Генеральный директор онлайн-сервиса Pooling Михаил Чушков дал развернутый комментарий изданию IT-Week о том, что сегодня мешает искусственному интеллекту изменить российскую логистику и почему бизнесу недостаточно выбрать сильную языковую модель.
Логистика с ее сложными процессами и огромными массивами данных относится к тем отраслям, где искусственный интеллект способен изменить саму архитектуру работы. Но произойдет это не благодаря появлению очередной модели. Реальный результат появится только тогда, когда вокруг нее будет собрана рабочая инфраструктура.
ИИ начинается не с выбора модели
Сегодня разговор об искусственном интеллекте чаще всего сводится к сравнению моделей. Какая точнее отвечает, быстрее анализирует информацию и лучше справляется с конкретными задачами.
Для бизнеса этого недостаточно.
В основании рабочей инфраструктуры находятся три компонента: сами модели, компетенции людей и качественные данные. Следующий уровень составляют агенты на базе ИИ и коннекторы, через которые они получают информацию, обращаются к внешним системам и выполняют необходимые действия.
Только после этого появляется конкретный результат для бизнеса: быстрее рассчитанный тариф, найденный транспорт, подготовленное коммерческое предложение, проверенный контрагент или оформленный документ.
Поэтому компаниям стоит смотреть не только на то, какая модель сильнее. Гораздо важнее, насколько быстро они смогут собрать вокруг нее данные, инструменты и правила работы.
Даже сильная модель бесполезна без данных
Наиболее развитые зарубежные решения пока находятся вне легального контура использования для российского бизнеса. Компании не могут официально приобрести такие продукты, оплачивать их использование и строить вокруг них корпоративную инфраструктуру.
Российские модели продолжают развиваться, но их экосистема пока уступает зарубежной. Инструменты для создания агентов, интеграции и готовые сценарии применения появились у отечественных решений позже.
Но даже идеальная нейросеть не решит задачу, если ей не хватает данных.
В статье Михаил приводит пример с подготовкой коммерческого предложения перевозчику. На первый взгляд это обычная задача менеджера. На деле она хорошо подходит для автоматизации.
Чтобы рассчитать тариф, системе нужна собственная база ставок и понимание того, как формируется стоимость перевозки. Потребуется история работы с конкретным перевозчиком и клиентом, данные о качестве выполнения рейсов, платежной дисциплине, претензиях и возникавших проблемах.
К этому нужно добавить изменение стоимости топлива, инфляцию, динамику заработных плат водителей и ситуацию на рынке по конкретному направлению. Целевая маржинальность может составлять 5, 15 или 30%. Решение зависит от спроса, предложения, доступности транспорта и накопленного опыта.
Сейчас эту работу выполняет человек. Он держит десятки факторов в голове, опирается на предыдущие сделки и часто принимает решение интуитивно. Агент на базе ИИ сможет сделать это быстрее, но только в том случае, если вся информация собрана, структурирована и доступна для анализа.
Данных по всему рынку пока нет
Российский рынок автологистики сильно раздроблен. Даже крупнейший игрок занимает около 2 или 3% рынка. Данные о ставках, перевозчиках, рейсах и качестве работы хранятся внутри отдельных компаний и информационных систем.
Из-за этого модель видит только небольшой фрагмент рынка. Она может работать с внутренней базой компании, но не понимает, что происходит за ее пределами. Пока общей инфраструктуры данных нет, даже самые сильные модели не смогут раскрыть свои возможности.
Государство уже формирует основу такой инфраструктуры через обязательный электронный документооборот. Со временем эта система сможет аккумулировать сведения о значительной части перевозок. При этом остается вопрос, насколько собранные данные будут доступны бизнесу и сможет ли он использовать их для решения практических задач.
Другой вариант создают коммерческие цифровые платформы. Например, ATI собирает данные по ставкам на перевозки и предоставляет участникам рынка информацию в удобном формате. Такая модель работает потому, что компании понимают, какую пользу получают от обмена данными.
Следующий этап связан с агентами
По мере развития инфраструктуры будет появляться больше специализированных агентов. Они смогут самостоятельно выполнять часть задач внутри компании: готовить коммерческие предложения, формировать дополнительные соглашения, создавать документы и проверять информацию.
Гораздо сильнее рынок изменят внешние агенты. Они смогут взаимодействовать не только с внутренними системами компании, но и с перевозчиками, торговыми площадками и другими участниками рынка.
Например, такой агент сможет искать транспорт среди всех доступных предложений, анализировать тендеры, рассчитывать тариф и оформлять документы. Для этого ему потребуется не только сообщение с задачей, но и весь контекст: данные, правила принятия решений, сведения о рисках и доступ к нужным системам.
Связь между агентами обеспечат специальные коннекторы. Их можно сравнить с каналами общения, через которые системы передают друг другу не только запрос, но и все необходимые данные. В логистике это может быть поиск перевозчика, расчет тарифа, проверка контрагента или оформление документов.
Победят не те, у кого лучше нейросеть
Сегодня рынок по-прежнему сосредоточен на сравнении языковых моделей. Но преимущество будет формироваться не на уровне самой нейросети.
В логистике ценность создадут качественные данные, понятные правила обмена информацией, коннекторы и специализированные агенты. Когда эти элементы начнут работать вместе, искусственный интеллект сможет решать задачи не только внутри отдельной компании, но и на уровне всей отрасли.