Lamoda: автоматизация складской и транспортной логистики

В 2021–2023 годах я руководил программой автоматизированного управления складской и транспортной логистикой Lamoda: 13 команд, второй фулфилмент-центр запущен в срок.

КлиентLamoda
ОтрасльE-commerce, логистика и фулфилмент
Масштаб13 команд
РольРуководство программой автоматизации логистики
Период2021–2023
СтатусЗапущено
В срокзапущен второй фулфилмент-центр
13 командв программе автоматизации складской и транспортной логистики

Метод расчёта и детали — на встрече, в рамках NDA

Это кейс управления крупной программой автоматизации логистики. Я руководил программой и командами, а не писал код. Ниже только проверенные факты, детали и метод оценки эффекта — на встрече, в рамках NDA.

Какая была задача?

Автоматизировать управление складской и транспортной логистикой и запустить второй фулфилмент-центр в срок. Подробности постановки задачи — на встрече, в рамках NDA.

Что сделали на уровне управления?

Выстроили работу программы из 13 команд вокруг одной цели и одного графика.

  • Руководил программой автоматизированного управления складской и транспортной логистикой.
  • Координировал 13 команд, их сроки и зависимости.
  • Вёл запуск второго фулфилмент-центра.

Подробности архитектуры и отдельных решений не раскрываю.

Какой результат?

Второй фулфилмент-центр запущен в срок. Автоматизированное управление складской и транспортной логистикой внедрено. Детали — на встрече, в рамках NDA.

Чему научил этот проект?

  1. Срок держится на зависимостях. Когда команд больше десяти, проект срывают не задачи внутри команд, а стыки между ними. Их нужно видеть заранее.
  2. Автоматизация на живом складе — это изменение процесса. Склад не останавливается ради внедрения, поэтому каждый шаг должен быть безопасным для текущих операций.
  3. Людей на площадке нужно вовлекать раньше запуска. Решение, которым не пользуются, не даёт эффекта.

Как я применяю этот опыт у вас?

Внедрение ИИ в логистике строю по формуле Prioritize → Pilot → Prove.

ШагЧто делаемРезультат
PrioritizeРазбор процессов склада, транспорта и документов, карта решений2–3 процесса с лучшим соотношением эффекта и сложности
PilotПилот 4–6 недель на одном участке без остановки операцийРешение в реальном процессе
ProveЗамер до и после по выбранной метрикеРешение о масштабировании

В карте решений всегда есть раздел «Где ИИ не нужен»: часть задач склада лучше решают регламенты или обычная WMS. Типичные кандидаты для пилота — сверка документов, обращения клиентов по доставке, видеоаналитика склада.

Пример пилота: агент сверяет транспортные документы на одном складе, а сотрудник проверяет только расхождения. До старта фиксируем базовую точку — сколько времени уходит на комплект и сколько ошибок находят после отгрузки. Через 4–6 недель сравниваем те же показатели и решаем, переносить ли решение на другие площадки. Если эффекта нет, вы узнаёте это быстро и без больших вложений.

Подробнее — ИИ для логистики, видеоаналитика и отраслевая страница логистика и фулфилмент. Чтобы обсудить ваш склад, оставьте заявку на бесплатный разбор.

Частые вопросы

Какой была ваша роль в проекте?
Я руководил программой: управление командами, сроками, зависимостями и внедрением. Системы разрабатывали команды.
Какие цифры эффекта есть по проекту?
Публично — только проверенные факты: 13 команд и запуск второго фулфилмент-центра в срок. Детали — на встрече, в рамках NDA.
Чем этот опыт полезен логистической компании?
Он про то, как вести большую программу автоматизации в действующей логистике и держать срок. Сейчас тот же подход я применяю к внедрению ИИ-агентов и видеоаналитики.

Применим этот опыт у вас?

Расскажите, какую работу хотите отдать агентам. Я лично посмотрю задачу и предложу, с чего начать. Бесплатно.

  1. РазборБесплатно. Смотрю процесс и данные, говорю, где ИИ даст эффект, а где не нужен.
  2. Карта решенийПроцессы по эффекту и сложности, план пилота и метрики.
  3. Пилот 4–6 недельРаботает на реальном процессе, эффект меряем до и после.

Телефон: +7 926 065-77-93Почта: askerov.russ@gmail.com

Бесплатный разбор