ИИ для last-mile доставки: оптимизация маршрутов курьеров

Это Суинчик. Если вы каждое утро вручную раскидываете заказы по курьерам, держите в голове плотность точек по районам, срочные заявки «на сегодня» и звонки от клиентов «перенесите на вечер» — этот гайд для вас. Last-mile (последняя миля) — самый дорогой кусок доставки: по отраслевым оценкам, на неё приходится 30–50% всей стоимости доставки. Здесь же больше всего хаоса: пробки, отмены, недозвоны, узкие временные окна. Хорошая новость: бóльшую часть этой рутины можно отдать ИИ-агенту, а себе оставить контроль и исключения.

Я покажу, как собрать на SUIN.AI агента-диспетчера, который планирует день курьеров, расставляет заказы по временным окнам, перестраивает маршрут при сбоях, пишет клиентам человеческие уведомления и считает метрики (OTD, стоимость доставки, недозвоны). Без выдуманной магии — только то, что реально умеет наша платформа: чат с десятками ведущих моделей, базы знаний, режим запуска кода для таблиц и графиков, MediaLab для инфографики.

ИИ-агент в last-mile — это не «чёрный ящик с роботами-курьерами», а помощник диспетчера, который собирает данные, считает варианты и предлагает решение. Вы остаётесь главным: подтверждаете план, правите исключения, общаетесь с проблемными клиентами. Ниже — карта задач: что просите, что делает агент и какой фразой это запускается.

Дальше — по каждому блоку подробно: сценарий, точная фраза агенту в виде готового шаблона и пример того, что агент вернёт.

Утренний разбор заказов — классическая боль. Нужно спрогнозировать объём, понять, сколько курьеров выходит, и распределить точки с учётом разной плотности по карте. В СДЭК эту задачу решали через кластеризацию и алгоритм коммивояжёра: сначала точки группируются в кластеры по районам, затем внутри кластера строится оптимальный порядок объезда с учётом пробок, заборов по пути и расхода топлива. Тот же подход легко воспроизвести с ИИ-агентом — особенно если у вас 50–300 точек в день.

Самый практичный способ — режим «ИИ-агент» (запуск кода). Вы даёте таблицу заказов (Excel/CSV: адрес, район, окно, вес, приоритет), и агент не «фантазирует», а реально считает: кластеризует точки, балансирует на курьеров, выдаёт порядок объезда и сводку. Подробнее про этот режим — в мастер-классе по ИИ-агентам.

Чтобы агент сразу считал, а не переспрашивал, важно подать заказы в понятном формате. Минимальный набор полей в CSV — ниже. Если каких-то столбцов нет (например, координат) — не страшно, агент обойдётся адресом и районом, просто расчёт будет грубее.

Ты диспетчер последней мили. Во вложении заказы на сегодня (CSV: id, адрес, район, окно_с, окно_до, вес_кг, объём, приоритет, телефон).

Задача:
1) Раскидай заказы на 6 курьеров так, чтобы у каждого было примерно поровну точек и километража.
2) Группируй по районам — минимум переездов между концами города.
3) Внутри маршрута каждого курьера выстрой порядок объезда от центра базы.
4) Срочные (приоритет=1) и узкие окна ставь раньше.

Выдай таблицу: курьер | район(ы) | кол-во точек | примерный км | порядок объезда (id). И короткую сводку перекосов, если есть.

Узкие окна доставки — главная причина срывов OTD. Клиент ждёт «с 18 до 21», а курьер из-за неудачного порядка объезда приезжает в 21:40. ИИ хорошо держит именно эту логику: он учитывает интервалы как жёсткие ограничения и строит маршрут так, чтобы в них попадать, а гибкие точки расставляет между ними.

Пересобери маршрут курьера №3 с учётом окон.

Жёсткие окна (попасть обязательно):
- заказ A12 — 10:00–13:00
- заказ A19 — 18:00–21:00 (клиент на работе до 18)
Гибкие: A05, A08, A14 — в любое время 11–17.
База открывается в 9:30, обед курьера 14:00–14:30.

Выстрой порядок так, чтобы попасть в оба жёстких окна, гибкие — между ними. Покажи расчётное время прибытия по каждой точке и отметь риск опоздания, если он есть.

Идеальный утренний план живёт до первой пробки. Реальная сила ИИ — не в красивом плане, а в динамическом перестроении: когда что-то пошло не так, агент за секунды пересчитывает варианты и предлагает наименее болезненный. В исследованиях по AI route optimization именно динамический rerouting (объезд пробок, реакция на ДТП и перекрытия) даёт основной прирост эффективности — по одной из оценок около 12% к эффективности доставки после перехода на ИИ-маршрутизацию.

Разберём три самых частых сбоя последней мили.

ЧП: курьер №3 встал в пробке на час, у него ещё 5 точек, две с окном до 19:00.
Рядом работают №5 (2 свободных слота) и №1 (заканчивает в районе к 17:30).

Предложи план Б: какие из 5 точек перекинуть и на кого, чтобы не сорвать окна до 19:00.
Покажи, как изменится нагрузка и километраж у тех, кому добавляем. Дай 2 варианта на выбор.

Отмены и переносы в last-mile — норма: клиенты передумывают, уезжают, не открывают дверь. Каждая такая дырка в маршруте — лишний холостой пробег. Агент умеет «схлопывать» маршрут после отмены и подтягивать ближайшую свободную точку.

Клиент по заказу A08 (был 4-й точкой у курьера №2) отменил доставку.
Пересчитай маршрут №2 без этой точки.
Есть нераспределённый срочный заказ B27 в том же районе — можно ли вставить его на освободившееся время?
Покажи новый порядок и новое расчётное время финиша.

Недозвоны бьют по OTD сильнее всего: курьер приехал, а клиент недоступен. Здесь помогает связка «правило + текст». Агент по вашему регламенту решает, что делать (ждать N минут, оставить в ПВЗ/постамат, перенести на завтра), и сразу готовит уведомление клиенту.

Регламент по недозвону: ждём 10 минут, потом 2 попытки звонка с интервалом 3 минуты. Если недоступен — предлагаем постамат рядом или перенос на завтра в то же окно.

Заказ A14: курьер на месте, клиент не отвечает 12 минут.
Дай мне: 1) что делать по регламенту прямо сейчас; 2) готовый текст SMS клиенту с двумя вариантами (постамат / перенос) и ссылкой-заглушкой [ссылка].

Российская боль last-mile, которую не решает «голый» адрес: код домофона, какой подъезд, въезд во двор со шлагбаумом, «оставить у консьержа», частный сектор без номера дома, СНТ с описанием «третий поворот после магазина». Курьер тратит время на дозвон и поиски, а клиент нервничает. Лучшее решение — собрать эти нюансы один раз в базе знаний: таблица «адрес → подсказка по входу». Тогда агент подмешивает подсказку прямо в задание курьеру и в уведомление клиенту.

Из базы знаний возьми адресные подсказки для сегодняшних точек.
К каждому заказу в маршруте добавь короткую заметку курьеру по входу:
- код домофона / нужный подъезд / где въезд во двор;
- «оставить у консьержа», если так помечено;
- для частного сектора/СНТ — ориентир, если точного адреса нет.
Где подсказки в базе нет — пометь «уточнить у клиента» и предложи короткий вопрос для SMS.

Уведомления — недооценённый рычаг. Чёткое «курьер будет с 14:00 до 15:00, вот ссылка на перенос» снижает недозвоны и недовольство. При этом важно соблюдать баланс: по данным опросов, около 86% клиентов всё ещё предпочитают живого человека для сложных ситуаций (повреждённый товар, спор, нестандартный перенос). Поэтому схема такая: рутину (статусы, ETA, простой перенос) пишет агент, а сложные кейсы эскалируются оператору.

Соберите в базе знаний свой тон и шаблоны — и агент будет писать в едином стиле, без «робот-канцелярита». Можно держать несколько тональностей: нейтральную для B2B и тёплую для частных клиентов.

Сделай 4 коротких SMS (до 160 символов каждое), тон тёплый, без воды, на «вы»:
1) Заказ принят, доставка завтра в окно 18:00–21:00.
2) Курьер выехал, будет с 18:10 до 18:40, телефон +7XXX.
3) Курьер опаздывает на ~30 минут из-за пробки, новое время 19:10. Извинение + ссылка на перенос [ссылка].
4) Доставлено, спасибо. Просьба оценить 1–5 в ответном сообщении.

В каждом — номер заказа [N] подставляй как плейсхолдер.

Отдельно стоит прописать правило эскалации: какие обращения агент не отвечает сам, а помечает «нужен живой оператор». Это закрывает те самые 86% сложных кейсов и страхует вас от ситуации, когда бот «бодро» отвечает на жалобу о разбитом товаре.

Правило эскалации. Помечай обращение как [ОПЕРАТОР], если в сообщении клиента есть:
- повреждение/брак товара, недостача, пересорт;
- спор о деньгах, возврат, претензия, угроза жалобой;
- нестандартный перенос (другой город/адрес, частями);
- эмоции/мат/повтор третий раз подряд.

Формат пометки для диспетчера:
[ОПЕРАТОР] заказ [N] | причина: <кратко> | срочность: высокая/обычная | что хочет клиент: <1 строка>
В остальных случаях (статус, ETA, простой перенос) отвечай сам по шаблонам из базы знаний.

Перекос нагрузки — тихий убийца экономики последней мили. Один курьер задыхается с 18 точками и 60 км, другой отъездил 9 точек к обеду. Ручное выравнивание занимает время и часто делается «на глаз». Агент балансирует по нескольким параметрам сразу: число точек, километраж, вес/объём, временные окна и даже опыт курьера.

Проверь баланс смены по таблице (курьер, точки, км, вес).
Найди перегруженных и недогруженных.
Предложи 3–5 точечных перестановок, чтобы выровнять нагрузку, не ломая временные окна и не отправляя курьера в чужой район.
Покажи «до/после» по точкам и километражу для тех, кого затронули.

Что не измеряется — то не улучшается. Главная ошибка — относиться к выводам ИИ как к отчёту «для галочки». Превращайте цифры в решения: где теряем окна, где растёт километраж, у кого больше недозвонов. По отраслевым оценкам, грамотная ИИ-маршрутизация помогает поднять on-time delivery на 20–30% и снизить транспортные расходы; но повторюсь — это ориентир, а не обещание.

Во вложении факт по доставкам за вчера (CSV: id, курьер, план_окно, факт_время, статус, км).

Посчитай:
1) OTD общий и по каждому курьеру (попал в окно / нет).
2) Доля недозвонов и отмен.
3) Средний километраж на заказ.
4) Топ-3 причины опозданий по комментариям.

Построй столбчатый график OTD по курьерам и дай 3 рекомендации, что починить завтра.

Чёрная пятница, 11.11, предновогодние недели — объём заказов вырастает в разы, а курьеров столько же. Здесь агент особенно полезен: он быстро пересчитывает смену под новый объём, подсказывает, где нужен подменный курьер, и где имеет смысл сдвинуть часть доставок на «гибкие» окна следующего дня, чтобы не сорвать жёсткие сегодня.

Распродажа: вместо обычных 120 заказов на сегодня упало 260, курьеров по-прежнему 8.
Во вложении заказы (CSV с окнами и приоритетом).

1) Покажи, сколько физически влезает в 8 курьеров без срыва жёстких окон.
2) Что не помещается — предложи: перенос на завтра (гибкие окна) или постамат/ПВЗ.
3) Посчитай, сколько подменных курьеров закрыли бы остаток, и на какие районы их ставить.
4) Подготовь шаблон SMS для тех, чью доставку предлагаем перенести на завтра.

Последняя миля — не остров. Она опирается на прогноз спроса (сколько курьеров завтра), состояние парка (чтобы машина не встала посреди смены), заказы и остатки на складе и документы. Удобно держать одного «логиста-агента» и подключать к нему задачи по мере роста.

Если возите грузы и между городами — посмотрите AI-native фрахт для международных перевозок. А если не уверены, какую модель выбрать под расчёты и тексты — вот разбор: какая нейросеть лучше для логистики.

Агент считает оптимальный порядок объезда, балансирует нагрузку и учитывает окна на основе ваших данных (адреса, районы, приоритеты). Точные расстояния и время по дорогам проще всего подать самим — файлом/выгрузкой (матрица расстояний из вашего планировщика). Либо их можно подтягивать из картографического сервиса по API через вебхук/MCP — если у сервиса есть открытый API; саму логику распределения и тексты агент соберёт сам.

Удобно разделять задачи. Для расчётов, кода и анализа таблиц (кластеризация точек, OTD, графики) берите модель посильнее в рассуждениях — например, GPT-5.5 или Claude Opus 4.8: они аккуратнее считают и реже ошибаются в логике. Для типовых текстов клиентам (статусы, ETA, простые SMS) хватит более лёгкой и быстрой модели — это дешевле по нейронам при больших объёмах. Все модели доступны в одном окне, переключаться можно прямо в чате. Подробный разбор — в каталоге /neyroseti и в гайде какая нейросеть лучше для логистики.

По исследованиям и публичным кейсам ИИ-маршрутизация помогает поднять on-time delivery на 20–30% и сократить время на построение маршрутов (СДЭК — около 15%). Но это ориентиры, а не гарантия: ваш результат зависит от качества данных, плотности точек и дисциплины процесса. Поэтому начинайте с пилота и меряйте OTD до и после.

Рутину — да: статусы, ETA, простой перенос, напоминания. Сложные кейсы (повреждение, спор, нестандартный перенос) лучше эскалировать живому оператору — большинство клиентов это ценят. Оптимальна гибридная схема: агент пишет 80% типовых сообщений по шаблонам, а по правилу эскалации (см. Шаг 5) помечает сложное флагом «нужен живой оператор» — человек разбирает исключения.

Зоны и границы районов, справочник адресов/ПВЗ/постаматов с подсказками по входу (домофоны, въезды, «у консьержа»), регламенты (недозвон, перенос, возврат), шаблоны уведомлений и тон общения. Чем больше контекста — тем точнее агент распределяет и тем меньше «отсебятины» в текстах клиентам.

SUIN.AI — российский сервис: без VPN, оплата картой РФ, поддержка на русском. Расход считается в нейронах. Начать можно бесплатно — на старте начисляются нейроны, этого хватит, чтобы прогнать пилот на одной смене. Актуальные цены и пакеты — на странице /tarify.

Последняя миля — там, где теряются деньги и нервы, но именно там ИИ даёт быстрый и заметный эффект. Начните с малого: отдайте агенту утренний разбор заказов и тексты уведомлений, померьте OTD за неделю — и вы сами увидите, сколько времени высвобождается у диспетчера. Дальше подключите перепланирование и метрики.