Внедрение искусственного интеллекта в логистике
Роберт Васильев, Директор и основатель Концерна ИИ технологий Z-union, Сооснователь & Замруководителя Ассоциации лабораторий по развитию искусственного интеллекта (АЛРИИ), Замруководителя Исследовательского Центра ИИ МИФИ. В своем выступлении осветил текущее состояние и перспективы внедрения искусственного интеллекта (ИИ) в российском транспортно-логистическом секторе, представив данные, кейсы из практики и концепцию создания цифровых помощников на основе больших языковых моделей. Ключевые моменты: Тренды рынка: Рынок внедрения ИИ в логистике растет на 25-30% в год. ИИ входит в топ-3 самых востребованных технологий по внедрению в различных отраслях. Использование ИИ в российской транспортной отрасли: Около 28% компаний используют ИИ на системном уровне, более 80% внедряют точечные решения. Технологии внедрения: Наиболее активно используются технологии машинного зрения, также наблюдается рост использования генеративных методов. Концепция цифрового двойника: Формирование цифровых двойников процессов на базе корпоративных знаний, данных (баз знаний, переписок, документов, аудио- и видеозаписей, систем видеоаналитики). На основе этой информации создаются корпоративные ассистенты. Роль больших языковых моделей (LLM): LLM являются важным компонентом, но составляют лишь 5% успеха. Эффективны в мультимодальном формате. Кейсы из практики: 1. Кейс для компании-поставщика электронных компонентов: Задача: Автоматизация процесса подбора компонентов для поставки. Решение: Разработан комплекс из пяти агентов, анализирующих каталог продукции, знания об электронных компонентах, информацию о предыдущих поставках и запросах. Результат: Сокращение времени подбора компонентов с нескольких часов до 90 секунд, снижение количества встреч перед заключением сделки на 25%. 2. Оптимизация складских запасов и прогнозирование спроса: Задача: Оптимизация складских запасов на основе данных о продажах и внешних факторах. Решение: Использование моделей временных рядов для прогнозирования спроса, формирование управленческих рекомендаций на основе информации от ИИ. Результат: Предоставление четких управленческих рекомендаций по управлению запасами. 3. Анализ логистических операций на объекте критической инфраструктуры с применением видеоаналитики: Задача: Автоматизация контроля за въездом/выездом транспорта и соответствием перевозимых грузов документации. Решение: Использование Vision Large Model для описания содержимого кузова автомобиля на естественном языке, сопоставление с данными из информационной системы. Результат: Автоматический анализ регламентных процедур, формирование отчета для директора по безопасности. Выводы: Важно создавать отделы, использующие комбинацию ИИ ассистентов для оптимизации процессов. Цифровые помощники позволяют автоматизировать процессы, сокращать время принятия решений, повышать эффективность работы и обеспечивают более точный анализ данных. V Ежегодная конференция "Цифровизация транспорта-25". Организатор: центр конференций “Сегодня”.
Роберт Васильев, Директор и основатель Концерна ИИ технологий Z-union, Сооснователь & Замруководителя Ассоциации лабораторий по развитию искусственного интеллекта (АЛРИИ), Замруководителя Исследовательского Центра ИИ МИФИ. В своем выступлении осветил текущее состояние и перспективы внедрения искусственного интеллекта (ИИ) в российском транспортно-логистическом секторе, представив данные, кейсы из практики и концепцию создания цифровых помощников на основе больших языковых моделей. Ключевые моменты: Тренды рынка: Рынок внедрения ИИ в логистике растет на 25-30% в год. ИИ входит в топ-3 самых востребованных технологий по внедрению в различных отраслях. Использование ИИ в российской транспортной отрасли: Около 28% компаний используют ИИ на системном уровне, более 80% внедряют точечные решения. Технологии внедрения: Наиболее активно используются технологии машинного зрения, также наблюдается рост использования генеративных методов. Концепция цифрового двойника: Формирование цифровых двойников процессов на базе корпоративных знаний, данных (баз знаний, переписок, документов, аудио- и видеозаписей, систем видеоаналитики). На основе этой информации создаются корпоративные ассистенты. Роль больших языковых моделей (LLM): LLM являются важным компонентом, но составляют лишь 5% успеха. Эффективны в мультимодальном формате. Кейсы из практики: 1. Кейс для компании-поставщика электронных компонентов: Задача: Автоматизация процесса подбора компонентов для поставки. Решение: Разработан комплекс из пяти агентов, анализирующих каталог продукции, знания об электронных компонентах, информацию о предыдущих поставках и запросах. Результат: Сокращение времени подбора компонентов с нескольких часов до 90 секунд, снижение количества встреч перед заключением сделки на 25%. 2. Оптимизация складских запасов и прогнозирование спроса: Задача: Оптимизация складских запасов на основе данных о продажах и внешних факторах. Решение: Использование моделей временных рядов для прогнозирования спроса, формирование управленческих рекомендаций на основе информации от ИИ. Результат: Предоставление четких управленческих рекомендаций по управлению запасами. 3. Анализ логистических операций на объекте критической инфраструктуры с применением видеоаналитики: Задача: Автоматизация контроля за въездом/выездом транспорта и соответствием перевозимых грузов документации. Решение: Использование Vision Large Model для описания содержимого кузова автомобиля на естественном языке, сопоставление с данными из информационной системы. Результат: Автоматический анализ регламентных процедур, формирование отчета для директора по безопасности. Выводы: Важно создавать отделы, использующие комбинацию ИИ ассистентов для оптимизации процессов. Цифровые помощники позволяют автоматизировать процессы, сокращать время принятия решений, повышать эффективность работы и обеспечивают более точный анализ данных. V Ежегодная конференция "Цифровизация транспорта-25". Организатор: центр конференций “Сегодня”.