опыт Lamoda

ИИ для логистики, склада и фулфилмента

Агенты заранее видят пики и сбои, планируют загрузку и разбирают исключения в доставке и возвратах. Начальник смены принимает решения по готовой картине, а не тушит пожары.

1СWMSTMSSAPБитрикс24TelegramExcelAPI перевозчиков

Что мешает сейчас

Пики застают врасплох

Объём на распродажах и в сезон видно только по факту, и смены доукомплектовывают в последний момент.

Сбои в доставке всплывают поздно

О задержке перевозчика узнают из жалобы клиента, а не из системы, когда ещё можно что-то поменять.

Возвраты съедают ресурс

Разбор возвратов идёт вручную, причины не анализируются, и одни и те же ошибки повторяются.

Данные есть, выводов нет

WMS, TMS и таблицы диспетчеров хранят всё нужное, но связать их в картину никто не успевает.

Агенты работают. Вы решаете.

Что берут на себя агенты и какие решения остаются за людьми.

Делают агенты

Прогноз загрузки

Считает ожидаемый объём приёмки, сборки и отгрузки по дням и сменам на основе истории, акций и заказов.

Планирование смен и ресурсов

Предлагает численность и расстановку персонала, окна приёмки и слоты для перевозчиков под прогноз.

Контроль доставки

Следит за отклонениями от графика, предупреждает клиентов и диспетчера, предлагает варианты переноса.

Разбор возвратов

Классифицирует причины возвратов, направляет товар в нужный поток и находит повторяющиеся проблемы.

Раннее предупреждение о сбоях

Замечает аномалии в скорости участков, остатках и заказах раньше, чем они превратятся в срыв сроков.

Подсказки по маршрутам

Предлагает распределение заказов по рейсам и порядок объезда с учётом окон доставки и загрузки машин.

Решает человек

  • Утверждение плана смен и привлечение дополнительного персонала
  • Смена перевозчика и изменение условий с подрядчиками
  • Списание товара и решения по спорным возвратам
  • Приоритет отгрузок, когда всем не хватает мощности
1СWMSTMSSAPБитрикс24TelegramExcelAPI перевозчиков

ИИ для логистики полезен там, где решения приходится принимать быстро на основе большого объёма данных: сколько людей вывести на смену, какой рейс под угрозой, что делать с потоком возвратов. Агенты собирают картину из WMS, TMS и учётных систем, считают прогнозы и подсказывают действия, а начальник смены и диспетчер решают.

Что делает ИИ на складе?

Он прогнозирует загрузку, предлагает план смен и следит за отклонениями в течение дня. Склад продолжает работать в своей WMS, агент добавляет к ней прогноз и раннее предупреждение.

Типичный сценарий. В четверг агент видит, что площадка объявила распродажу, а заказы по двум категориям растут быстрее прошлогодних. Он пересчитывает ожидаемый объём сборки на выходные и пишет начальнику склада в Telegram: на субботу не хватает людей на участке упаковки, предлагает перевести часть сотрудников с приёмки и вызвать временный персонал. Начальник утверждает один из вариантов, и агент обновляет план смен.

Как ИИ помогает в доставке и возвратах?

Агент сравнивает плановые и фактические статусы рейсов и предупреждает о риске срыва, пока его можно предотвратить. В возвратах он разбирает причины и распределяет товар по потокам.

СитуацияЧто делает агентЧто решает человек
Перевозчик отстаёт от графикаПредупреждает диспетчера и клиентов, предлагает переносЗамена машины или перевозчика
Всплеск возвратов по артикулуНаходит общую причину в комментариях и фотоСнять товар с продажи или вернуть поставщику
Рейсы на завтраПредлагает распределение заказов и порядок объездаУтверждение плана маршрутов
Падение скорости участкаСигналит до того, как вырастет очередьПерераспределение персонала

Что особенного в ИИ для фулфилмента?

Фулфилмент работает на чужие продажи: объём зависит от акций клиентов и площадок, которые склад не контролирует. Поэтому агент собирает внешние сигналы — календарь акций маркетплейсов, планы поставок клиентов, динамику заказов в первые часы распродажи — и пересчитывает прогноз несколько раз в день. Второе узкое место — возвраты. Их много, они однотипные, и разбор причин показывает, какие проблемы повторяются у конкретного клиента или артикула.

Как проходит пилот?

Выбираем один участок или процесс: прогноз загрузки, контроль доставки или возвраты. Собираем выгрузки за прошлые периоды, проверяем качество данных и считаем, насколько хорошо прогноз попал бы в историю. Затем 4–6 недель агент работает рядом с текущим процессом, а мы сравниваем его прогнозы и рекомендации с фактом. Решение о масштабировании принимается по цифрам.

Сколько стоит ИИ для логистики?

Зависит от числа систем и участков. По данным рынка (vc.ru), агент среднего уровня обходится в 0,3–1,5 млн ₽, корпоративная система — в 3–15 млн ₽, и ещё 20–30% бюджета уходит на скрытые расходы. Пилот на одной задаче, по рыночным оценкам, стоит 300–800 тыс. ₽. Цену пилота фиксирую после бесплатного разбора ваших процессов.

Почему со мной?

В Lamoda с 2021 по 2023 год я руководил проектами автоматизированного управления складской и транспортной логистикой: 13 команд, второй фулфилмент-центр запущен в срок. Подробности — в кейсе Lamoda: автоматизация логистики. Я знаю, как устроены смены, приёмка и отгрузка, и где ИИ встраивается в них без остановки склада.

Если на складе уже есть камеры, посмотрите видеоаналитику. Накладные, акты и сверки с перевозчиками разгружает автоматизация документооборота, а вопросы клиентов о доставке — ИИ для клиентского сервиса. Отраслевой обзор — на странице логистика и фулфилмент. Начнём с бесплатного разбора.

Честно о результате

Что измеряем до и после

  • Точность прогноза загрузкиОтклонение прогноза объёма от факта по дням и участкам.
  • Доля доставок в срокПроцент заказов, доставленных в обещанный интервал, до и после пилота.
  • Срок обработки возвратаВремя от поступления возврата на склад до решения по товару.
  • Простой и переработкиЧасы простоя персонала и сверхурочные часы на сопоставимых по объёму неделях.

Когда ИИ здесь не нужен

  • Объёмы маленькие и стабильные: опытный кладовщик планирует не хуже модели.
  • Учёт ведётся на бумаге или с большими пробелами. Сначала нужна базовая автоматизация склада.
  • Узкое место физическое — нехватка площади или техники. Прогноз покажет проблему, но не решит её.

Как проходит внедрение

Начинаем с малого и меряем эффект в деньгах до того, как масштабировать.

Бесплатный разбор

Смотрю процесс, данные и системы. Честно говорю, где ИИ даст эффект, а где не нужен.

1–2 дня

Карта решений

Процессы по эффекту и сложности, метрики «до», план пилота и бюджет.

до недели

Пилот на реальном процессе

Агенты работают в ваших системах. Необратимые шаги — только с подтверждением человека.

4–6 недель

Масштабирование

Переносим на другие отделы и процессы, считаем эффект каждый месяц.

по результату

Частые вопросы

Нужна ли для этого новая WMS?
Нет, агенты работают поверх существующих систем через их данные и интерфейсы. Менять WMS имеет смысл, только если в ней нет нужных данных.
Чем ИИ отличается от классической автоматизации склада?
Автоматизация выполняет правила, ИИ работает там, где правила не покрывают все случаи: прогнозы, исключения, свободный текст в заявках и жалобах. Обычно они дополняют друг друга.
Подходит ли это для фулфилмента маркетплейсов?
Да, особенно для прогноза пиков под акции площадок и разбора возвратов, где объёмы большие, а причины однотипные.
Сколько данных нужно для прогноза?
Желательно история операций хотя бы за сезон с отметками об акциях. Точный объём оцениваем на разборе по вашим выгрузкам.

Связанные решения

Почитать по теме

Разберу вашу задачу

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