Счеты для бизнеса: сколько денег робот сэкономит вам на доставке

За последние годы мы привыкли к новостям о том, что искусственный интеллект, роботы или алгоритмы научились решать какие-то задачи лучше человека (делопроизводство, обслуживание клиентов и т.д.). Многие области применения искусственного интеллекта, безусловно, интересны, но есть ощущение их оторванности от проблем реального бизнеса. Может ли компания здесь и сейчас повысить свою прибыль с помощью использования современных технологий? Ответим на этот вопрос для компаний, имеющих отношение к коммерческому транспорту.
Всего в России более 4 млн единиц коммерческого транспорта. Прямые затраты компании (в эту сумму входят расходы на топливо, стоимость работы водителя, техническое обслуживание автомобиля, страхование, амортизация или наем автомобиля) на один автомобиль в среднем составляют 1–2 млн руб. в год, поэтому мы говорим о колоссальной части российской экономики.
Для каких компаний актуальна оптимизация логистики
Оптимизация логистики интересна для:
- транспортных компаний, которые доставляют продукцию b2b-клиентам (FMCG-производители и дистрибьюторы или сами торговые сети) или b2c-клиентам (интернет-магазины и курьерские компании);
- сервисных организаций, сотрудники которых выезжают на место для оказания услуги;
- любых других компаний, для которых выезд сотрудника на место — неотъемлемая часть бизнес-процесса (например, для финансового сектора это может быть доставка кредитных карт клиентам цифровых банков).
В каждом из этих случаев компания должна спланировать логистику оптимальным образом.
Робот на службе у логиста
Сейчас во многих компаниях специалисты планируют маршруты вручную. При этом они вынуждены держать в уме сотни параметров, включая интервалы доставки, совместимость грузов и дорожную обстановку.
Задача
Представим, что у компании 200 машин и около 6 тыс. точек доставки. Каждую точку необходимо посетить в определенный временной промежуток. У каждой из 200 машин определенная грузоподъемность и стоимость использования. В приоритете для компании доставка на собственных автомобилях, но грузовики не могут доставить товар до точки в центре города из-за транспортных ограничений. Кроме того, в течение дня дорожная ситуация постоянно меняется. Все эти требования серьезно усложняют задачу.
Проблема
Даже опытный логист потратит на решение этой задачи несколько часов, и в случае ограниченного интервала времени (машины должны выехать в 5 часов утра, а складу необходимо получить задания на компоновку в 2 часа ночи) оно, скорее всего, не будет оптимальным.
Решить подобную задачу трудно человеку, но не роботу.
- Во-первых, алгоритм обрабатывает данные внутренней системы компании.
Задача четко формализована: у каждого набора маршрутов есть общий пробег, время, количество возможных опозданий, цена работы водителя, стоимость использованных автомобилей и прочие параметры, которые можно в итоге свести к общей стоимости решения.
В некоторых случаях складывается ситуация, когда машин очевидно недостаточно, чтобы спланировать все маршруты без опозданий. В этом случае бизнес может решить, какой заказ для него является более приоритетным, а какой менее.
Алгоритм ищет решение с минимальной стоимостью.
- Во-вторых, специалист при решении задачи вынужден сильно упрощать вводные данные.
Например, в Москве около 3 млн дорожных сегментов. Алгоритм способен использовать прогноз средней скорости для каждого сегмента на каждый 15-минутный интервал дня планирования, а логист в лучшем случае ограничивается собственными знаниями о дорожной ситуации в это время.
- В-третьих, сама задача алгоритмически сложная, и не существует простого эвристического алгоритма приближенного решения.
Это означает, что логист, выполняя задачу вручную, рассмотрит всего несколько вариантов решений и будет далек от потенциального оптимума. Алгоритм, в свою очередь, сможет сравнить миллиарды решений и значительно сильнее приблизиться к оптимуму.
Насколько алгоритм эффективнее логиста
За последний год мы провели более ста сравнений решений алгоритма с решениями логистов компаний, работающих в разных секторах. В подавляющем большинстве стоимость подобранного им решения была на 10–20% ниже, чем стоимость решения, подобранного вручную.
Этот выигрыш был крайне стабилен от компании к компании, и разница чаще всего была вызвана не мастерством логиста, а долей транспортных затрат, не поддающихся оптимизации (условно, если склад далеко от города, то «плечо» от склада до города сохраняется во всех решениях и общий прирост в эффективности робота становится меньше).
Каким компаниям выгоднее всего использовать алгоритмы
- компаниям с окологородской сетью маршрутов
Наибольший профит достигался у компаний с окологородской сетью маршрутов последней мили: доставка интернет-магазинов, доставка продукции до офисов, ресторанов и небольших магазинов и т.п.
- крупным компаниям
Другой важный фактор — величина компании. Чем больше у компании автомобилей и заказов, тем более вариативной становится задача и тем больше поле, на котором алгоритм сможет обыграть логиста. К примеру, если у компании десять автомобилей, то алгоритм вряд ли сможет решить задачу с доставкой при помощи девяти. Однако если у компании сто автомобилей, то он наверняка оптимизирует маршруты 80–90, а если 1 тыс. — то 700–800.
Сколько денег алгоритм сэкономит крупной транспортной компании
Оптимизация на 10–20% — это много или мало? Условная компания с 200 автомобилями тратит на транспорт около 300 млн руб. в год. Использование алгоритма позволит ей сократить затраты на 30–60 млн руб. в год. Если транспортные затраты составляют значительную часть затрат бизнеса, то речь может идти о нескольких процентных пунктах к маржинальности бизнеса.
Сколько денег алгоритм сэкономит интернет-магазину
Интернет-магазин товаров для дома ежедневно получает в среднем около 2,1 тыс. заказов и располагает 52 машинами. Процент опозданий колеблется в среднем от 8 до 10%, то есть компания ежедневно не доставляет вовремя около 200 товаров.
По оценкам логистов, средняя стоимость использования одной небольшой машины составляет 5,3 тыс. руб. в день — сюда входят топливо, оплата труда водителя, амортизация транспортного средства или стоимость его найма.
Транспортные расходы магазина достигают 275, 6 тыс. руб. в день без учета стоимости опозданий. С помощью технологий маршрутизации можно проложить маршруты так, чтобы на каждую машину приходилось больше точек доставки. В итоге получится уменьшить количество автомобилей до 44, что дает ощутимую экономию — 42,4 тыс. руб. в день, 1,27 млн руб. в месяц. В этом случае экономия составит 15,5%.

Что будет делать логист, когда его задачи станут решать роботы
Что будет делать логист, когда использование искусственного интеллекта станет повсеместным? Наш ответ: он будет управлять алгоритмом. Нужно понимать, что алгоритм эффективно решает максимально формализованную задачу. В реальности всегда остается множество нюансов, и только человек может принять правильное решение о том, в Калининградской или Московской области находится Краснознаменск, а также что делать, когда товар по формальным признакам не помещается ни в один автомобиль (условный ковер можно свернуть, а условную люстру положить в кабину к водителю), — здесь робот бессилен.
Другой важной задачей для логиста становится формализация процесса. Задачи бизнеса постоянно меняются, и необходимо уточнять формализованную модель логистики, с которой работает алгоритм, чтобы она продолжала соответствовать интересам бизнеса. Постепенно работа логиста будет превращаться из механической рутины в более аналитический, инженерный процесс.
В заключение отметим, что оптимизация коммерческого транспорта при помощи алгоритма не только служит интересам бизнеса по росту прибыли, но и несет в себе общественное благо. Чем более эффективным будет использование коммерческих автомобилей, тем количество пробок будет меньше, улицы — тише, а воздух — чище.