ИИ ДЛЯ ПРОСТЫХ РАБОТЯГ
Волшебная кнопка есть — но есть нюанс
📆 На Питерском ИТ-форуме в блоке про ИИ я оказался, по сути, ключевым спикером: на панели не было ни одного вендора — только те, кто в ИИ реально вкладывался и внедрял. И разговор шёл не про «что ИИ умеет», а про то, что реально встало в строй и, возможно, даже окупилось.
Как мы это делаем у себя. У нас промышленная логистика: >6 млн тонн грузооборота в год, более 90 складских комплексов от Москвы до Усть-Кута, >4000 единиц техники, >5000 заказов в месяц, и значительная часть этого всего в регионах Арктики и Крайнего Севера. Не самая гламурная среда для «магии ИИ» 😄
👇 Подход, выбранный относительно ИИ-агентов, простой и, как будто, скучный:
1️⃣ Не «внедрить ИИ», а закрыть конкретную боль.
Мы начали не с обсуждения той или иной модели, а с перечня реальных нерешённых задач. Потом — гипотезы: что из этого действительно можно решить с помощью ЛЛМ. Из гипотез сделали 7 пилотных агентов, встроенных прямо в наши работающие продукты платформы Logotech.
2️⃣ Не один универсальный ген-ИИ (GenAI), а микроагенты под точечные задачи.
Каждый агент живёт внутри уже существующего продукта, которым люди и так пользуются каждый день. Не отдельная «ИИ-платформа сбоку», а помощник там, где идёт настоящая работа.
▪️ Опять же скучные, но очень эффективные с точки зрения цифр кейсы: RAG-ассистенты. Их пилотировали несколько, какие-то уже вывели в продуктив, и они не только сокращают затраты на поддержку, но и увеличивают общую скорость работы производственного персонала: люди не ждут ответы поддержки по 1–2–4 часа, а получают ответы мгновенно и так же мгновенно продолжают работу.
▪️ Нетипичный кейс для применения ЛЛМ: оптимальное планирование техники складского комплекса. То есть, какой кран и какая бригада в какое время разгружают какую фуру и т. д. Ассистент не просто строит график погрузочно-разгрузочных работ, а объясняет логику каждого выбора. Мы, конечно, рассматривали применение обычной математической оптимизации, но оценили, что разработка такой системы будет стоить в 10–15 раз дороже, чем использовать ЛЛМ. Что получили: сократили время на планирование работы склада в 5 раз и, скорее всего, сократим необходимую для выполнения работ технику.
⚠️ И вот тот самый нюанс из заголовка. «Волшебная кнопка» действительно существует — но она не там, где красиво. Она в скучной высокочастотной рутине: ответить пользователю, обучить новичка, составить график. ИИ не заменил логиста или кладовщика — он снял с них рутину и объяснил свои решения. За штурвалом остался человек.
То, к чему я всё время призываю и о чём постоянно говорю: не покупайте технологию (ИИ), покупайте решение проблемы!
Встройте маленького агента в уже работающий продукт и посчитайте эффекты. Всё остальное — театр инноваций, который хорош для пиара и плох для PnL.
❓А у вас ИИ уже что-то реально окупил в измеримых цифрах — или пока живёт на стадии «красивого пилота»?
#ии #логистика #b2b #продукт #cpo
💬 ПРО ПРОДУКТ | Алексей Маньковский
Волшебная кнопка есть — но есть нюанс
📆 На Питерском ИТ-форуме в блоке про ИИ я оказался, по сути, ключевым спикером: на панели не было ни одного вендора — только те, кто в ИИ реально вкладывался и внедрял. И разговор шёл не про «что ИИ умеет», а про то, что реально встало в строй и, возможно, даже окупилось.
Как мы это делаем у себя. У нас промышленная логистика: >6 млн тонн грузооборота в год, более 90 складских комплексов от Москвы до Усть-Кута, >4000 единиц техники, >5000 заказов в месяц, и значительная часть этого всего в регионах Арктики и Крайнего Севера. Не самая гламурная среда для «магии ИИ» 😄
👇 Подход, выбранный относительно ИИ-агентов, простой и, как будто, скучный:
1️⃣ Не «внедрить ИИ», а закрыть конкретную боль.
Мы начали не с обсуждения той или иной модели, а с перечня реальных нерешённых задач. Потом — гипотезы: что из этого действительно можно решить с помощью ЛЛМ. Из гипотез сделали 7 пилотных агентов, встроенных прямо в наши работающие продукты платформы Logotech.
2️⃣ Не один универсальный ген-ИИ (GenAI), а микроагенты под точечные задачи.
Каждый агент живёт внутри уже существующего продукта, которым люди и так пользуются каждый день. Не отдельная «ИИ-платформа сбоку», а помощник там, где идёт настоящая работа.
▪️ Опять же скучные, но очень эффективные с точки зрения цифр кейсы: RAG-ассистенты. Их пилотировали несколько, какие-то уже вывели в продуктив, и они не только сокращают затраты на поддержку, но и увеличивают общую скорость работы производственного персонала: люди не ждут ответы поддержки по 1–2–4 часа, а получают ответы мгновенно и так же мгновенно продолжают работу.
▪️ Нетипичный кейс для применения ЛЛМ: оптимальное планирование техники складского комплекса. То есть, какой кран и какая бригада в какое время разгружают какую фуру и т. д. Ассистент не просто строит график погрузочно-разгрузочных работ, а объясняет логику каждого выбора. Мы, конечно, рассматривали применение обычной математической оптимизации, но оценили, что разработка такой системы будет стоить в 10–15 раз дороже, чем использовать ЛЛМ. Что получили: сократили время на планирование работы склада в 5 раз и, скорее всего, сократим необходимую для выполнения работ технику.
⚠️ И вот тот самый нюанс из заголовка. «Волшебная кнопка» действительно существует — но она не там, где красиво. Она в скучной высокочастотной рутине: ответить пользователю, обучить новичка, составить график. ИИ не заменил логиста или кладовщика — он снял с них рутину и объяснил свои решения. За штурвалом остался человек.
То, к чему я всё время призываю и о чём постоянно говорю: не покупайте технологию (ИИ), покупайте решение проблемы!
Встройте маленького агента в уже работающий продукт и посчитайте эффекты. Всё остальное — театр инноваций, который хорош для пиара и плох для PnL.
❓А у вас ИИ уже что-то реально окупил в измеримых цифрах — или пока живёт на стадии «красивого пилота»?
#ии #логистика #b2b #продукт #cpo
💬 ПРО ПРОДУКТ | Алексей Маньковский