Искусственный интеллект в логистике и управлении цепями поставок

Где заканчивается автоматизация и начинается интеллект?

• ИИ, машинное обучение, нейросети, компьютерное зрение — почему это не синонимы и как они соотносятся.

• Три типа задач ML: обучение с учителем, без учителя, с подкреплением — и их прямые аналоги в логистике.

• Как модель учится и ошибается: функция потерь, переобучение, почему 99% точности на истории не гарантирует успеха.

• Ландшафт моделей 2026 года: GPT-5.x, Claude Opus, DeepSeek, YandexGPT — что выбрать под задачу и бюджет.

• Принципиальные ограничения ИИ: галлюцинации, нестабильность, отсутствие причинно-следственного мышления.

Как за 30 минут написать модель, которая предсказывает, опоздает ли грузовик?

• От бизнес-задачи к учебному датасету: какие признаки влияют на опоздание и как превратить их в числа.

• Перцептрон на бумаге: разбираем математику нейрона без кода — взвешенная сумма, функция активации, предсказание.

• Пишем перцептрон на Python: загружаем данные, обучаем модель, смотрим на результат.

• Градиентный спуск и learning rate: как размер шага меняет качество обучения — экспериментируем и «ломаем» нейросеть.

• Что означают веса: модель обучена — какой признак оказался главным и почему это важно для управленца.

Как предсказать спрос, время доставки и каскадные сбои в цепях поставок?

• Методы прогнозирования: от наивного среднего до XGBoost — когда что применять и сколько это стоит.

• Метрики качества прогноза: MAE, MAPE, RMSE — что выбрать логисту и как не попасться на «точность 99%».

• Прогнозирование ETA: почему среднее время — плохой советчик, и как модель учитывает пробки, погоду и день недели.

• Графовые нейросети для цепей поставок: как представить сеть поставщиков, складов и маршрутов в виде графа и предсказать каскадные сбои.

• Практикум: строим модель прогноза продаж на реальных данных и оцениваем важность акций, праздников и цены.

Как сократить время сборки на 10–25% и перестать зависеть от «незаменимых» кладовщиков?

• Динамический ABC/XYZ-анализ: почему классический подход устарел и как многомерная кластеризация меняет карту склада каждый день.

• Оптимизация размещения (SLAP): как алгоритмы жадного поиска и генетической эволюции расставляют товары ближе к зоне отгрузки.

• Маршрутизация сборки: от задачи коммивояжёра до волновой сборки — как OR-Tools экономит километры.

• Планирование персонала: как модель превращает прогноз заказов в сменный график с равномерной загрузкой.

• Практикум: на учебных данных склада запускаем ABC-кластеризацию, оптимизацию размещения и строим маршрутный лист.

Как ИИ читает email, строит маршрут и считает деньги?

• Intake-агент: как языковая модель извлекает адреса, груз, ставку из письма, мессенджера или скана заявки.

• Оркестрация: сквозная цепочка без человека — от проверки контрагента до уведомления клиенту.

• Маршрутизация транспорта (VRP) и прогноз ETA: от одной машины до парка с временными окнами — инструменты и ограничения.

• Финансовое закрытие: автоматический ЭДО через ГИС ЭПД, факторинг по факту доставки, комплаенс 115-ФЗ.

• Практикум: собираем в n8n intake-агента, который принимает заявку, парсит её через API и записывает в Google Sheets.

Как не закопать миллионы в пилот, защитить данные и справиться с кризисом за минуты?

• «Кладбище пилотов»: три главные ошибки — ИИ ради ИИ, мусорные данные на входе, разрыв бизнеса и IT.

• Архитектура MVP за 2 недели: Excel + Python-скрипт + API языковой модели + простой дашборд — без ERP и Kubernetes.

• Кибербезопасность при работе с облачными моделями: анонимизация данных, изолированный контур, архитектура Zero-Trust.

• Правовой минимум руководителя: что нужно знать о регулировании ИИ, ответственности за решения алгоритмов и прозрачности данных.

• Управление инцидентами и симуляция сценариев: как ИИ в реальном времени мониторит цепочку, подсвечивает угрозы и предлагает планы А, Б и В.

Как подготовить команду, чтобы она не саботировала внедрение, а требовала его?

• Рынок труда 2026: кадровый дефицит, рост зарплат и почему экстенсивный путь больше не работает.

• Пирамида автоматизации: 90% рутины уходит агентам — человек остаётся стражем исключений.

• Профессии-трансформеры: диспетчер → координатор исключений, начальник склада → архитектор процессов.

• Преодоление сопротивления: прозрачность алгоритмов, соавторство, быстрые победы как лекарство от страха.

• Адаптация новичков: как ИИ-подсказки на ТСД сокращают срок выхода на норматив вдвое.

С чего начать завтра утром, чтобы через год стать лидером рынка?

• Матрица выбора первого проекта: влияние на бизнес vs сложность реализации — с чего начать за 2 недели.

• Аудит готовности: 10 вопросов, которые сэкономят вам миллионы — честная самодиагностика.

• Построение дорожной карты по кварталам: быстрые победы на 2026, масштабирование на 2027, архитектурные изменения на 2028.

• Логистика как платформа: почему ИИ — это не продукт, а экосистема, и как в неё встроиться.

• Заглядывая за горизонт: квантовые вычисления, нейроморфные чипы, AGI — что будет влиять на логистику через 5–10 лет.

• Манифест: ИИ как смерть классического менеджмента и рождение архитектора новой логистики.