Кейс: логистика и AI — снижение издержек на 28% за 8 месяцев

Региональная транспортная компания «Логист-Юг» (имя изменено) из Краснодара возила сборные грузы по маршрутам Краснодар–Ростов–Ставрополь–Махачкала. 60 машин, 90 водителей, 12 диспетчеров, оборот 480 млн ₽/год. К началу 2025 столкнулись с трендом, который накрывал всю отрасль: топливо +18%, страхование +22%, штатные водители +30% за год. Маржа сжалась с 11% до 4.5%. В апреле 2025 решили: или внедряем AI, или закрываемся через год. К декабрю 2025 операционные издержки упали на 28%. Этот кейс — про то, что именно сделали и сколько потратили.

Контекст

Компания: региональный перевозчик сборных грузов B2B. 4 хаба, 60 тягачей, 90 фур.

Клиенты: ритейл-сети, дистрибьюторы, FMCG-производители.

Объём: 800–1 200 рейсов в месяц.

Ключевые боли весной 2025:

• Маршруты строили диспетчеры «на глазок». Холостой пробег — 18%.
• Прогноз спроса на машины — нет. Простой машин — до 12 дней в месяц.
• Документы оформлялись вручную: транспортная накладная (ТТН), путевые листы, акты — 4 человека в ПТО.
• Аналитика рейсов и рентабельности была через 2 недели после факта.

Что внедрили

1. AI-маршрутизация

Решение: платформа Logistic Pro AI (российский интегратор) на базе собственной модели + интеграция с 1С:УАТ.

Как работает:

1. Заявки от клиентов попадают в систему.
2. AI каждые 30 минут пересчитывает оптимальные маршруты.
3. Учитывает: пробки (Яндекс.Карты API), запреты движения грузовиков, остатки топлива, регламент работы водителя по 152-ФЗ, временные окна разгрузки.
4. Выдаёт диспетчеру рекомендованный план.
5. Диспетчер утверждает или корректирует.

Бюджет: 850 000 ₽ внедрение + 65 000 ₽/мес.

Эффект:

• Холостой пробег: с 18% до 9%.
• Среднее количество рейсов на машину в месяц: с 14 до 17.
• Топливо в расчёте на оборот: -16%.

2. Прогноз заказов

Решение: кастомная ML-модель на базе исторических данных за 3 года + сезонность + действия конкурентов.

Сценарий:

• Прогноз на 14/30/60 дней по направлениям.
• Рекомендации по перераспределению машин между хабами.
• Раннее предупреждение о пиковом спросе (для аренды дополнительных машин на час).

Бюджет: 380 000 ₽ разработка + 12 000 ₽/мес.

Эффект: простой машин снизился с 12 до 5 дней в месяц. Перевыполнение плана за счёт «успели взять» в пиковые моменты — +9% выручки.

3. AI-документооборот

Решение: связка GPT-4o (через российский прокси) + n8n + 1С.

Сценарий:

1. Водитель фотографирует документы клиента (доверенность, заявка) через мобильное приложение.
2. AI распознаёт через OCR + GPT-4o Vision.
3. Автоматически создаёт ТТН, путевой лист.
4. Диспетчер проверяет за 30 секунд.

Бюджет: 220 000 ₽ + 8 000 ₽/мес.

Эффект:

• Время оформления документов: с 25 минут до 3 минут.
• ПТО с 4 до 2 человек.
• Ошибки в документах: с ~12% до ~1.5%.

Подробнее про AI и документооборот — в статье про AI для документооборота.

4. AI-аналитика рентабельности

Решение: Power BI с AI-интеграцией + ChatGPT API для интерпретации.

Сценарий:

• Каждый рейс сразу после завершения попадает в дашборд.
• Метрики: фактическая выручка vs план, расход топлива vs норма, простой, штрафы.
• AI еженедельно отвечает на естественные вопросы: «Какие 5 направлений самых убыточных?», «У какого водителя выше всего расход на 100 км?»

Бюджет: 240 000 ₽ + 18 000 ₽/мес.

Эффект: проблемные направления выявляются в первую неделю, а не через месяц. За первые 4 месяца перестроили 2 хронически убыточных маршрута.

Сводная экономика

Инструмент	CAPEX	OPEX/мес	Годовая экономия
AI-маршрутизация	850 000 ₽	65 000 ₽	12 800 000 ₽
Прогноз заказов	380 000 ₽	12 000 ₽	5 200 000 ₽
AI-документооборот	220 000 ₽	8 000 ₽	2 400 000 ₽
AI-аналитика	240 000 ₽	18 000 ₽	3 600 000 ₽
Итого	1 690 000 ₽	103 000 ₽	24 000 000 ₽

Окупаемость: 1.7 месяца после полной раскатки. Годовой ROI ~1300%.

Маржа компании за 8 месяцев восстановилась с 4.5% до 9.2%.

Хронология

Месяц	Этап
Апрель 2025	Аудит, выбор интегратора
Май 2025	Внедрение AI-маршрутизации (1 хаб пилот)
Июнь 2025	Раскатка маршрутизации на все хабы
Июль 2025	Прогноз заказов + начало документооборота
Август 2025	Запуск AI-документов
Сентябрь 2025	AI-аналитика
Октябрь–декабрь 2025	Оптимизация и обучение команды

Что не сработало

Голосовой AI для водителей. Хотели сделать «помощника» в кабине: маршрут, разгрузка, отчёты — голосом. Шум в кабине, плохая связь в дальних регионах, водители не доверяли. Закрыли через 2 месяца.

Predictive maintenance. Прогноз поломок машин по данным с CAN-шины. Технически интересно, экономически не окупилось — у компании парк относительно новый (средний возраст 4 года), поломки редкие.

AI-собеседование водителей. Пробовали использовать AI для отбора при найме. Водители (опытные, 40+) очень негативно отреагировали на «робот-интервьюера». Вернулись к живому HR.

Чему научились

1. Интеграция с 1С — самое важное. Без неё AI работает в вакууме, экспорт-импорт данных вручную = бесполезность.
2. Диспетчер — ключевой пользователь. Если он не доверяет системе, вся работа AI — демо. На обучение и адаптацию ушло 3 месяца.
3. Локальные модели для документов с ПДн. GPT-4o использовался только через прокси с обезличиванием. Для финального текста с ПДн — российские модели.
4. Watch-the-watcher. Раз в неделю — ручная проверка решений AI на 10 случайных рейсах. Без этого качество деградирует за 2–3 месяца.
5. «Наблюдаемые» метрики. Каждый AI-инструмент должен иметь измеримый KPI. Если не считаем — не управляем.

Что планируют дальше

• AI-агент для общения с клиентами (статусы рейсов, авто-ответы).
• AI-планирование вахтовых рейсов с учётом регламента 152-ФЗ.
• Интеграция с экосистемой ГЛОНАСС для real-time оптимизации.

Compliance: что важно

Что	Решение
ПДн водителей и клиентов	Локальные модели для текстов с ПДн
Регламент работы водителя (152-ФЗ + Минтранс)	AI-маршрутизация учитывает регламент жёстко
Налоги на цифровые сервисы (НДС с зарубежных)	Используем российские прокси
Хранение данных рейсов	На территории РФ, retention 5 лет

Подробнее — в статье про безопасность данных при работе с ИИ.

FAQ

Какой минимальный размер парка для окупаемости? 20+ машин. Меньше — затраты на интеграцию не отбиваются. До 20 машин — лучше готовые SaaS-решения для логистики (от 30 000 ₽/мес).

Можно ли начать с одного инструмента? Да. Лучшая точка входа — AI-маршрутизация. Самый быстрый ROI и видимый эффект.

Какой технический партнёр нужен? Интегратор с опытом в логистике + знанием 1С:УАТ. Список российских компаний — Logistic Pro, ITOB, Адепт-IT.

Можно ли использовать Яндекс.Маршруты вместо кастома? Можно для базы. Для оптимизации с учётом регламента 152-ФЗ, остатков, окон разгрузки — кастом.

Что делать с водителями, которые против AI? Объяснить, что AI — это «помощник диспетчера», а не «замена водителя». Зарплата водителей при AI-оптимизации обычно растёт за счёт большего числа рейсов.

Сколько времени ушло на обучение команды? 2–3 месяца. Главное — постепенный переход. Сначала AI-рекомендации, диспетчер решает. Потом — частичное автоматическое утверждение.

Что с региональными особенностями? Локальные особенности (плохие дороги, сезонные ограничения) — закладываем в модель. Без этого AI выдаёт «теоретически оптимальный», но непрактичный маршрут.

Что делать прямо сейчас

1. Сегодня: посчитайте свой холостой пробег и среднее число рейсов на машину/мес.
2. Эту неделю: запросите демо у Logistic Pro AI или аналогичных интеграторов.
3. Этот месяц: запустите пилот AI-маршрутизации на одном хабе или направлении.

Связанные материалы:

• ИИ в логистике и складе
• 10 кейсов внедрения ИИ в малом бизнесе
• AI и документооборот

Логистика — отрасль низкой маржи и высокой операционной сложности. Каждый процент оптимизации = десятки миллионов рублей в год для среднего перевозчика. AI здесь не «хорошая опция», а вопрос выживания на горизонте 2–3 лет.