Агентный ИИ в логистике дает сбои без пространственного мышления, говорит Барт Коппелманс из HERE
Ключевые выводы
- •Универсальные ИИ-модели правильно отвечают лишь примерно на 55% базовых вопросов о пространственных направлениях, по данным HERE Technologies.
- •HERE считает, что логистический ИИ должен опираться на location intelligence с самого начала, чтобы избежать ошибочной маршрутизации и неверных планировочных выводов.
- •В наборах данных HERE содержится более 800,000 точек данных, специфичных для грузовиков, включая платные участки, ограничения на дорогах и разрешенные маршруты.
- •Компания описывает свой подход как assisted journey, в котором операторы-люди сохраняют контроль над решениями.
- •Коппелманс заявил, что следующим крупным этапом станет многоагентное сотрудничество между системами клиентов и сторонних участников.

Агентный ИИ в логистике по-прежнему дает сбои, когда в работу включается пространственное мышление. Барт Коппелманс из HERE Technologies объясняет, почему общие ИИ-модели могут понимать язык, но по-прежнему ошибаются при маршрутизации грузовиков, учете мостов с низким габаритом, парковок, заторов и фактического исполнения в реальных условиях. В этом выпуске FreightWaves Today Коппелманс показывает, почему location intelligence должна быть встроена в логистический ИИ с самого начала, а не добавляться позже, и как более точная пространственная привязка может в реальном времени связать планирование, исполнение и обратную связь от водителей. #LogisticsAI #SupplyChainTech #TruckingTechnology
Универсальные большие языковые модели правильно отвечают лишь примерно на 55% базовых вопросов о направлениях, и этот разрыв в точности напрямую мешает внедрению агентного ИИ в логистике, по словам Барта Коппелманса, руководителя направления enterprise product в HERE Technologies. Компания, которая на протяжении нескольких десятилетий обеспечивает системы управления перевозками, автопарком и доставкой последней мили, утверждает, что location intelligence должна быть встроена в основу любого логистического процесса на базе ИИ, а не добавляться позже. Это важно в отрасли, где решения по маршрутизации влияют на соблюдение требований, сроки обслуживания, опыт водителей и операционные затраты, а неверная рекомендация может быть больше, чем просто программной ошибкой.
Как объяснил Коппелманс, ключевая проблема в том, что передовые ИИ-модели понимают естественный язык, но не обладают пространственным мышлением, необходимым для реальных грузовых перевозок. Такие рутинные задачи, как перенаправление грузовиков с низким габаритом в обход ограничений мостов, поиск парковок для грузовиков и прогнозирование загруженности портов или трафика, требуют плотного массива географически привязанных данных, которых у современных больших языковых моделей нет внутри. Картографические и локационные наборы данных HERE включают более 800,000 точек данных, специфичных для грузовиков, включая платные участки, ограничения на дорогах и разрешенные маршруты.
«Если вы не связали модель и граф местоположения и геопространственную модель под ней, она начинает сильно галлюцинировать в ваших ответах и в получаемых результатах», — сказал Коппелманс.
«Мы рассматриваем это не как путь к автоматизации. Мы рассматриваем это действительно как путь к поддержке человека», — Барт Коппелманс, Head of Enterprise Product, HERE Technologies
Коппелманс описал устойчивый разрыв между офисным планированием и выполнением на дороге, который агентный ИИ при правильной опоре на данные о местоположении может помочь сократить. Диспетчеры могут построить маршрут, который выглядит оптимальным, но водители сталкиваются с условиями в реальном времени, которые делают план непригодным. Подход HERE создает петлю обратной связи: компания собирает данные от водителей на местах, передает их планировщикам и формирует шаблон обучения, чтобы один и тот же сбой не повторялся. Цель, по его словам, — перейти от статического планирования к динамической оркестрации между диспетчерами, операторами и водителями.
Помимо маршрутизации, Коппелманс описал более широкую возможность как «transportation intelligence» — термин, которым он обозначил механизм компромиссов, разрабатываемый HERE для одновременной оптимизации затрат, соблюдения требований, рисков, безопасности и устойчивости. Вместо расчета единственного маршрута из точки A в точку B система должна позволять операторам задавать те KPI или соглашения об уровне сервиса, которые важны для конкретной операции, и получать проактивные рекомендации, согласованные с этими приоритетами. На практике это делает пространственные данные ключевым входом в повседневные логистические решения, а не просто картографическим слоем поверх них.
Отвечая на вопрос о человеческом контроле, Коппелманс был прямолинеен: на текущем этапе технологии именно человек должен сохранять контроль над принятием решений. Он привел пример изменения ограничений — если планировщик ослабляет ограничение по расстоянию или стоимости, система теперь может показать последующее влияние на общую стоимость, но решение о внедрении такого изменения остается за человеком-оператором. Он добавил, что не верит в полностью автоматизированные логистические системы «по крайней мере еще некоторое время».
Заглядывая вперед, Коппелманс назвал многоагентное взаимодействие следующим рубежом — связать агентов HERE напрямую с системами клиентов и сторонними агентами, чтобы информация и решения свободно проходили через организационные границы без необходимости глубокой интеграции ПО на каждой стороне. Для отрасли в целом ближайший приоритет, по его словам, — устранить фрагментацию, последовательно применяя агентные возможности во всех рабочих процессах, которые сегодня по-прежнему остаются в силосах.
Передовые ИИ-модели правильно отвечают лишь на 55% базовых вопросов о пространственных направлениях, что ограничивает их надежность в маршрутизации и планировании логистики.
HERE Technologies встраивает в свои наборы локационных данных более 800,000 точек данных, специфичных для грузовиков, включая платные участки, ограничения на дорогах и разрешенные маршруты, чтобы заземлять результаты ИИ.
HERE рассматривает agentic AI как «assisted journey» с контролем со стороны человека и считает многоагентное сотрудничество между системами клиентов и сторонних участников следующим крупным этапом развития.
Это краткое изложение создано на основе транскрипции интервью; для полного интервью, пожалуйста, посмотрите видео выше.
Публикация Agentic AI in Logistics: Why 55% Accuracy Fails впервые появилась на FreightWaves.