Ассоциация «Цифровой транспорт и логистика» и Альянс в сфере искусственного интеллекта представили белую книгу «Искусственный интеллект в сфере транспорта и логистики». Она представляет собой концептуальную стратегию, которая демонстрирует опыт интеграции ИИ в транспортный сектор России. В работе приводятся варианты внедрения искусственного интеллекта с устранением потенциальных рисков и соблюдением общероссийских и отраслевых регламентов и стандартов.

Белая книга содержит примеры и цели внедрения ИИ, а также эффекты от его применения. Авторы работы приводят обзор государственных и отраслевых мер поддержки, нормативно-правовых актов, определяют специфику для отрасли и дают рекомендации. Рассматриваются наиболее эффективные виды ИИ-решений и барьеры их использования.

Ключевые выводы:

• в работе приводятся 12 наиболее распространенных бизнес-кейсов внедрения ИИ в транспорте и логистике. Так, искусственный интеллект используют для оптимизации маршрутов и управления грузоперевозками, прогнозирования спроса, управления складскими операциями и автономными транспортными средствами, для предиктивного обслуживания, анализа данных и улучшения клиентского опыта;
• авторы определяют шесть целей внедрения ИИ-решений: оптимизация и автоматизация процессов, повышение безопасности, улучшение клиентского опыта, анализ данных и прогнозирование, снижение углеродного следа и повышение финансовой эффективности;
• среди основных эффектов от ИИ указано сокращение расходов до 40% на логистические операции в связи с автоматизацией, заторов — до 50%, ДТП — до 8,2%, убытков от простоя и ремонтов — до 65%. Производительность специализированной техники увеличивается до 25%, средняя скорость на участках дороги с интеллектуальными транспортными системами — до 20%, пропускная способность улично-дорожной сети — до 22%;
• в белой книге определены пять основных принципов внедрения ИИ. Это совместимость с существующими решениями, обучение персонала, постоянный анализ данных, обеспечение безопасности данных, а также гибкость и масштабируемость;
• наиболее значимыми векторами развития ИИ названы автономные транспортные средства, интеллектуальные транспортные системы, анализ больших данных, интеграция с интернетом вещей, а также устойчивое развитие — внедрение искусственного интеллекта для оптимизации использования ресурсов и снижения негативного воздействия на окружающую среду;
• анализ международной практики показал, что большинство ИИ-проектов в транспортной отрасли не достигают заявленных целей или существенно превышают первоначальный бюджет. Основная причина неудач в технолого-центричном подходе: внедрение начинается с выбора платформы машинного обучения или найма специалистов по данным без предварительного анализа бизнес-потребностей и оценки готовности организации;
• авторы белой книги составили методологию формирования требований к ИИ-системам. На первом этапе нужно определить цели и задачи проекта, на втором — проанализировать бизнес-процессы, на третьем — сформировать функциональные и нефункциональные требования. Для транспортной отрасли характерны высокие требования к безопасности и работа с большими объемами гетерогенных данных;
• одна из наиболее распространенных причин неудач ИИ-проектов — недооценка необходимых ресурсов. Традиционный подход к бюджетированию, учитывающий только очевидные статьи расходов, игнорирует до 70% реальных затрат;
• эффективное управление данными — стратегический бизнес-актив, необходимый для конкурентоспособности. Без зрелых процессов Data Management попытки внедрения ИИ приводят к неустойчивым результатам. Успешная цифровая трансформация логистической отрасли возможна только при системном подходе к управлению данными;
• автоматизация рутинных операций, интеллектуальное прогнозирование спроса и времени доставки, динамическая оптимизация маршрутов и управление запасами приводят к сокращению операционных затрат на 15–25% и повышению точности планирования на 25–40%;
• наиболее высокая ИИ-эффективность наблюдается в предиктивном анализе, маршрутизации, диспетчеризации, CV-контроле, планировании графиков и взаимодействии с клиентами;
• среди барьеров внедрения ИИ — фрагментированность ИТ-ландшафта, нехватка данных, кадровый дефицит, юридические ограничения и низкая управленческая готовность.

Расскажите знакомым: