Цифровизация отрасли позволяет снизить издержки и ускорить перемещение транспортных средств.

Более 45% компаний транспортной отрасли России в 2025 г. использовали технологии искусственного интеллекта (ИИ). Об этом свидетельствуют данные консалтинговой компании Strategy Partners.

Внедрение технологий ИИ является важнейшим направлением цифровизации российской транспортной отрасли, сообщал в январе 2026 г. Минтранс. По оценке министерства, в 2025 г. российская транспортная отрасль существенно продвинулась в цифровизации. Цифровизация позволит снизить издержки компаний и ускорить перемещение грузов и пассажиров, отмечал тогда министр транспорта Андрей Никитин.

По оценке Минтранса, в результате цифровизации транспортной отрасли в России должна быть создана единая транспортная система, в рамках которой происходит взаимодействие всех видов перевозок – от автомобильных до авиационных.

Для систематизации внедрения технологий ИИ на транспорте был подготовлен комплексный документ – "Белая книга".

На каких видах транспорта уже применяются технологии ИИ, какие направления наиболее популярны и что затрудняет массовое внедрение таких технологий – в материале "Ведомости. Промышленности и инфраструктуры".

Какие технологии ИИ применяются в отрасли

За последние два года уровень внедрения технологий ИИ заметно вырос – в 2023 г. их использовали только 28,8% транспортных предприятий, сообщили "Ведомости. Промышленности и инфраструктуре" в Strategy Partners. По данным компании, применение ИИ в 61% случаев позволяет компаниям ускорить процессы, а в 46% дает прямой экономический результат, снижая затраты и увеличивая выручку, отмечает партнер Strategy Partners Алексей Волостнов. В целом отрасль занимает пятое место в российской экономике по уровню внедрения ИИ, а темпы роста превышают 22% в год, говорит эксперт.

По его словам, наиболее массово применяются те технологии, которые дают быстрый эффект при умеренных вложениях, – это прежде всего обработка данных и оптимизация маршрутов. Более сложные инструменты, такие как компьютерное зрение и предиктивная аналитика (прогнозирование поломок и спроса), требуют более существенных инвестиций и внедряются медленнее, но также постепенно переходят из экспериментальной стадии в прикладную, указывает Волостнов.

Как правило, компании одновременно применяют нескольких ключевых технологий, поясняет партнер консалтинговой компании Kept Сергей Казачков. Например, беспилотный транспорт сочетает системы компьютерного зрения, алгоритмы распознавания окружающей среды и решения для оптимизации маршрутов и режимов движения, говорит он. При этом цифровые технологии внедряются не только в сами транспортные средства, но и в инфраструктуру – они используются для анализа дорожной ситуации и управления трафиком, добавляет эксперт.

Наиболее развитым направлением внедрения ИИ в настоящее время являются алгоритмы машинного обучения (ML), которые оптимизируют маршруты и управление цепочками поставок, говорит партнер консалтинговой компании "Яков и партнеры" Максим Болотских. Такие системы позволяют сократить пробег и операционные расходы на 10-20%, отмечает эксперт. По оценке Strategy Partners, интеллектуальная маршрутизация, т. е. автоматический расчет оптимального маршрута с учетом трафика, загрузки и других факторов, позволяет снижать пробег на 15-25%.

Второй по распространенности класс технологий – компьютерное зрение. Это системы, которые анализируют изображения и видео, например контролируют загрузку на складе, распознают номера автомобилей или отслеживают состояние инфраструктуры, объясняет Болотских. По оценке Strategy Partners, такие решения применяет более чем 40% компаний, использующих технологии ИИ. Они позволяют снижать аварийность на 20-30%, отмечает Волостнов.

Третье по популярности направление – предиктивная аналитика. Это прогнозирование будущих событий, например поломки оборудования, задержек движения или нехватки топлива, говорит Болотских. По оценке Strategy Partners, в транспортной отрасли такие системы позволяют сокращать простои на 25-35%.

Наименее совершенным, но достаточно заметным направлением являются беспилотные технологии. В России эксплуатируются автономные грузовики: по данным Минтранса, на трассах работает 95 таких машин, которые суммарно проехали более 9,5 млн км. Например, в рамках эксперимента грузовик Navio от "Сбера" проехал маршрут Санкт-Петербург – Казань длиной 1600 км за 24 часа. При этом классическая грузоперевозка по этому маршруту занимает в два раза больше времени, поскольку водителю необходимо соблюдать режим труда и отдыха, отмечал в январе Минтранс.

По оценкам министерства, такие машины способны двигаться в среднем на 11% быстрее, а их расходы на топливо и обслуживание на 10-14% ниже, говорит аналитик Data Insight Сергей Семко. Но пока это не массовый рынок, обращает внимание эксперт. Он подчеркивает, что сейчас автономные перевозки возможны по "коридорной модели" – на отдельных трассах, где есть необходимая инфраструктура. Их масштабирование будет происходить медленнее, чем хотелось бы, считает Семко.

Несмотря на высокий интерес, технологии беспилотных автомобилей пока применяются в рамках экспериментальных правовых режимов и ограниченно используются в коммерции, подтверждают Волостнов и Болотских. При этом, по словам Болотских, в отрасли ожидают перехода к более масштабному промышленному внедрению автономных грузовиков – такие проекты развивает сразу несколько компаний, в том числе Navio и "Яндекс". Параллельно прорабатываются решения по использованию беспилотников для доставки "последней мили", отмечает эксперт.

Сегменты-лидеры

Быстрее всего ИИ и автоматизация в транспортной логистике внедряются в тех сегментах, где они приносят быстрый экономический эффект, – в магистральных грузоперевозках и на складах, отмечает Семко. Это во многом связано с высокой конкуренцией, особенно со стороны электронной коммерции, что сделало автоматизацию необходимостью, поясняет Болотских. Средний срок окупаемости таких проектов составляет 2-3 года, что делает их понятными для бизнеса, добавляет он.

По словам Семко, важным направлением внедрения технологий ИИ в логистике является их использование внутри систем управления – прежде всего TMS (системы управления перевозками) и WMS (системы управления складом). Это наиболее массовое и одновременно наименее заметное направление автоматизации в отрасли, говорит аналитик. В таких системах используются интеллектуальная маршрутизация и предиктивная аналитика, уточняет он. В крупных розничных сетях, электронной коммерции и у логистических операторов такие системы работают в связке – данные о перевозках и складах объединяются, обеспечивается сквозная прослеживаемость грузов, используется электронный документооборот и интеграции между сервисами, поясняет Семко.

На складах активно внедряются роботизированные решения, которые позволяют компенсировать нехватку персонала, ускорить операции и снизить травматизм, отмечает Казачков. По словам Семко, внедрение ИИ и автоматизации на складах носит прежде всего прикладной характер: там используются беспилотные вилочные погрузчики, штабелеры, паллетные роботы, автономные внутрискладские грузовики и системы управления парком. Подобные решения предлагают, в частности, "Яндекс роботикс", AXELOT (совместно с EP Equipment), Lardo Robotics и "Эвокарго", рассказывает аналитик. Но их масштабирование ограничено инфраструктурными факторами – многие склады не приспособлены для роботизации, а их переоборудование требует значительных инвестиций, замечает он.

Вторым по скорости внедрения сегментом является автомобильный транспорт, говорит Болотских. По его мнению, этому способствуют уже действующие технологии – телематика (сбор данных о движении и вождении), страховые модели на основе этих данных и интеграция с государственной системой спутниковой навигации "Глонасс". Волостнов считает автотранспорт лидером по внедрению технологий ИИ. Они позволяют снижать расход топлива на 5-10% и окупаются в среднем за 1-2 года, отмечает аналитик.

ИИ также активно внедряется на железнодорожном транспорте, напоминает Волостнов. Представитель РЖД сообщил "Ведомости. Промышленности и инфраструктуре", что такие технологии используются уже примерно в 40 информационных системах компании. Они применяются для формирования графиков движения грузовых поездов, прогнозирования объемов перевозок, диагностики состояния инфраструктуры и подвижного состава, а также планирования работы локомотивных бригад, уточнил он.

В числе используемых решений – система интеллектуального осмотра вагонов, которая в реальном времени создает их 3D-модель и выявляет отклонения быстрее человека, сокращая время обработки поездов, рассказал представитель РЖД. Также тестируется интеллектуальный помощник диспетчера, позволяющий сократить время простоя вагонов примерно на 20%, а голосовые сервисы и чат-боты уже обрабатывают более половины обращений, снижая нагрузку на персонал, отметил он.

Еще одной сферой использования технологий ИИ на транспорте может стать такси, говорит Казачков. Это обусловлено необходимостью повышения эффективности на фоне дефицита персонала и роста операционных расходов, поясняет он. Параллельно развивается и инфраструктура, например внедряются умные светофоры, которые позволяют оптимизировать транспортные потоки и увеличить скорость движения, добавляет эксперт.

Объем рынка и его перспективы

Оценки рынка ИИ на транспорте и в логистике в России отличаются в зависимости от методологии. Strategy Partners оценивает текущий объем рынка в $2-2,5 млрд (данные за 2024 г.), а потенциальный – в $3,5-5 млрд к 2030 г., тогда как "Яков и партнеры" – в 25-35 млрд руб. в 2025 г. ($300-360 млн по среднему курсу ЦБ). По словам Болотских, рынок растет быстрее большинства других IT-сегментов – на 25-30% в год – и может удвоиться в ближайшие несколько лет.

Волостнов выделяет сегмент автомобильного транспорта, где рынок ИИ может вырасти с 220 млн руб. в 2023 г. до 1,3 млрд к 2030 г. Среди ключевых игроков он называет "Камаз", ГАЗ, "Яндекс", "Сбер", Cognitive Technologies, а среди заказчиков – РЖД и Минтранс.

В ближайшие 3-5 лет развитие рынка будут определять несколько направлений, считает Болотских. По его мнению, это цифровые двойники транспортной инфраструктуры, генеративный ИИ в документообороте и таможенных процедурах, а также Edge AI – технологии, при которых решения принимаются непосредственно на транспортном средстве без обращения к облаку данных. Еще одно направление – переход к коммерческой эксплуатации автономных грузовиков, добавляет эксперт.

По мнению Семко, развитие технологий ИИ будет идти постепенно: в ближайшие годы рынок сосредоточится не на полностью автономных системах, а на автоматизации наиболее затратных и дефицитных операций – магистральных грузоперевозок, внутрискладского перемещения грузов, их обработки и диспетчеризации.

Барьеры для роста

Внедрение ИИ на транспорте сдерживается рядом системных ограничений, отмечают эксперты. Волостнов среди них выделяет несовершенное регулирование, необходимость развития инфраструктуры (в том числе цифровизации дорог, связи и технологий обмена данными между транспортом и инфраструктурой), высокую стоимость внедрения и дефицит специалистов. Кроме того, Россия все еще зависит от импортной компонентной базы, добавляет он.

Болотских считает ключевой проблемой несовершенство использования данных: у компаний уже есть большие массивы информации, но они разрозненны и хранятся в разных системах, что усложняет их применение для обучения моделей. Другими важными ограничивающими факторами он называет дефицит специалистов с отраслевой экспертизой, регуляторную неопределенность, прежде всего в части беспилотников и работы с данными, а также сложность трансформации крупных компаний.

При этом, по словам эксперта, у России есть и сильные стороны: развитые системы вроде "Глонасс" и "Платона", большой массив данных у РЖД и высокий уровень автоматизации логистики на фоне роста электронной коммерции.

По мнению Семко, внедрение технологий ИИ на транспорте в России тормозят высокая ключевая ставка ЦБ, ограничения на использование беспилотников, а также недостаточное развитие инфраструктуры связи на значительной части территории страны.