Cum folosesc AI în logistică: ce automatizez primul

Firmele de transport și logistică au o problemă comună: oamenii buni petrec mult timp copiind date dintr-un document în alt sistem. Comenzi venite pe email, CMR-uri scanate, facturi de la transportatori, întrebări „unde e marfa mea?”. Ghidul ăsta e pentru directorul de operațiuni sau proprietarul care vrea să știe ce poate face AI-ul concret, ce nu poate și cu ce să înceapă.

Cum folosesc AI în logistică și transport?

Folosești AI acolo unde munca e repetitivă, pornește de la un document sau un mesaj și se termină cu o înregistrare în TMS, WMS sau ERP. Pe scurt, AI-ul citește, extrage, compară și pregătește. Dispecerul sau operatorul verifică și decide. Tabelul de mai jos rezumă problemele care apar aproape în orice firmă de logistică.

1. Comenzile care vin pe email

Mulți clienți trimit comenzile cum vor ei: un email cu text liber, un PDF din ERP-ul lor, un Excel cu 40 de rânduri. Cineva le reintroduce manual în TMS. Un model de limbaj citește aceste formate fără template fix, extrage adresele, datele de încărcare, tipul de marfă și numărul de paleți și creează un draft de comandă. Operatorul îl confirmă dintr-un clic sau îl corectează.

Ce nu poate: să completeze un câmp care nu există în mesaj. Dacă lipsește ora de descărcare, sistemul trebuie să întrebe, nu să inventeze. Asta se proiectează din prima zi: fiecare câmp are un scor de încredere, iar câmpurile incerte ajung la om.

2. CMR-uri, avize, POD-uri și facturile transportatorilor

E fluxul de documente cu cel mai mare volum. AI-ul extrage câmpurile dintr-un CMR sau dintr-o factură de transport și le compară cu comanda și cu tariful agreat cu transportatorul. Diferențele (o taxă în plus, o cantitate diferită, un POD lipsă) ajung pe lista cuiva, restul trec mai departe. Am descris pipeline-ul complet în cum automatizez procesarea documentelor cu AI.

Ce nu poate: să citească sigur un document fotografiat strâmb în cabina camionului, cu ștampila peste text. Calitatea sursei contează mai mult decât modelul. De multe ori primul câștig vine din a cere șoferilor o poză mai bună, nu dintr-un model mai mare.

3. Întrebările clienților și excepțiile de livrare

„Unde e marfa mea?” e cea mai frecventă întrebare pe care o primește un dispecerat. Un agent AI conectat la TMS poate răspunde pe email sau pe chat cu statusul real și poate semnala excepțiile: o întârziere, o descărcare refuzată, o adresă greșită. Mai multe despre agenți găsești pe pagina noastră de agenți AI la comandă.

Ce nu poate: să promită un termen pe care sistemul tău nu îl cunoaște. Dacă TMS-ul nu primește poziția camionului, agentul nu are de unde ști unde e marfa. Agentul e atât de bun cât sunt datele la care are acces.

4. Daune și reclamații

La recepție, cineva face poze unui palet deteriorat. Un model de computer vision poate clasifica tipul de daună, iar un model de limbaj poate pregăti dosarul: pozele, CMR-ul cu mențiunile, comanda, corespondența. Omul care gestionează reclamația pornește de la un dosar complet, nu de la zero. Detalii despre partea vizuală în cum folosesc computer vision pentru inspecție.

Ce nu poate: să decidă cine răspunde pentru daună. Asta rămâne o decizie a oamenilor, pe baza contractului și a documentelor.

5. Planificarea rutelor și prognoza

Aici se fac cele mai multe promisiuni și e locul unde trebuie să fii cel mai sceptic. Optimizarea rutelor e o problemă matematică rezolvată de software specializat de mulți ani. Un model de limbaj nu o rezolvă mai bine. Ce poate face AI-ul: să adune constrângerile din emailuri și comenzi într-o formă pe care optimizatorul o poate folosi și să explice planul în limbaj simplu. Prognoza cererii are nevoie de istoric curat pe cel puțin câteva sezoane; fără el, orice model ghicește.

Ce automatizez primul într-o firmă de logistică?

Începi cu un flux de documente, nu cu planificarea. Motivele sunt practice: volumul e mare, regulile sunt clare, costul actual se măsoară ușor (minute pe document, erori pe lună), iar omul verifică deja rezultatul, deci riscul e mic. Ordinea pe care o recomandăm de obicei:

1. Comenzile primite pe email, dacă le reintroduceți manual în TMS.
2. Facturile transportatorilor comparate cu comanda și tariful agreat, dacă aveți mulți subcontractori.
3. CMR-urile și POD-urile, ca să facturați mai repede după livrare.
4. Agentul pentru întrebările clienților, după ce datele din TMS sunt de încredere.

Exemplu ipotetic: o firmă de expediții care primește câteva sute de comenzi pe lună pe email ar începe cu un singur client mare și un singur format de comandă. Măsoară timpul actual pe comandă, rulează pilotul o lună cu operatorii verificând fiecare draft, apoi compară. Economia reală o afli doar așa, măsurată în pilotul tău. Pașii unui pilot sunt în cum rulez un pilot AI.

Ce lași pentru mai târziu: orice sistem care evaluează șoferii sau alocă sarcini pe baza comportamentului lor. Pe lângă sensibilitatea față de oameni, e o zonă cu reguli stricte în AI Act (vezi mai jos).

Date și conformitate: GDPR, AI Act și regulile din transport

Câteva lucruri de știut înainte de primul pilot. Nu sunt consultanță juridică; pentru cazul tău vorbește cu juristul sau cu DPO-ul firmei.

• GDPR: numele șoferilor, telefoanele, numerele de înmatriculare legate de o persoană și datele de localizare sunt date personale. Un pilot pe documente reale are nevoie de o bază legală, acces limitat și o regulă clară de păstrare. Detalii în cum respect GDPR când folosesc AI.
• AI Act: extragerea datelor din documente și răspunsurile despre statusul comenzilor nu sunt, de regulă, sisteme cu risc ridicat. Sistemele folosite pentru a monitoriza și evalua performanța lucrătorilor sau pentru a aloca sarcini pe baza comportamentului lor sunt în Anexa III (Regulamentul (UE) 2024/1689), cu obligații care se aplică de la 2 decembrie 2027, după amânarea din Regulamentul (UE) 2026/1744.
• Transparență: dacă un agent AI vorbește direct cu clienții tăi, trebuie să știe că vorbesc cu un sistem AI. Obligația (art. 50 din AI Act) se aplică din 2 august 2026.
• Sisteme publice: dacă declarați transporturi în RO e-Transport sau emiteți facturi prin RO e-Factura, AI-ul poate pregăti datele, dar transmiterea rămâne un pas controlat de sistemul vostru și de un om.

Cum încep, concret?

1. Tech Call, gratuit: o discuție scurtă în care ne arăți fluxul și îți spunem sincer dacă are sens să-l automatizezi. Programează-l aici.
2. Tech Audit: un audit scurt, plătit, în care ne uităm la documente reale, la TMS și la ERP și îți dăm în scris cazul de utilizare, datele necesare și ce înseamnă „merge” în cifre.
3. Pilot: un singur flux, pe date reale, cu oamenii tăi verificând fiecare rezultat. Măsurăm față de cifrele de la audit.
4. Producție: integrare cu TMS, WMS sau ERP, monitorizare, iar omul aprobă ce e sensibil. Codul și documentația rămân la tine.

Ce putem arăta: la Sapio am construit ai-aflat.ro, asistentul AI peste 220.000 de acte legislative din România, actualizate zilnic. Nu e un proiect de logistică, dar e același tip de muncă: un corpus mare de documente eterogene, citit corect și cu sursa citată. Ce construim pentru procese găsești pe pagina de automatizări AI, iar toate proiectele publicate sunt pe pagina proiecte.

Surse

• Eurostat, folosirea AI în firme pe activități economice (isoc_eb_ain2), an de referință 2025
• Eurostat, raportul statistic KS-01-26-009, publicat 26 martie 2026 (Tabelul 8, motivele pentru care firmele nu folosesc AI)
• Regulamentul (UE) 2024/1689 (AI Act), Anexa III și art. 50
• Regulamentul (UE) 2026/1744, noile termene pentru sistemele cu risc ridicat