ИИ-диспетчер в составе X-TMS
Хватит угадывать, кому отдать груз. X-TMS оценивает каждый вариант, показывает логику решения и назначает водителя в один клик.
Назначение водителя — самое важное решение диспетчера. Пусть X-TMS его обострит
Каждый груз, который вы распределяете, — это задача оптимизации с кучей переменных: кто из водителей ближе, у кого нужная техника, кто сегодня в графике on-time, кто эффективнее на этом направлении, у кого подходят к концу часы работы, кто дольше всех ждёт.
Большинство решений принимаются «на чутьё» — и чутьё ошибается в 20–30% случаев. Неудачное назначение — это часы простоя, перерасход топливного бюджета или недовольный водитель.
ИИ в X-TMS оценивает каждого свободного водителя по каждому открытому грузу — шесть факторов с весами. Рекомендация объяснима: видно, почему водитель A получил 87 баллов, а водитель B — 71, и можно переопределить решение одним кликом.
Как это работает
-
1
Задайте стратегию назначения
Три преднастройки — «Эффективность на первом месте» (максимум доставок в срок), «Баланс» (среднее по факторам), «Минимум затрат» (топливо + оплата водителю). Веса настраиваются по подразделениям.
-
2
ИИ оценивает каждую пару «водитель — груз»
Шесть факторов: историческая эффективность водителя, on-time rate, соответствие техники (опасные грузы, рефрижератор, негабарит), оптимизация затрат (топливо + оплата), приоритет груза и соблюдение часов работы (HOS).
-
3
Лучшие рекомендации на поверхности
Топ-3 кандидата по каждому грузу с числовой оценкой и подробным обоснованием — точно видно, какие факторы дали такую оценку.
-
4
Диспетчер подтверждает или переопределяет
Большинство диспетчеров соглашаются с рекомендацией ИИ в 80%+ случаев. Те 20%, где переопределяют, логируются — модель учится со временем.
-
5
Назначение сохраняется с полным аудитом
По каждому назначению фиксируется оценка ИИ, рассмотренные альтернативы и выбор диспетчера. Поиск по истории — для разборов и оценки эффективности.
В цифрах
Что входит
- Шестифакторная оценка водителя (эффективность, on-time, техника, стоимость, приоритет, HOS)
- Три преднастроенные стратегии плюс настройка весов вручную
- Фильтрация по возможностям техники (опасные грузы, рефрижератор, жидкости, негабарит)
- Проверка соблюдения часов работы (HOS) до предложения кандидата
- Топ-3 кандидата по каждому грузу
- Объяснимая оценка (полное обоснование по каждому кандидату)
- Назначение в один клик из панели рекомендаций
- Логирование переопределений для обучения модели
- Настройка весов по подразделениям
- Пересчёт оценок в реальном времени по мере завершения грузов
Кому подходит больше всего
ИИ закрывает рутинные 80%, диспетчер сосредотачивается на исключениях.
Рекомендации ИИ обучают новичков логике назначений — видно обоснование в реальном времени.
ИИ не предложит водителя без нужных сертификатов — до того, как ошибка случится.
Разные веса по подразделениям — где-то приоритет эффективности, где-то минимуму затрат.
Чего ждать при внедрении
Большинство команд недооценивают работу с людьми и процессами, которая сопровождает любое новое решение. AI Driver Matching технически включается легко, но спокойный запуск всё равно выигрывает от короткой согласованной работы между диспетчерской, IT и руководством. Ниже — то, что мы обычно видим в успешных внедрениях.
Неделя 0 — согласование со стейкхолдерами
Определите одного внутреннего ответственного за внедрение. Утвердите метрику, которую планируете улучшить (звонки в день, сэкономленные часы диспетчера, время от груза до водителя, цикл расчётов — что подходит). Согласуйте с руководством, лидами диспетчерской и водителями, что меняется и зачем. Это одна-две короткие встречи, а не недели.
Неделя 1 — запуск пилота
Подключите AI Driver Matching сначала на узкий участок — один диспетчер, одно направление или часть клиентов. Убедитесь, что интеграция ведёт себя как ожидаете на ваших реальных данных. Зафиксируйте пограничные случаи, которые стандартная настройка не учла. Поддержка X-TMS работает с вами на всём этом этапе.
Недели 2–4 — постепенное масштабирование
Расширяйте охват — больше диспетчеров, больше направлений, больше объёмов. Большинство команд выходят на полную мощность за 2–4 недели после пилота. Следите за метрикой, которую согласовали на Неделе 0 — это честный сигнал, делает ли внедрение то, ради чего вы его купили.
Постоянно — итерации
Проверяйте AI Driver Matching ежемесячно вместе с командой в течение первого квартала. Подкручивайте конфигурацию (критерии, пороги, веса) по тому, что работает, а что нет. Это нормально — любой ИИ-процесс выигрывает от пары итераций, пока подстраивается под вашу конкретную операцию.
Типовые ошибки, которых стоит избегать
Пропустить пилот. Команды, которые пытаются включить всё сразу глобально, обычно находят пограничные случаи в самый неудачный момент — под живой нагрузкой. Пилот на неделю это исключает.
Нет понятной метрики успеха. Если вы не можете сформулировать, как выглядит «хорошо», то не поймёте, удалось внедрение или нет. Выберите одну цифру и отслеживайте её.
Относиться к ИИ как к чёрному ящику. AI Driver Matching показывает логику за каждой рекомендацией. Пользуйтесь этим в первые недели — ваша команда учится логике ИИ, а ИИ учится предпочтениям вашей команды.
Частые вопросы
ИИ — это чёрный ящик?
Нет. Каждая оценка раскладывается на вклад факторов — видно, почему водитель A получил выше, чем водитель B. Диспетчер может перепроверить любую рекомендацию.
Что если рекомендация ИИ ошибочна?
Переопределяете в один клик. Переопределение логируется вместе с вашим обоснованием и идёт обратно в модель. Со временем ИИ подстраивается под логику вашей команды.
Работает ли это с моей схемой оплаты водителю?
Да. Оплата водителю (процент от груза, фикс за груз или по километрам) настраивается индивидуально и напрямую участвует в факторе оптимизации затрат.
Как работает интеграция с HOS (часы работы)?
X-TMS читает данные ELD из Samsara (или напрямую через API ELD) и исключает водителей, которые по остатку часов не успеют легально закрыть груз.
Можно ли отключить рекомендации ИИ и назначать вручную?
Да. Рекомендации ИИ — это подсказки. У диспетчера всегда есть полный ручной контроль.