Проблема: горы бумаги и ручной ввод
Логистические компании ежедневно обрабатывают сотни документов: накладные, ТТН, CMR, счета-фактуры, таможенные декларации. Большинство из них приходят в виде PDF, сканов или фотографий. Ввод данных вручную — медленно, дорого и с ошибками.
В нашем кейсе: логистическая компания с оборотом 500+ отправлений в день тратила 8 операторов на ручной ввод данных из накладных в TMS. Средняя скорость — 15–20 документов в час на оператора. Процент ошибок — 3–5%.
Решение: RPA + AI OCR
Мы построили следующий пайплайн:
Шаг 1: Получение документов
Входящие документы из почты, Telegram-бота и папок на сервере автоматически поступают в обработку. Робот мониторит источники каждые 2 минуты.
Шаг 2: OCR-распознавание
AI-модель (fine-tuned на образцах клиента) распознаёт документ, определяет тип (накладная ТОРГ-12, ТТН, CMR, счёт-фактура) и извлекает структурированные поля: номер, дата, контрагент, ИНН, позиции, суммы.
Шаг 3: Валидация
- •Проверка ИНН в базе ЕГРЮЛ
- •Сверка сумм (итог = сумма позиций)
- •Проверка дубликатов в системе
- •Флаг для ручной проверки при низком уровне уверенности
Шаг 4: Загрузка в TMS
RPA-робот открывает TMS, заполняет форму извлечёнными данными и создаёт запись. Время операции — 30–45 секунд вместо 3–5 минут вручную.
Шаг 5: Уведомление
Менеджер получает уведомление о загруженных документах и список документов на ручную проверку (обычно 3–7% от общего потока).
Результаты через 3 месяца после внедрения
| Метрика | До | После |
|---|---|---|
| Обработка 1 документа | 3–5 мин | 30–45 сек |
| Количество операторов | 8 | 2 (контроль качества) |
| Процент ошибок | 3–5% | 0.3% |
| Документов в день | 500 | 900+ (масштабирование) |
| Экономия ФОТ | — | 480 000 ₽/мес |
Суммарная экономия: 200+ человеко-часов в месяц.
Технический стек
- •OCR: ABBYY FlexiCapture + кастомная модель на базе LayoutLM
- •Оркестрация: n8n (self-hosted на серверах клиента)
- •RPA: UiPath для работы с TMS-интерфейсом
- •Валидация: Python-скрипты + API ФНС для проверки ИНН
- •Хранение: PostgreSQL для логов и статистики
Типичные сложности при внедрении RPA в логистике
Вариативность документов. Каждый поставщик использует свой шаблон. Решение: обучение модели на репрезентативной выборке (200–500 документов каждого типа).
Плохое качество сканов. Фотографии с телефона, повёрнутые и мятые документы. Решение: предобработка изображений (выравнивание, улучшение контраста) перед OCR.
Изменение форматов. Поставщики меняют шаблоны. Решение: мониторинг качества распознавания, автоматические алерты при снижении точности.
Вывод
RPA в логистике — один из самых быстроокупаемых AI-проектов. Типичный ROI: 150–300% за первый год. Ключевой фактор успеха — качественная обучающая выборка документов и грамотно построенный процесс валидации.