Первые применения нейронных сетей для логистических задач фиксировалось
еще в начале двухтысячных. На данный момент, решение логистических задач является классической задачей для искусственного интеллекта с массой
примеров успешных внедрений , что, однако, не делает решение этой задачи дешевым.
Как правило, затраты на внедрение ИИ включают
- разработку программного обеспечения
- создание аппаратного обеспечения
- развертывание инфраструктуры данных
- интеграцию с существующими системами
- обучение
- техническое обслуживание.
Опубликовано несколько тематических исследований, в которых описываются эти затраты для логистических компаний. Такие публичные компании, как DHL и Amazon, используют искусственный интеллект в своей логистике. Их проекты могут привести примеры реальных затрат. Например, роботизация складов DHL на базе искусственного интеллекта или оптимизация маршрутов доставки Amazon. Картину дополняют отраслевые отчеты McKinsey, Gartner или Deloitte. У них часто есть тематические исследования с разбивкой затрат.
В отчете McKinsey за 2022 год упоминается, что ИИ в цепочке поставок может снизить затраты на 15-25%, но затраты на внедрение могут варьироваться. Например, компания среднего размера может потратить 1-5 миллионов долларов авансом. Согласно анализу Gartner за 2023 год, средние первоначальные затраты на внедрение ИИ в логистику варьируются от 500 тыс. до 10 млн долларов в зависимости от масштаба.
Исследование Deloitte, посвященное внедрению ИИ в розничную сеть США для управления запасами, обошлось примерно в 2,5 млн долларов.
Стоимость оборудования - еще один фактор. Автономные транспортные средства или робототехника могут быть весьма дорогостоящими. Например, в автоматизированные склады Walmart с искусственным интеллектом, по имеющимся данным, инвестировано 15 миллионов долларов на каждый объект. Но небольшие компании могут использовать более модульные решения.
Инфраструктура данных также имеет решающее значение. Затраты на облачные технологии, очистку данных и интеграцию с существующими ERP-системами увеличивают расходы.
Затраты на ИИ, как правило, снижаются по мере развития технологий, но не линейно. Такие факторы, как удешевление облачных вычислений, инструменты с открытым исходным кодом и более совершенные чипы ИИ, могут снизить затраты. Однако могут появиться более сложные приложения ИИ, которые позволят сбалансировать затраты.
Gartner прогнозирует снижение затрат на внедрение ИИ на 30-50% к 2030 году благодаря более совершенным инструментам и конкуренции.
По данным IDC, затраты на аппаратное обеспечение могут ежегодно снижаться на 20% благодаря усовершенствованиям в области графических процессоров и ASIC. Кроме того, инструменты генеративного ИИ могут снизить затраты на разработку за счет автоматизации кодирования.
С другой стороны, можно ожидать увеличения затрат в других областях, таких как регулирование конфиденциальности данных, требующее больших инвестиций в безопасность, что может компенсировать некоторую экономию. Однако общая тенденция заключается в снижении затрат за счет эффекта масштаба и технологических достижений.
Ключевые факторы затрат на ИИ в логистике (помимо разработки):
- Инфраструктура данных: - от 200 тыс..–1 млн USD (миграция в облако, очистка, маркировка).
- Интеграция с ERP/WMS: 300к–2м.
- Оборудование для искусственного интеллекта (например, датчики, роботы): 1-5 м.USD
- Текущее техническое обслуживание: 15-25% от первоначальных затрат в год.
Таким образом, текущие затраты составляют
от 500 тысяч до 10 миллионов долларов,
а средние - около 2-5 миллионов долларов. За 10 лет затраты могут снизиться на 30-50%, так что к 2034 году, возможно, составят от 250 тысяч до 5 миллионов долларов. Но нужно проверить, подтверждают ли это источники. Выяснилось, что IDC прогнозирует ежегодное снижение затрат на инфраструктуру ИИ на 20%, а Gartner упоминает о снижении затрат благодаря моделям SaaS. Кроме того, Boston Consulting Group отмечает, что масштабирование ИИ снижает затраты на единицу продукции.
Исследование Deloitte, посвященное ритейлеру в США, или пример McKinsey, в котором европейская логистическая компания потратила 3 миллиона евро. Инвестиции Amazon в искусственный интеллект и робототехнику составят 1 миллиард долларов в течение 5 лет, но это большая цифра и не все эти деньги будут потрачены в результате на логистическое направление.
Итак, мы видим что для внедрения системы искусственного интеллекта в логистические процессы, компания должна иметь достаточные обороты (от 5 млн. долларов в год), чтобы за счет экономии 15-25% получить возможность быстро окупить затраты включая все риски и дополнительные затраты.
Говоря о российском рынке ИИ для логистических задач, мы предполагаем, что стоимость проектов будет в 3-5 раз меньше за счет более низкой стоимости программистов. Однако, инфраструктурные затраты могут оказаться кратно выше, из-за более низкой автоматизации процессов и ограничений для российских компаний к доступу к техническим ресурсам.