Как NATCAR использует нейросети и где подстерегают риски
Нейросети проникли во все отрасли, и логистика не исключение. Может показаться, что ИИ вот-вот заменит диспетчеров, логистов и аналитиков. Но на практике всё сложнее. Мы поговорили с Александром Гореловым, руководителем направления ИТ-разработки NATCAR, о том, где нейросети уже помогают, где пока пробуксовывают и почему полагаться на них без контроля — плохая идея.
Где ИИ реально помогает?
NATCAR пользуется нейросетями во многих направлениях. Например, в аналитике: искусственный интеллект помогает быстрее обрабатывать данные, подмечать тенденции, которые человеческий глаз может упустить. Обработка больших массивов информации, которая раньше занимала часы, теперь выполняется в разы быстрее. А также оперативное реагирование в экстренных ситуациях, скорость принятия решений значительно выше человеческих способностей.
Ещё одно направление — разработка. ИИ помогает писать код, искать ошибки, предлагать оптимизации. Но, как подчёркивает Александр, всегда под контролем человека.
Почему нельзя просто довериться нейросети?
Главная проблема нейросетей — их непредсказуемость. Они могут «галлюцинировать»: забыть важные данные, сделать неверные выводы или даже удалить часть рабочего кода. Александр вспоминает историю: тестируя инструмент для разработчиков, нейросеть взяла и удалила целый блок кода, а потом начала переписывать его заново. Код, конечно, оказался неработоспособным.
Такие случаи — не редкость. Известна история с Amazon, где нейросеть допустила ошибку при управлении инфраструктурой, что привело к масштабному сбою на сутки, а это потерянные миллионы долларов. Вывод прост: нейросеть — это мощный, но опасный инструмент, если пустить её на самотек.
«Современная нейронная сеть — это как станок с ЧПУ, — объясняет Александр. — Он делает болванку, но фигурку из неё всё равно доводит руками мастер. Так же и здесь: нейросеть сильно помогает, но контроль и верификация результата остаются за человеком».
Где скрываются сложности?
Две основные технические проблемы — ограниченный контекст нейросетей и нехватка памяти. У нейросети маленькое «окно»: она может забыть то, что обсуждала несколько шагов назад. Чтобы это компенсировать, разработчики создают специальные «банки памяти» — хранилища знаний, где фиксируются важные детали, особенности работы с разными контрагентами, нюансы маршрутов.
«Допустим, нейросеть пишет грузополучателю: "Извините, машина задерживается на 2 часа". А ей отвечают: "Ничего страшного, мы всё равно сможем встретить её только через 4". Эта информация должна где-то сохраниться, чтобы в следующий раз нейросеть знала: с этим клиентом задержка не критична»,
— рассказывает Александр.
Что в итоге?
Нейросети уже сегодня помогают NATCAR ускорять процессы, экономить ресурсы и быстрее реагировать на изменения. Но они остаются инструментом, а не заменой специалиста. Самый перспективный подход — гибридный: ИИ берёт на себя рутину, а человек контролирует, корректирует и принимает финальные решения.
«ИИ — это не искусственный интеллект в том смысле, который мы привыкли видеть в фильмах, — резюмирует Александр. — Это мощный помощник, но всегда должен быть контроль. И тогда можно добиться хороших результатов».
#NATCAR #NATCAR_экспертиза #NATCAR_Faces
