация "Транспортной компании"
Клиент
Грузоперевозки
120 машин, 8 регионов
Выручка 480 млн ₽/год
Услуга
AI-планировщик маршрутов
AI-диспетчер / чат-бот
AI-документооборот
Дата
2025-26 Год
4 месяца работы
9 месяцев сбора данных о результах
Компания-клиент – средний региональный перевозчик: 120 машин, 8 регионов, ~480 млн ₽ выручки. Достаточно большой, чтобы AI окупился быстро/
3 направления внедрения:
- AI-планировщик маршрутов – Яндекс.Карты API + собственная ML-модель, пересчёт в реальном времени, оптимизация загрузки. Даёт −18% на топливе.
- AI-диспетчер – WhatsApp/Telegram-бот, трекинг 24/7, NLP-разбор входящих заявок. Снимает 60% нагрузки с людей.
- Документооборот – OCR входящих ТТН, автогенерация накладных, семантический архив. Экономит время на рутине.
Результаты через 12 месяцев
Автоматизация документооборота в транспортной компании с помощью AI
Проблема в транспортной компании: на 120 машин и 8 регионов — ежедневно сотни ТТН, CMR, счетов-фактур, актов. Всё это вручную — ошибки, потери, задержки оплаты.
Покажу три слоя: как выглядит процесс изнутри, что делает AI на каждом шаге, и какой финансовый эффект.
Как это выглядит в интерфейсе оператора, который контролирует поток документов:
Дашборд оператора документооборота транспортной компании
Сегодня обработано
247
документов AI
Требуют проверки
8
флаг расхождения
Отправлено в ЭДО
183
Диадок + СБИС
Проводок в 1С
212
без ручного ввода
| Номер | Тип | Контрагент | Сумма | AI-статус | Действие | |
|---|---|---|---|---|---|---|
| ТТН-8841 | ТТН | ООО Техснаб | 142 000 ₽ | Проверено | В ЭДО | |
| СЧ-4421 | Счёт | ИП Кузнецов | 58 400 ₽ | Расхождение | Ждёт | |
| АКТ-311 | Акт | АО Партнёр | 89 200 ₽ | Проверено | В 1С | |
| CMR-019 | CMR | Logex GmbH | €3 200 | Проверено | В ЭДО | |
| ТТН-8842 | ТТН | ООО МегаСтрой | 217 500 ₽ | Генерация | Ждёт |
AI-ответ
Найдено 12 актов за май на сумму свыше 100 000 ₽. Общая сумма: 2 184 400 ₽. Крупнейший — АКТ-298 от 14.05, ООО МегаСтрой, 341 000 ₽. Показать список или выгрузить в Excel?
Конкретика по эффекту внедрения:
Время на 1 пакет
2 мин
было 45–60 мин
Ошибки в доках
−87%
штрафы и возвраты
Дебиторка
−8 дней
срок оборота
Экономия в год
9.2 млн ₽
прямые затраты
До внедрения
После внедрения
Откуда берётся экономия 9.2 млн ₽
Автоматизация через AI-чат бот
Ключевая идея: живой диспетчер тратит 70% времени на повторяющиеся запросы — «где мой груз?», «когда приедет машина?», «можно перенести доставку?». Всё это бот решает мгновенно без участия человека. Сначала покажу, как выглядит сам чат-бот для клиента, потом — логику принятия решений внутри системы.
Вот как клиент видит бота в WhatsApp/Telegram:
Макет чат-бота диспетчера транспортной компании в мессенджере
КомпанияТранс — поддержка
онлайн 24/7
В пути
Водитель Иван С., грузовик А178КМ
Отправление: Краснодар, 07:30
Прибытие: Ростов-на-Дону
ETA: сегодня в 13:45
Хотите получить ссылку на трекинг?
Перенос возможен
Новое время прибытия: 15:00–15:20
Водитель уведомлён автоматически.
Подтверждаете изменение?
Весь этот диалог — без единого живого диспетчера. Теперь посмотрим, как внутри устроена логика бота и где он всё-таки передаёт управление человеку:
Конкретика по эффекту внедрения:
Метрики AI-диспетчера: сравнение до и после внедрения
Запросов решает бот
80%
без участия человека
Время ответа клиенту
< 5 сек
было 8–40 минут
Диспетчеры освобождены
−2 ставки
→ на сложные задачи
Доступность поддержки
24 / 7
было 09:00–18:00
Что умеет бот (автоматически, без диспетчера)
Финансовый эффект (парк 120 машин)
Автоматизация через AI-оптимизация маршрутов
Это не просто «умный навигатор». Система принимает заявки, смотрит на весь парк машин сразу, учитывает ограничения (тоннаж, тип кузова, часы работы водителя) и строит оптимальный план на весь день — а потом непрерывно пересчитывает его в реальном времени по мере появления новых данных.
Вот архитектура потока данных:
Конкретика по эффекту внедрения:
Экономика AI-оптимизации маршрутов для парка 120 машин
Ключевые метрики до и после внедрения
Пробег на рейс
−18%
было 340 км → стало 279 км
Загрузка кузова
+22%
с 64% до 78% средняя
Рейсов в день
+14%
120 машин делают больше
Экономия топлива
21 млн ₽
в год при ДТ 62 ₽/л
Откуда берётся экономия топлива
Сравнение: ручное планирование vs AI
Итоги и техническая информация
Для реализации проекта мы разработали гибридную архитектуру, объединяющую сильные стороны нескольких AI-моделей. Главным приоритетом стала бескомпромиссная безопасность персональных данных клиента и высокая точность работы системы
Локальная модель Qwen (Закрытый контур данных)
Модель развернута непосредственно на серверах заказчика (инвестиции в аппаратную инфраструктуру составили 2 млн руб.). Qwen глубоко дообучена на внутренних регламентах и корпоративных документах. Это позволило создать полностью изолированную среду для работы с персональными данными, гарантируя 100% защиту от любых утечек конфиденциальной информации.
Интеграция ChatGPT (Интеллектуальный клиентский сервис)
Используется для бесшовной коммуникации с пользователями. Интеграция реализована через защищенный шлюз (middleware) на стороне клиента: скрипты обогащают запросы необходимой системной логикой, полностью исключая передачу чувствительных данных на внешние серверы OpenAI.
Claude AI (Аналитика и структурирование Big Data)
Отвечает за обработку и систематизацию масштабных массивов информации. Чтобы обеспечить безопасность, перед отправкой в Claude все данные проходят автоматическую деперсонализацию и криптографическое кодирование. Обратная расшифровка аналитики происходит строго программным путем уже внутри защищенного контура клиента.
Многоуровневая система валидации (Защита от AI-галлюцинаций)
Архитектура включает автоматизированный контроль качества на каждом этапе обработки информации. Данные сегментируются на микро-массивы и проходят перекрестную проверку. Это полностью исключает риск генерации некорректных ответов («галлюцинаций» нейросетей) и сводит вероятность логических расхождений в работе системы к абсолютному минимуму.
Узнайте стоимость Автоматизации вашего бизнеса!
Оставите свои контактные данные и наш менеджер вас детально проконсультирует
