Безошибочный алгоритм и непредсказуемый человек: синтез или противостояние?

Искусственный интеллект может просчитать миллион маршрутов за секунду, но редко понимает, как объехать пробку через двор. Алгоритм оптимизирует запасы на 20%, но не возьмет на себя ответственность за срыв поставок из-за собственной ошибки. Этот парадокс разрывает современную логистику на две части: с одной стороны – бездушная эффективность машин, с другой – непредсказуемая, но незаменимая человеческая интуиция.

Острые грани этой проблемы обсудили участники экспертной сессии на форуме E-Retail Week 2025:

Конвейер данных вместо интуиции

Крупные российские логистические компании и ритейлеры начали массовое внедрение искусственного интеллекта в ключевые бизнес-процессы. Технология перешла из стадии экспериментов в стадию практического применения, что подтверждают конкретные кейсы и расчеты экономической эффективности.

– Сначала ИИ был для всех забавной игрушкой – все удивлялись, как он умеет собирать информацию и самообучаться. Но сегодня развлечения закончились, наступило время прагматичной оценки реальной пользы, – констатировал Зафархон Алиходжаев, основатель компании Ideal.


Так, в управлении запасами алгоритмы X5 Group демонстрируют устойчивые результаты, привел пример Станислав Горбатовский, основатель международного агентства по цифровизации бизнеса Shift. Система анализирует сотни факторов – от погодных условий до трендов в социальных сетях, что раньше было исключительной компетенцией категорийных менеджеров. «Над этим проектом работают уже более десяти лет, и сейчас он дает 15-20% оптимизации», – отметил Станислав Горбатовский. Точность прогнозирования позволила сократить потери от порчи товаров и снизить нагрузку на складские мощности.

В транспортной логистике алгоритмы маршрутизации СДЭК позволили курьерам увеличить количество ежедневных остановок до 60-ти при сокращении пробега на 12%, привел еще один пример эксперт. «Для новых сотрудников, незнакомых с городом, система увеличивает эффективность в 2-3 раза», – уточнил Горбатовский.


При этом экономика становится основным драйвером автоматизации. «Когда грузчик стоил 20-30 тысяч в месяц, автоматизация казалась роскошью. Сегодня, при зарплатах в 200-300 тысяч, роботы окупаются за полгода», – пояснил Зафархон Алиходжаев на примере инвестиций в роботизацию фулфилмента Lamoda в размере €43 млн евро за 2011-2015 годы.

Денис Давыдов, директор по корпоративным продажам «СДЭК», подтвердил этот тренд, сославшись на конкретные цифры. По его словам, роботизированный склад компании в Петербурге, запущенный в 2022 году, где 95 роботов заменяют труд 400 сотрудников, полностью окупил капитальные затраты за два года. «OPEX небольшой, – уточнил Давыдов. – Вот такой кейс». Несмотря на впечатляющую экономику, он отметил, что масштабирование технологии сопряжено со сложностями, и за внешними успехами автоматизации скрывается нетривиальный процесс технологической трансформации, где быстрых побед не бывает. При этом, по его оценке, чем доступнее становятся технологии, тем глубже они проникают не только в крупные компании, но и в средний бизнес.

Безответственность и «слепые зоны» ИИ

Участники экспертной сессии, прошедшей на E-Retail Week 2025, обозначили фундаментальные ограничения искусственного интеллекта, которые не позволяют технологии заменить человека в ключевых бизнес-процессах. По их мнению, главный барьер – это отсутствие ответственности за принимаемые решения.

Как отметил IT-директор проекта D-Soft Дамир Сабирзянов, между ИИ и человеческим интеллектом существует принципиальная разница. «Интеллект предполагает принятие решения и несение ответственности за него. ИИ может выдать решение, но ответственность за него не несет – это его ключевое ограничение», – пояснил он.

Помимо вопроса ответственности, серьезным вызовом остается неспособность ИИ к стратегическому планированию. Сабирзянов, чья команда активно использует языковые модели в разработке, наблюдает это на примере написания кода. «Алгоритм не думает о том, как мы будем поддерживать код через год. Он не стремится оптимизировать его для долгосрочного развития», – отметил эксперт. В логистике это проявляется в том, что система может минимизировать затраты на конкретную перевозку, но не способна выстраивать стратегические партнерские отношения на годы вперед.

И там, где алгоритмы бессильны, преимущество остается за людьми. Особую ценность сохраняют неформальные знания и интуиция опытных сотрудников. Станислав Горбатовский иллюстрирует это на примере из практики «СДЭК»: «Курьеры, которые год-два работают на своих участках, всегда показывают результат лучше, чем ИИ. Они знают дворы и объездные пути, которых нет на цифровых картах». В то время как алгоритмы оперируют усредненными данными, они остаются слепы к локальным особенностям и неформальным практикам, резюмировал эксперт.


Внедрение технологий порождает и новые управленческие дилеммы. Яркий пример привел Дмитрий Болотюк, генеральный директор «Диджитлаб», IТ-директор «ЛогЛаб»: «Мы запустили AI-агента, который полностью провел продажу – от консультации до оформления заказа. И сразу столкнулись с кадровым парадоксом: кому в этой цепочке платить бонусы?».

Сергей Абрамов, директор по цифровой трансформации «Байт Транзит», обозначил более системную проблему. По его словам, «большинство логистических компаний еще не завершили базовую цифровую трансформацию. Даже у лидеров рынка реально работающих и рентабельных кейсов применения ИИ – единицы». Таким образом, именно разрыв между технологическими возможностями и управленческой зрелостью продолжает сдерживать цифровую трансформацию логистики.

– Даже в большом IT из десяти инициатив выстреливает максимум три, даже при наличии лучших дата-сайентистов и данных, – привел пример Сергей Абрамов.

«Искусственный интеллект – это кухня. Машинное обучение – выпечка, нейросети – духовка, а ChatGPT – умная духовка с грилем. Однако многим компаниям для решения их текущих задач такая “духовка” попросту не нужна», – считает Станислав Горбатовский, основатель Shift.

На пути к ИИ через чащу неструктурированных данных

Российские логистические компании сталкиваются с системным барьером при внедрении искусственного интеллекта – отсутствием качественных данных и цифровой инфраструктуры. Участники экспертной сессии отметили, что большинство игроков рынка не готовы к сложным AI-решениям.

– Большинство логистических компаний продолжают работать в Excel, передавая информацию через Telegram. О каком внедрении искусственного интеллекта может идти речь, когда у нас нет даже единого хранилища для информации? – констатировал Станислав Горбатовский, основатель Shift.

Сергей Абрамов, директор по цифровой трансформации «Байт Транзит», подтвердил эту оценку: «Цифровая трансформация многих компаний оказалась незавершенной. Данные находятся в таком состоянии, что о готовых решениях "из коробки" не может быть и речи».

В связи с этим Горбатовский предложил четырехуровневую систему оценки технологической зрелости компаний. Почти половина рынка, по его данным, находится на уровне цифрового отставания с учетом на бумаге или в разрозненных Excel-файлах. Около 40% компаний достигли стадии точной автоматизации с системами типа 1С для учета и отчетности. Еще меньшая доля игроков вышла на уровень интеграции процессов, и только 10% рынка готовы к внедрению ИИ.


Станислав Горбатовский рекомендует поэтапный подход: при цифровом отставании – переходить в цифру, при наличии автоматизации – прорабатывать процессы, а при достижении интеграции – готовиться к ИИ через очистку данных и развитие BI-систем.

Для компаний, преодолевших базовые этапы цифровизации, ИИ эффективен в тактических задачах. Алгоритмы успешно применяются для прогнозирования спроса в X5 Group, построения маршрутов в СДЭК, предиктивного ремонта в КАМАЗ и Volvo.


В «ЛогЛаб» автоматизация обработки документов на основе искусственного интеллекта позволила оптимизировать работу с 10 тысячами входящих документов ежемесячно. Как пояснил IT-директор компании Дмитрий Болотюк, внедренная система использует RPA и обученные модели для распознавания и проверки комплектности документов – ТТН, товарных накладных и счетов-фактур.

«Наша модель показывает 98% точности распознавания документов, которые приходят по почте или в виде сканов. Система автоматически проверяет подписи, комплектность и в случае ошибок сразу направляет документы на доработку менеджеру или клиенту», – отметил Болотюк.

По его словам, это позволило компании оптимизировать работу группы документооборота, при этом все данные автоматически попадают в электронный архив и далее в бухгалтерию. Ранее в бухгалтерию «ЛогЛаб» ежемесячно поступало более 10 тысяч документов, обработка которых требовала значительных трудозатрат.

Стратегические же функции, считает Станислав Горбатовский, целесообразно сохранять за человеком – принятие ответственных решений с учетом рисков, глубокая работа с клиентами на партнерском уровне и управление командами в условиях трансформации.

Эпоха прагматизма

Переход от пилотных проектов к промышленному внедрению искусственного интеллекта в логистике выявил как его значительный потенциал, так и системные ограничения. По итогам экспертной сессии на E-Retail Week 2025 можно сформулировать пять ключевых тезисов, определяющих текущее состояние и вектор развития технологии в отрасли.

1. ИИ перешел от экспериментов к тактической оптимизации с измеримым экономическим эффектом
Технология демонстрирует конкретные результаты: алгоритмы X5 Group, по данным Станислава Горбатовского, дают 15-20% оптимизации запасов, а маршрутизация в СДЭК позволила сократить пробег на 12%.

2. Фундаментальным барьером для ИИ остается отсутствие ответственности и стратегического мышления
Дамир Сабирзянов подчеркивает, что ключевое ограничение ИИ – это неспособность принимать на себя ответственность. Кроме того, алгоритмы не способны к стратегическому планированию, например, к выстраиванию долгосрочных партнерских отношений или оптимизации кода для его будущей поддержки, в отличие от человека.

3. Сила ИИ в скорости расчета, но последнее слово – за человеческим опытом и интуицией
Особая ценность сотрудников сохраняется в областях, где алгоритмы «слепы». Станислав Горбатовский привел яркий пример: опытные курьеры СДЭК, знающие дворы и объездные пути, недоступные цифровым картам, показывают результат лучше, чем ИИ. Это доказывает, что непредсказуемость реального мира пока требует человеческого вмешательства, оставляя за ИИ роль мощного тактического инструмента, но не замены.

4. Большинство компаний не готовы к ИИ из-за проблем с данными
Главным системным барьером, по мнению Сергея Абрамова, является незавершенная цифровая трансформация. Станислав Горбатовский также констатирует, что многие компании все еще работают в Excel и Telegram, не имея единого хранилища данных. Его модель технологической зрелости показывает, что лишь 10% рынка готовы к внедрению ИИ, в то время как остальным необходимо поэтапно проходить этапы цифровизации и автоматизации.

5. Внедрение ИИ порождает новые управленческие вызовы, требующие пересмотра традиционных бизнес-процессов
Технология ставит перед руководителями нетривиальные вопросы, как в случае, описанном Дмитрием Болотюком: кому платить бонусы за продажу, полностью проведенную AI-агентом? Это свидетельствует о том, что успешная интеграция ИИ – это не только техническая, но и глубокая организационная трансформация.