AI-агенты в логистике последней мили: что уже работает

Последняя миля — участок от последнего склада до двери получателя — стабильно съедает от 40 до 53% всех расходов на доставку по разным отраслевым оценкам (диапазон гуляет от исследования к исследованию, единой цифры нет). Именно здесь операторы теряют деньги на неудачных попытках вручить посылку, звонках диспетчеров и ручном перестроении маршрутов. За последний год крупные логистические платформы и стартапы начали вешать на этот участок не просто алгоритмы оптимизации, а AI-агентов: программы, которые сами решают, кому позвонить, какой маршрут пересобрать и как ответить на жалобу, без человека в каждом шаге.

Разница между «оптимизатором маршрутов», который лежит в логистике уже двадцать лет, и агентом — принципиальная. Оптимизатор считает один раз и выдаёт план. Агент работает в цикле: получает событие (курьер опоздал, клиент не отвечает, пробка), сам выбирает действие, выполняет его через API или голосовой звонок и оценивает результат. Ниже — что из этого уже в проде, а что пока красивое видео на конференции.

Что именно делают агенты на последней миле

Логистический агент — это не одна модель, а связка: языковая модель как «мозг» для принятия решений, набор инструментов (доступ к системе управления заказами, картам, телефонии) и слой памяти о контексте заказа. Задачи, где такие связки уже приносят измеримую пользу, довольно узкие.

Динамическая пересборка маршрутов

Классический VRP¹ решался пакетно: вечером посчитали маршруты на завтра — и всё. Агентный подход добавляет реакцию в реальном времени: курьер застрял, пришёл срочный заказ, клиент перенёс окно доставки — система пересобирает часть маршрутов на лету и уведомляет курьеров. Здесь ядром чаще остаётся классический алгоритм оптимизации, а языковая модель нужна лишь как оркестратор, который решает, когда вообще запускать пересчёт и как объяснить изменение человеку.

Проактивная связь с получателем

Голосовые и текстовые агенты обзванивают клиентов, у которых курьер вот-вот приедет, подтверждают адрес, предлагают перенести время. Это снимает главную боль последней мили — неудачную первую попытку вручения, каждая из которых означает повторный выезд и повторные расходы. Здесь агент реально автономен: ведёт диалог, распознаёт «перенесите на завтра» и сам меняет слот в системе.

Разбор инцидентов и поддержка

Агент читает переписку и историю заказа, классифицирует проблему (потеряна, повреждена, не туда привезли) и либо решает её сам в рамках правил, либо эскалирует человеку с готовым саммари. Экономит время оператора на рутине, но требует жёстких ограничений: агент, который сам оформляет возврат денег, — это зона риска.

Агент хорош там, где решение обратимо и дёшево ошибиться: перезвонить, перенести слот, переспросить адрес. Там, где на кону деньги или юридические последствия, он должен готовить решение, а не принимать его.

Как это соотносится с тем, что было

Чтобы не путать маркетинг с реальностью, полезно сравнить три подхода, которые сейчас сосуществуют в отрасли.

Ключевое отличие агента — свободный ввод и вызов инструментов. Но за это платят: каждый вызов языковой модели стоит денег и времени, а модель может уверенно выдать неверный ответ. Поэтому в проде агент почти всегда обёрнут в правила, которые не дают ему сделать необратимое.

Кому это пригодится, а кому нет

Агенты на последней миле окупаются не везде. Ориентиры простые.

• Пригодится: службам доставки с высокой долей неудачных первых попыток вручения — проактивный обзвон напрямую бьёт по самой дорогой статье расходов.
• Пригодится: операторам с большим объёмом однотипных обращений в поддержку, где 70-80% запросов — это «где моя посылка» и «перенесите время».
• Пригодится: платформам с плотной городской доставкой, где события (пробки, отмены) происходят постоянно и статичный маршрут устаревает через час.
• Скорее не нужно: маленькому бизнесу с десятком доставок в день — здесь диспетчер-человек дешевле и надёжнее любой агентной обвязки.
• Скорее не нужно: доставке дорогих или юридически чувствительных грузов, где цена ошибки агента выше экономии на автоматизации.
• Осторожно: компаниям без чистых данных о заказах — агент, подключённый к бардаку в системе, будет уверенно принимать неверные решения быстрее, чем человек успеет заметить.

Что мешает внедрению прямо сейчас

Технология созрела для пилотов, но не для «поставил и забыл». Основные препятствия:

1. Стоимость вызовов модели. Голосовой агент, обзванивающий тысячи клиентов, — это заметный счёт от провайдера модели и телефонии. Экономика сходится только на объёме.
2. Галлюцинации в критических действиях. Модель может «придумать» адрес или статус. Отсюда обязательный слой валидации и запрет на необратимые операции без подтверждения.
3. Интеграция с легаси-системами. Агенту нужен надёжный доступ к системе управления заказами через API. Во многих компаниях такого API просто нет.
4. Регуляторика голосовых звонков и данных. Автоматический обзвон и обработка персональных данных получателей требуют согласий и аккуратности с законом о персональных данных.

По этим причинам большинство внедрений сегодня — гибридные: агент делает рутину, человек держит руку на рубильнике и разбирает всё, что выходит за рамки.

¹ VRP (Vehicle Routing Problem) — классическая задача о маршрутизации транспорта: как развезти заказы минимальным пробегом с учётом окон доставки, вместимости машин и других ограничений. Решается математическими методами уже десятилетия; агент не заменяет её, а решает, когда её запускать.