Sztuczna inteligencja, która pracuje w każdym punkcie Twojej operacji

Czyta dokumenty, wypełnia pola, wyszukuje taryfy i cła, odczytuje faktury — AI pracuje na każdym etapie.

AI odczytuje dokumenty przewozowe i wypełnia pola — 98,6% dokładności

Automatyczne tłumaczenie dokumentów i wiadomości na 36 języków

Formularz wypełniany ze zdjęcia, wyszukiwanie w taryfie i odczyt faktur

System czyta Twoje dokumenty — nie wprowadzasz danych ani razu

AI odczytuje CMR, fakturę, T1/T2, listę pakunkową i konosament; wyodrębnia pola takie jak kod HS, waga i nadawca wraz z poziomem pewności i samo wypełnia formularz.

Nigdy nie przepisuj danych ręcznie.

Zrób zdjęcie produktu, a katalog wypełni się sam

AI analizuje zdjęcie produktu lub palety i automatycznie proponuje pola katalogu, takie jak nazwa, kategoria, marka i wymiary — rekord magazynowy zakładasz w kilka sekund.

Propozycje można edytować; zapisują się po Twoim zatwierdzeniu.

AI wychwytuje niezgodności między Twoimi dokumentami

Porównuje liczbę sztuk, wagi i nazwy stron w CMR, fakturze i liście pakunkowej; oznacza niezgodności, weryfikuje typ dokumentu i ostrzega przed nieprawidłowymi plikami.

AI wychwytuje różnice, które umknęłyby ludzkiemu oku.

AI, która obejmuje każdy punkt Twojej operacji

Nie pojedynczy asystent, lecz warstwa AI działająca w dokumentach, taryfach, katalogu, kontrolach i fakturach.

Wyniki dotyczące taryf i ceł antydumpingowych mają wyłącznie charakter informacyjny.

Odczyt dokumentów i wyodrębnianie pól — Odczytuje CMR, fakturę, T1/T2, listę pakunkową i konosament; wypełnia pola wraz z poziomem pewności.
Tłumaczenie na 36 języków — Automatycznie tłumaczy dokumenty i wiadomości na 36 języków, dzięki czemu korespondujesz we własnym języku.
Formularz wypełniany ze zdjęcia — Automatycznie proponuje pola katalogu na podstawie zdjęcia produktu lub palety; zapis następuje po Twoim zatwierdzeniu.
Wyszukiwanie taryf i ceł antydumpingowych — Dostarcza kody HS, cła przywozowe i obowiązujące środki antydumpingowe z oficjalnych źródeł TR/UK/UE/USA, w razie potrzeby z pomocą AI.
Kontrola spójności — Wychwytuje niezgodności liczby sztuk, wagi i nazw stron między dokumentami; weryfikuje typ dokumentu i oznacza nieprawidłowe pliki.
Odczyt faktur frachtowych — AI odczytuje przychodzącą fakturę frachtową, wyodrębnia łączną kwotę i nabywcę, a następnie łączy je z rekordem przesyłki.

Prowadź operacje z AI

Odczyt dokumentów, tłumaczenie, taryfy, kontrola spójności i odczyt faktur — wszystko na jednym rdzeniu, od pierwszego dnia.

Co tak naprawdę robi oprogramowanie AI dla logistyki i łańcucha dostaw?

W logistyce dojrzałe są cztery możliwości AI: wyodrębnianie pól z dokumentów, porównywanie dokumentów między sobą, tłumaczenie wielojęzyczne oraz zamiana zdjęć w ustrukturyzowane dane. Pięć kolejnych wciąż się rozwija: wsparcie klasyfikacji taryfowej, ocena uszkodzeń, rejestrowanie paragonów kosztowych, ETA oraz tworzenie rekordów z dowolnego tekstu. Wszystko to jest wprowadzaniem i sprawdzaniem danych. AI nie decyduje o klasyfikacji, zgłoszeniach ani cenach; jej wynik jest probabilistyczny i wymaga zatwierdzenia przez człowieka. Wartość zależy od tego, jak często powtarza się ręczny krok, który AI zastępuje, a nie od listy funkcji.

To, co AI rzeczywiście robi dziś w logistyce, mieści się w dziewięciu możliwościach: cztery są dojrzałe, pięć wciąż się rozwija. Dojrzałe można zweryfikować w kilka sekund, porównując wynik ze źródłem: wyodrębnianie pól z dokumentów, zestawianie dokumentów ze sobą w celu wykrycia rozbieżności, tłumaczenie korespondencji i dokumentów oraz zamiana zdjęcia w ustrukturyzowane dane. Te, które wciąż się rozwijają, wymagają osądu, zależą od warunków zewnętrznych albo od dyscypliny na placu: wsparcie klasyfikacji taryfowej, ocena uszkodzeń sprzętu, rejestrowanie paragonów kosztowych, szacowany czas przyjazdu oraz tworzenie rekordów z dowolnego tekstu.

Równie jasne jest to, czego nie robią. Nie przejmują klasyfikacji, zgłoszenia ani decyzji cenowej; te wiążą się z odpowiedzialnością i zostają przy człowieku. Nie przewidzą kolejki na odprawie, dostępności miejsc na promie ani kontroli na granicy. Co najważniejsze, wynik AI to prawdopodobieństwo, a nie pewność: każde pole niesie ryzyko błędu, więc żaden proces zbudowany bez bramki zatwierdzania nie jest bezpieczny.

Na tej stronie każda z dziewięciu możliwości otrzymuje etykietę dojrzałości wraz z opisem, jak się ją mierzy, gdzie zawodzi i jakich danych potrzebuje. Dalej: jak podczas demo sprawdzić deklarację dostawcy „mamy AI”.

Prawdziwym zadaniem AI w logistyce jest czytanie, a nie przewidywanie: wydobywanie ustrukturyzowanych danych z dokumentów, zdjęć i dowolnego tekstu.
Każdą możliwość oceniaj, zadając dwa pytania: jak się ją mierzy i gdzie się myli? Deklaracji o AI, która nie odpowiada na żadne z nich, nie da się zmierzyć.
Sam procent dokładności nic nie znaczy: zapytaj, na jakim zbiorze dokumentów go uzyskano, czy dotyczy poziomu pól, czy dokumentów, i kto przeprowadził pomiar.
Przeprowadź demo na własnych, najgorzej zeskanowanych dokumentach, a nie na zbiorze przygotowanym przez dostawcę. Właśnie tam AI zawodzi.
Jeśli wyodrębnione dane trafiają do rekordu bez zatwierdzenia, system generuje ukrytą pracę korekcyjną, która pochłania zaoszczędzony czas.
Bez danych nie ma AI: brak historii, pusta baza kontrahentów i skany w niskiej rozdzielczości bezpośrednio pogarszają wyniki.

Co AI naprawdę robi w logistyce?

Wyodrębnianie pól z dokumentów / odczyt dokumentów (dojrzała) — Rozpoznaje typ dokumentu — fakturę handlową, list przewozowy CMR, listę pakunkową, dowód rejestracyjny pojazdu, paszport — i zamienia jego treść w ustrukturyzowane dane: nazwy stron, daty, liczbę sztuk, wagę brutto i netto, kwoty, numery dokumentów, daty ważności. W dobrze zbudowanych systemach wyodrębnione dane trafiają do formularza jako propozycja i są zatwierdzane przed zapisem. Nie jest to standard branżowy, lecz decyzja projektowa, o którą trzeba osobno zapytać dostawcę. Pracę polegającą na czytaniu dokumentów i przepisywaniu ich na ekran. W większości firm nie jest to osobne stanowisko, lecz obciążenie rozłożone na cały dzień dyspozytora i księgowego. Dwa wskaźniki łącznie: dokładność na poziomie pól (poprawnie wyodrębnione pola podzielone przez wszystkie pola, które powinny zostać odczytane) oraz wskaźnik ręcznych ingerencji (dokumenty wymagające korekty przez człowieka podzielone przez wszystkie dokumenty). Wynik na poziomie dokumentów — odsetek dokumentów, które przechodzą bez żadnej korekty — zawsze wypada niżej, bo jedno błędne pole dyskwalifikuje cały dokument. Wpisy odręczne, tekst nachodzący na pieczątkę lub podpis, skany jakości faksu lub w niskiej rozdzielczości, zdjęcia z telefonu robione pod kątem, wielokolumnowe tabele ściśnięte na jednej stronie oraz wzory, których system nigdy wcześniej nie widział. Błędów gwałtownie przybywa w układach, w których system odczytuje położenie na stronie zamiast etykiety pola. Cyfrowa kopia w czytelnej rozdzielczości — najlepiej PDF utworzony od początku cyfrowo — oraz pełna, nieprzycięta strona. Do walidacji pole potrzebuje odpowiednika w systemie, na przykład oficjalnej nazwy firmy zapisanej w Twojej bazie kontrahentów.
Kontrola spójności między dokumentami (dojrzała) — Zestawia ze sobą dokumenty należące do tej samej przesyłki i oznacza rozbieżności: wagę na fakturze z wagą na liście pakunkowej, liczbę sztuk, nazwy stron, pochodzenie i wartość. Niezgodność wychodzi na jaw, zanim ciężarówka wyjedzie lub zgłoszenie zostanie złożone — a nie na granicy. Osobę, która kładzie obok siebie dwa lub trzy dokumenty i porównuje je wzrokowo. W pracowite dni to pierwsze zadanie, z którego się rezygnuje — a dzień, w którym się z niego zrezygnuje, kosztuje najwięcej. Wskaźnik wykrywalności (ile znanych niezgodności zostało oznaczonych) i wskaźnik fałszywych alarmów (ile ostrzeżeń generuje w pełni spójny komplet). Jeśli drugiego nikt nie mierzy, zespół uczy się ignorować ostrzeżenia, a kontrola w ciągu kilku tygodni staje się dekoracją. Wszędzie tam, gdzie ten sam fakt zapisano w różnych, ale poprawnych formach: brutto obok netto, różne jednostki, zaokrąglone kwoty, skrócona nazwa handlowa, dwa adresy tej samej firmy. Jeśli jeden dokument w ogóle nie został przesłany, kontrola jest częściowa; jeśli system nie poinformuje, że „nie ma drugiego rekordu do porównania”, powstaje cicha luka, a zespół wierzy, że kontrola się odbyła. Co najmniej dwa dokumenty, oba przypisane do tego samego rekordu przesyłki. Trzeba zdefiniować listę porównywanych pól i próg tolerancji — jaka różnica w kilogramach przechodzi bez ostrzeżenia.
Wsparcie klasyfikacji taryfowej — kody HS i krajowe (rozwijająca się) — Proponuje kandydujące kody taryfowe na podstawie opisu produktu i pozycji faktury, dopasowuje podobne opisy i pobiera cła przywozowe oraz obowiązujące środki handlowe dla danego kodu. W Turcji kodem krajowym jest GTİP, który rozszerza międzynarodowy sześciocyfrowy kod HS o kolejne cyfry krajowe; inne rynki rozszerzają HS na swój sposób. Propozycja to krótka lista — decyzja, pod jakim kodem zgłosić towar, należy do człowieka. Specjalistę ds. zgodności w handlu zagranicznym, który przegląda taryfę wiersz po wierszu, przekopuje stare teczki w poszukiwaniu podobnego produktu albo pisze e-mail do eksperta i czeka na odpowiedź. Jak często poprawny kod pojawia się jako pierwsza propozycja, a jak często w pierwszej trójce; jako zbiór referencyjny wykorzystaj własne zamknięte zgłoszenia z przeszłości. Obserwuj też, jak często narzędzie wprost przyznaje, że nie ma pewności — narzędzia, które nigdy się nie waha, nie da się zmierzyć. Towary z mieszanych materiałów, artykuły sprzedawane w zestawach, części maszyn klasyfikowane według funkcji oraz pozycje o ogólnej nazwie handlowej („akcesorium”, „część zamienna”). Ponieważ krajowe podpodziały poniżej sześciocyfrowego kodu HS różnią się w poszczególnych krajach, ten sam produkt może trafić pod różne kody w imporcie i w eksporcie; gdy nomenklatura zmienia się w corocznej aktualizacji, kod ze starej teczki może dziś nie mieć odpowiednika. Jeśli ekran nie pokazuje, z nomenklatury z którego roku korzysta narzędzie, nie da się zweryfikować propozycji. Opis techniczny, skład materiałowy, przeznaczenie, kraj pochodzenia i — jeśli to możliwe — zdjęcie. Jakość propozycji wyraźnie spada, gdy podana jest tylko krótka nazwa handlowa z pozycji faktury.
Tłumaczenie wielojęzycznej korespondencji i dokumentów (dojrzała) — Na bieżąco tłumaczy korespondencję dotyczącą przesyłek i obcojęzyczne dokumenty; każda strona pisze i czyta we własnym języku. W logistyce prawdziwą korzyścią nie jest tłumaczenie słowo w słowo, lecz pewność, że zdania z adresami, uwagami o pakowaniu, warunkami płatności i instrukcjami dostawy zostaną dobrze zrozumiane. Godziny tracone w karcie przeglądarki z tłumaczem, zlecane na zewnątrz tłumaczenia i wąskie gardło w postaci „jedynej osoby, która zna ten język”. Mierz błędy, które powoduje, a nie samo tłumaczenie: incydenty wynikające z nieporozumień (błędny adres, złe pakowanie, przegapiony termin dostawy) oraz czas, przez jaki sprawa stoi w oczekiwaniu na tłumaczenie. Żargon branżowy i skróty, lokalna terminologia celna, dwa języki wymieszane w jednym zdaniu, różne jednostki i formaty dat oraz niuanse prawne. Maszynowe tłumaczenie umowy lub treści zgłoszenia nie ma mocy prawnej, a częstym błędem jest też omyłkowe tłumaczenie nazw stron i miejscowości. Sam tekst; w przypadku dokumentów najpierw czytelny skan. Poprawnie zapisane w bazie nazwy firm, osób i miejscowości chronią je przed przetłumaczeniem.
Wyodrębnianie danych i pomiar ze zdjęć — palety, towary, pojazdy (dojrzała) — Ze zdjęcia wyodrębniane są pola takie jak kategoria produktu, rodzaj opakowania, numer rejestracyjny czy wymiary palety. W dobrze zbudowanych systemach trafiają one do formularza jako propozycje i nie są zapisywane bez zatwierdzenia; to nie standard, lecz decyzja projektowa, o którą trzeba osobno zapytać dostawcę. Jeśli telefon ma czujnik głębi, długość, szerokość i wysokość są rejestrowane ze znacznie mniejszym marginesem błędu niż przy szacowaniu ze zdjęcia; margines zależy od urządzenia, odległości i powierzchni i pozostaje w rekordzie razem ze zdjęciem. Mierzenie taśmą i zapisywanie w notesie, przepisywanie danych z dowodu rejestracyjnego na ekran i definiowanie nowego produktu od pustego formularza. Ile proponowanych pól zostaje zatwierdzonych bez zmian i o ile skraca się czas wypełniania formularza. Przy pomiarze punktem odniesienia jest ta sama paleta zmierzona taśmą; odchylenie podaje się w centymetrach. Słabe światło, powierzchnie owinięte folią stretch i odblaskowe, nieregularnie ułożone lub wystające ładunki, inne palety w tle oraz głębia, której nie da się wyznaczyć z jednej klatki. Pomiar czujnikiem też nie jest wolny od błędów; odchylenie rośnie na powierzchniach odblaskowych i owiniętych folią. Objętość wyliczona ze zdjęcia jest szacunkiem: w sporze o wagę objętościową o tym, który zapis jest rozstrzygający, decyduje umowa — uzgodnij metodę pomiaru na piśmie z góry. Zdjęcie obejmujące cały ładunek, zrobione na wprost i przy odpowiednim oświetleniu. Do pomiaru potrzebne jest urządzenie z czujnikiem głębi i wystarczająco dużo miejsca, by obejść paletę.
Ocena uszkodzeń i stanu sprzętu — zdjęcia przy przekazaniu (rozwijająca się) — Odczytywane są zdjęcia robione w chwili, gdy naczepa, kontener lub ładunek przechodzi z rąk do rąk; widoczne uszkodzenia, brakujące części i zanieczyszczenia są oznaczane, a różnica między dwoma przekazaniami zostaje przedstawiona. Wynikiem jest zapis ze znacznikiem czasu; o odpowiedzialności nie decyduje samo zdjęcie, lecz to, w którym okresie pieczy zostało zrobione. Nawyk zrzucania winy za uszkodzenie na ostatniego kierowcę bez żadnych dowodów i spór o potrącenia oparty na tym, co każda ze stron pamięta. Odsetek przekazań z kompletem zdjęć i odsetek sporów o uszkodzenia zamkniętych na podstawie dowodów. Wykrywanie mierzy się osobno: wskaźnik wykrywalności na kompletach ze znanymi uszkodzeniami i fałszywe alarmy na kompletach bez uszkodzeń. Twarda granica jest taka: starych i nowych uszkodzeń nie da się wiarygodnie odróżnić. Dlatego system nie przypisuje odpowiedzialności; pokazuje różnicę między dwoma momentami w czasie, a decyzja, w czyim okresie pieczy ta różnica powstała, należy do człowieka. Wykrywanie dodatkowo osłabiają zdjęcia robione nocą lub w deszczu, zabłocone powierzchnie, dachy i podwozia, których z powodu wąskiego kąta ujęcia nigdy nie widać, oraz ładunek ukryty w zamkniętej zabudowie. Komplet zdjęć wykonywanych przy każdym przekazaniu z tych samych ujęć, z czasem i miejscem wykonania, oraz zapis tego, kto w danym momencie miał sprzęt pod swoją pieczą. Ta możliwość w całości zależy od dyscypliny na placu: jeśli zdjęcia nie zrobiono, nie ma zapisu, który można odczytać.
Rejestrowanie paragonów i faktur kosztowych oraz księgowanie kosztów (rozwijająca się) — Odczytywane są paragony za paliwo, opłaty drogowe, parkingi, naprawy i przeglądy; kwota, data, waluta, sprzedawca i kategoria kosztu zostają wyodrębnione i zaksięgowane na właściwy pojazd, przejazd lub rozliczenie kierowcy. Sam odczyt jest tak samo dojrzały jak wyodrębnianie pól z dokumentów; wciąż rozwija się przypisywanie paragonu do właściwego pojazdu, właściwej pozycji kosztowej i właściwego kursu waluty. Paragon w walucie obcej przelicza się zgodnie z przyjętą w firmie polityką kursową — najczęściej po kursie z dnia poniesienia wydatku — a zastosowany kurs i jego źródło powinny być widoczne w rekordzie. Pracownika księgowości, który pod koniec miesiąca przepisuje do arkusza całą torbę paragonów, oraz spór z kierowcą o kwoty. Czas przetwarzania jednego paragonu, odsetek pól poprawianych ręcznie i liczba niedopasowanych paragonów przy zamknięciu miesiąca. Śledź też, jaką część łącznych kosztów pojazdu da się rozbić na kategorie — wszystko, czego nie da się rozbić, znika w kosztach ogólnych. Wyblakły papier termiczny, złożone i podarte paragony, nazwy pozycji wydrukowane wyłącznie w lokalnym języku, nieczytelne ostatnie cztery cyfry karty, jeden paragon obejmujący więcej niż jeden pojazd oraz kanał płatności, którego w ogóle nie da się ustalić na podstawie paragonu. Jeśli data jest nieczytelna, nie da się wiarygodnie ustalić przeliczenia waluty. Wyraźne zdjęcie całego paragonu, data wydatku, informacja, który kierowca i który pojazd byli tego dnia ze sobą powiązani, oraz kanał płatności — gotówka, karta firmowa i karta paliwowa księgują się inaczej — a także polityka kursowa firmy i używane źródło kursów.
Szacowany czas przyjazdu i kolejność postojów (rozwijająca się) — Szacowany czas przyjazdu wyznacza się na podstawie odległości, trasy i warunków drogowych; przy przejazdach z wieloma postojami postoje są układane według najkrótszej łącznej odległości. W większości jest to obliczenie, a nie uczenie się; prawdziwe uczenie zaczyna się dopiero wtedy, gdy w danych znajdą się Twoje historyczne czasy przejazdów i oczekiwania. Planistę, który układa kolejność postojów w głowie na podstawie mapy, oraz „gdzieś jutro wieczorem” rzucone klientowi przez telefon. Średni błąd bezwzględny szacunku (różnica między przewidywanym a rzeczywistym przyjazdem) i dotrzymanie obiecanego okna dostawy. Przy ustalaniu kolejności miarą jest różnica łącznej liczby kilometrów między trasą wyznaczoną przez system a trasą ułożoną ręcznie. Kolejki na odprawie i na granicy, godziny odpłynięcia promów i rejsy bez wolnych miejsc, strajki, pogoda, godziny, w których odbiorca jest zamknięty, oraz oczekiwanie na rampie. Tu kryje się większość opóźnień i większość z nich wykracza poza szacunek. Bez Twojej własnej historii system nigdy nie pozna rzeczywistych czasów oczekiwania na Twoich relacjach. Poprawne adresy i współrzędne, bieżący strumień danych o pozycji, godziny otwarcia i awizacji dla każdego postoju oraz ograniczenia dotyczące typu pojazdu. Uczenie wymaga historycznych czasów przejazdów i zarejestrowanych rzeczywistych czasów oczekiwania na tej samej relacji.
Tworzenie rekordów z dowolnego tekstu i poleceń głosowych (rozwijająca się) — E-mail z zamówieniem, wiadomość lub polecenie głosowe zamieniają się w ustrukturyzowany rekord: strony, adresy, pozycje, wagi i daty trafiają do pól. Zdanie typu „zmień adres odbiorcy na ten” albo „usuń trzecią pozycję” aktualizuje odpowiednie pole, więc nawet osoba, która nie zna ekranów, może załatwić sprawę, po prostu ją opisując. Pracownika, który przepisuje te same informacje z e-maila do formularza, oraz czas, jaki nowa osoba poświęca na naukę, na którym ekranie umieścić daną informację. Odsetek pól wypełnionych w rekordzie, liczba ręcznych korekt i czas założenia pierwszego bezbłędnego rekordu. Jako osobną miarę śledź, jak często nieprzeszkolony użytkownik samodzielnie wykonuje zadanie za pierwszym podejściem. Niejasne lub sprzeczne polecenia („wyślij jak zwykle”), kontekst pozostawiony na początku wątku e-mailowego, dźwięk nagrany w hałaśliwej kabinie, wybór między dwiema firmami o podobnych nazwach lub dwoma adresami tej samej firmy oraz waluta czy warunki dostawy, których nikt nie podał. W polach krytycznych system powinien dopytać, a nie zgadywać. Pełna treść polecenia lub wyraźne nagranie dźwięku oraz wypełniona baza firm, adresów i produktów. Przy pustej bazie wyodrębnione dane nie mają z czym się dopasować i system zaczyna tworzyć nowe, ale błędne rekordy.

Jak podczas demo sprawdzić deklaracje dostawcy dotyczące AI?

„Nasza AI automatycznie czyta Twoje dokumenty — ręczne wprowadzanie danych znika.” — Prześlij jedna po drugiej trzy wersje dokumentu od tego samego kontrahenta: dokument na starym papierze firmowym, na nowym papierze firmowym oraz PDF utworzony od początku cyfrowo. Policz pole po polu — ile przeszło poprawnie, ile zostało pustych, a ile wypełniono błędnie. Następnie oddziel przyczynę błędu: czy była nią zmiana wzoru, czy jakość skanu? Rozwiązania są różne, a dostawcy zwykle mówią tylko o drugiej. Niebezpieczne są pola wypełnione błędnie, bo nikt nie czuje potrzeby ich sprawdzania. Pokazanie jednego wzoru i zbywanie reszty słowami „skonfigurujemy to przy wdrożeniu”; informacja, że każdy nowy wzór dokumentu kontrahenta to płatna konfiguracja, przekazana dopiero po podpisaniu umowy; całkowity brak danych o tym, jak bardzo spada dokładność po zmianie wzoru.
„Nasza dokładność odczytu dokumentów to dziewięćdziesiąt kilka procent.” — Zacznij od jednego pytania: na jakim zbiorze dokumentów, na ilu próbkach, na poziomie pól czy dokumentów i kto przeprowadził pomiar? Potem powtórz ten sam pomiar na dwudziestu własnych dokumentach i uzyskaj dwie osobne liczby — dla poziomu pól i dla poziomu dokumentów. Różnica między nimi to rzeczywista praca korekcyjna, którą poniesie Twój zespół. Pojedynczy procent bez żadnej definicji, zwrot „standard branżowy” albo opór przed powtórzeniem pomiaru na Twoich dokumentach.
„AI mówi, kiedy nie ma pewności.” — Prześlij celowo uszkodzony dokument: zamaż jedno pole albo obetnij połowę strony. Czy pola o niskiej pewności wyróżniają się wizualnie na ekranie, czy każde pole wygląda na równie pewne? Następnie spróbuj zapisać — czy system zapisuje niepewne pole bez zatwierdzenia, czy przekazuje je człowiekowi? Każde pole przedstawione z tą samą pewnością, system, który nigdy nie potrafi powiedzieć „nie jestem pewien”, i wyodrębnione dane zapisywane prosto do rekordu bez bramki zatwierdzania.
„System uczy się w trakcie używania — z czasem będziesz poprawiać coraz mniej.” — Popraw błędnie wyodrębnione pole, a następnie prześlij drugi dokument na tym samym wzorze od tego samego kontrahenta. Czy ten sam błąd się powtarza? Jeśli tak, zadaj trzy pytania: gdzie zapisywana jest moja poprawka, czy istnieje pamięć na poziomie wzoru lub kontrahenta i po jakim czasie widać efekt? „Tak, uczy się” bez żadnego mechanizmu, który by za tym stał, i niechęć do przyznania, że poprawka została w rzeczywistości zapisana tylko w tym jednym rekordzie. Jeśli uczenie rzeczywiście zachodzi, drugie ryzyko działa w przeciwną stronę: jeśli umowa nie określa, jak Twoje dane są wykorzystywane na rzecz innych klientów, możesz płacić za to uczenie własnymi treściami.
„Nasza AI znajduje kod taryfy celnej dla Twojego produktu.” — Daj jej coś, co niełatwo sklasyfikować: tkaninę z mieszanki włókien, zestaw sprzedawany z akcesoriami albo część maszyny klasyfikowaną według funkcji. Następnie sprawdź ten sam produkt z dwoma różnymi opisami — pierwszym niech będzie krótka nazwa handlowa z pozycji faktury, drugim pełny opis techniczny ze składem materiałowym i przeznaczeniem. Jeśli kod się zmienia, dowiadujesz się, na co narzędzie jest wrażliwe; jeśli nie zmienia się nigdy, najpewniej dopasowuje słowa kluczowe, zamiast czytać opis. Zwróć też uwagę, czy na ekranie pojawia się jeden kod, czy lista kandydatów z uzasadnieniem. Pojedynczy kod bez uzasadnienia, ta sama odpowiedź z tą samą pewnością dla dwóch bardzo różnych opisów, system, który w żadnym wierszu nie potrafi powiedzieć „nie jestem pewien”, i jakakolwiek sugestia, że „możesz zgłosić towar pod tym kodem”.
„Nasza AI wychwytuje niespójności między Twoimi dokumentami.” — Sprawdź osobno trzy rzeczy. Po pierwsze, umieść rozbieżność w polu nienumerycznym — niech różni się nazwa odbiorcy lub kraj pochodzenia; czy system patrzy tylko na wagę i liczbę sztuk, czy porównuje też pola tekstowe? Po drugie, całkowicie pomiń jeden dokument z kompletu; czy system powie, że „nie ma drugiego rekordu do porównania”, czy pokaże teczkę jako sprawdzoną? Po trzecie, prześlij w pełni spójny komplet i policz, ile ostrzeżeń wygeneruje. Następnie poproś o pisemną listę sprawdzanych pól i informację, jak konfiguruje się próg tolerancji. Brak listy sprawdzanych pól, teczka z brakującym dokumentem pokazana jako „sprawdzona”, ostrzeżenia przy spójnym komplecie i brak innego sposobu zarządzania ostrzeżeniami niż ich wyłączenie.
„Twoje dane są bezpieczne — stroną AI zajmujemy się my.” — Zadaj na piśmie trzy pytania: do jakiego kraju trafia dokument w trakcie przetwarzania; jak długo jest przechowywany i jak działa żądanie usunięcia; czy rejestruje się, kto, kiedy i na jaką wartość poprawił wyodrębnione dane? Zobacz odpowiedzi w załączniku do umowy, a podczas demo poproś o otwarcie historii zmian rekordu, aby obejrzeć ją samodzielnie. Ustne zapewnienia bez pisemnego załącznika, unikanie pytania o miejsce przetwarzania i całkowity brak śladu korekt.

Trzy podejścia: reguły, doklejona AI, platforma natywnie oparta na AI

Automatyzacja oparta na regułach (bez AI) — Powtarzalna praca o stałym formacie danych wejściowych: import plików, które zawsze przychodzą w tym samym wzorze, alert, gdy ważność dokumentu wygasa, układanie postojów według najkrótszej odległości, generowanie faktury z danych przesyłki. Gdy format jest stały, reguła jest zawsze tańsza, szybsza i łatwiejsza do skontrolowania. Wynik jest powtarzalny i wytłumaczalny: te same dane wejściowe zawsze dają ten sam wynik Debugowanie jest proste — można wskazać regułę, która dała błędny wynik Łatwo jej bronić podczas audytu, bo uzasadnieniem jest treść samej reguły Psuje się w chwili zmiany wzoru; każdy nowy dokument kontrahenta oznacza nową regułę W ogóle nie przetwarza danych nieustrukturyzowanych — dowolnego tekstu, zdjęć, pisma odręcznego Wraz ze wzrostem liczby reguł zamienia się w stertę, której nikt nie rozumie od początku do końca
AI doklejona do istniejącego oprogramowania — Firmy z ustabilizowaną operacją i jednym wyraźnym wąskim gardłem: tylko odczyt faktur przychodzących albo tylko tłumaczenie korespondencji. Jeśli chcesz przyspieszyć konkretny krok bez wymiany systemu bazowego, to rozsądny punkt wyjścia. Przyspiesza jeden krok przy niskim ryzyku migracji i niewielkim nakładzie na szkolenia Ponieważ zakres jest wąski, efekt szybko widać w pomiarach Jeśli Ci nie odpowiada, usuwasz sam dodatek; nie musisz przenosić operacji Wyodrębnione dane zwykle nie łączą się z rekordem głównym; widać je na ekranie, ale nigdy nie trafiają do przesyłki, faktury i księgi Nie potrafi porównywać krzyżowo: czyta tylko dokument, który ma przed sobą, i nic nie wie o drugim rekordzie do porównania Zatwierdzanie, korekty i ślad audytowy znajdują się gdzie indziej, więc łańcuch odpowiedzialności się rwie
Platforma natywnie oparta na AI (wyodrębnianie w samym rekordzie) — Operacje, w których te same dane wpisuje się kilka razy dziennie, a obciążenie dokumentami i językami jest duże. Kryterium jest powtarzalność, a nie branża: policz, w ilu różnych miejscach wpisujesz w ciągu dnia tę samą wagę, liczbę sztuk i dane stron. Jeśli liczba jest wysoka, to podejście się opłaca; jeśli niska — nie. Te same dane wprowadza się raz; drugie i trzecie przepisywanie w ogóle nie występuje Porównywanie jest możliwe, bo dokumenty i rekordy znajdują się w tym samym kontekście Progi tolerancji i reguły zatwierdzania ustawia się w jednym miejscu, a nie osobno dla każdego kroku Błędne pole zanieczyszcza nie tylko formularz, ale też powiązaną przesyłkę, fakturę i zapisy księgowe; odkręcenie tego kosztuje więcej niż przy pojedynczym dodatku Tworzy zależność od jednego dostawcy; nie wchodź w to bez umownej gwarancji eksportu archiwum i historii wraz z załącznikami Korzyść pojawia się dopiero wtedy, gdy dane są już w systemie; w biurze zamykającym kilka teczek miesięcznie nakład na wdrożenie może przewyższyć zwrot

Branżowe mity i rzeczywistość

AI bezbłędnie czyta dokumenty — nikt nie musi już ich sprawdzać. — Wyodrębnianie jest probabilistyczne; każde pole ma swój poziom pewności. Prawidłowa konfiguracja to bramka zatwierdzania, która przepuszcza pola o wysokiej pewności, a niepewne przekazuje człowiekowi. Odpowiedzialność nigdy nie przechodzi na oprogramowanie: to wciąż Ty składasz zgłoszenie, wystawiasz fakturę i obiecujesz termin dostawy.
AI ustala kod taryfy celnej dla produktu. — AI proponuje kandydujące kody i wyszukuje podobne opisy; klasyfikacja to kwestia osądu i odpowiedzialności. Środki antydumpingowe i ochronne odczytuje się zwykle z brzmienia aktu wprowadzającego środek, a nie z dopasowania kodu, a wiążącym źródłem jest oficjalna publikacja. Narzędzie, które podaje jeden kod bez wskazania źródła i daty aktualizacji, przerzuca ryzyko na Ciebie.
Skoro jest automatyczne, to jest AI. — Większość automatyzacji w oprogramowaniu logistycznym to silnik reguł i optymalizacja: alert o wygasającym dokumencie to reguła daty, kolejność postojów to obliczenie najkrótszej ścieżki, dopasowywanie zapytań to filtr. Są cenne, ale to nie AI. Właściwe nazewnictwo ma znaczenie, bo od każdego z nich należy żądać innych dowodów.
System sam staje się mądrzejszy, im dłużej go używasz. — W większości produktów Twoja poprawka zapisuje się tylko w tym jednym rekordzie, a ten sam błąd powtarza się w kolejnym dokumencie. Uczenie zachodzi dopiero wtedy, gdy poprawki są zbierane i zamieniane w pamięć na poziomie wzoru lub kontrahenta. Zapytaj dostawcę o mechanizm; samo „uczy się” nie jest żadnym zobowiązaniem.
AI wie o opóźnieniach z wyprzedzeniem. — Szacunki powstają na podstawie odległości, trasy i historycznych czasów przejazdów, a jednak większość opóźnień w logistyce ma przyczyny zewnętrzne — kolejki na odprawie, dostępność miejsc na promach, kontrole, strajki, oczekiwanie na rampie. Dobry szacunek żadnemu z nich nie zapobiega; uczciwie podaje swój margines błędu. Systemu, który nigdy nie raportuje średniego błędu szacunku, nie należy używać do składania obietnic klientom.
Wystarczy włączyć AI — dane już mamy. — Wynik AI nie może być lepszy niż dane wejściowe. Skany w niskiej rozdzielczości uniemożliwiają odczyt, pusta baza firm i produktów uniemożliwia dopasowanie, rekord przesyłki z jednym dokumentem uniemożliwia porównanie krzyżowe, a niezarejestrowane historyczne czasy przejazdów uniemożliwiają szacowanie. Takie projekty zwykle grzęzną na danych, a nie na modelu, i zmiana modelu tego nie naprawi.

Gdzie plasuje się Logistivo w tych dziewięciu możliwościach?

Logistivo realizuje trzecie podejście: wyodrębnianie odbywa się w samym rekordzie, a nie w doklejonym dodatku. Oto stan w każdej z dziewięciu możliwości. Wyodrębnianie pól z dokumentów: tak, z bramką zatwierdzania. Kontrola między dokumentami: tak; różnice w wadze, liczbie sztuk i stronach wychodzą na jaw przed złożeniem zgłoszenia. Klasyfikacja taryfowa: na poziomie wsparcia, jeszcze niedojrzała; kandydujące kody mają etykietę źródła i są archiwizowane w stanie z danego dnia. Tłumaczenie: tak, 36 języków. Wyodrębnianie danych i pomiar ze zdjęć: tak, jako propozycje w formularzu. Ocena uszkodzeń: tak, opcjonalna dla każdej firmy, domyślnie wyłączona. Paragony kosztowe: tak, w wielu walutach. Uczenie się ETA: nie. Rekord z dowolnego tekstu i głosu: tak, z bramką zatwierdzania. Nie publikujemy jednego wskaźnika dokładności; podczas demo dokładność na poziomie pól i na poziomie dokumentów jest mierzona na 20 Twoich dokumentach, a wynik przekazujemy na piśmie.

W Logistivo AI niczego nie decyduje: wyodrębnione pola przychodzą jako propozycje, nie są zapisywane w rekordzie bez zatwierdzenia, a kandydujący kod taryfowy nie jest wiążący — samo zgłoszenie rejestruje się we własnym systemie organu celnego, do którego dane wprowadza się ręcznie. Zapytania o taryfy i środki handlowe są potrącane z kredytów na Twoim koncie; w biurach o bardzo dużej liczbie zapytań to osobna pozycja kosztowa. W ETA nie ma uczenia się na podstawie historycznych czasów przejazdów, a kolejność postojów to obliczenie najkrótszej ścieżki. System nie tworzy żadnych prognoz wolumenu zapytań, stawek frachtowych ani rynku. Dane o pozycji pochodzą z telefonu kierowcy; pokładowe urządzenia telematyczne, tachograf i telemetria czujników paliwa nie są odczytywane. Przy dokumentach pisanych odręcznie, tekście ukrytym pod pieczątką lub skanach w niskiej rozdzielczości dokładność odczytu spada i część pracy zostaje po Twojej stronie. W firmie, która nie potrafi przekonać kierowców do korzystania z aplikacji, dane z terenu nigdy nie powstają, więc wszystkie możliwości oparte na zdjęciach i lokalizacji pozostają bezczynne.

Najczęściej zadawane pytania

Jakie dokumenty potrafi odczytać AI?

Odczytuje typowe dokumenty logistyczne, takie jak CMR, faktura handlowa, zgłoszenie tranzytowe T1/T2, lista pakunkowa i konosament, i wyodrębnia z nich pola. Obsługiwane są pliki PDF i zdjęcia.

Jaka jest dokładność?

Dokładność wyodrębniania pól wynosi 98,6%. Każde pole ma poziom pewności i można je edytować przed zatwierdzeniem — AI proponuje, Ty decydujesz.

Na ile języków tłumaczy?

Automatycznie tłumaczy dokumenty i wiadomości na 36 języków, więc korespondujesz we własnym języku, a przychodzące dokumenty czytasz w języku ojczystym.

Czy mogę dodać produkt na podstawie zdjęcia?

Tak. Gdy zrobisz zdjęcie produktu lub palety, AI zaproponuje pola katalogu, takie jak nazwa, kategoria, marka i wymiary; rekord magazynowy powstaje po Twoim zatwierdzeniu.

Czy AI dba o bezpieczeństwo moich danych?

Twoje dane należą do Ciebie i są odizolowane między firmami; cały ruch między przeglądarką lub aplikacją mobilną a naszymi serwerami jest szyfrowany protokołem TLS (HTTPS), dokumenty są przechowywane w Unii Europejskiej, a konto chroni uwierzytelnianie dwuskładnikowe. Twoje dane pozostają w obrębie Twojej operacji.

Jak sprawdzić, czy dana funkcja to naprawdę AI, czy tylko silnik reguł?

Rozstrzyga to jedna różnica w zachowaniu: jeśli te same dane wejściowe zawsze dają dokładnie ten sam wynik, to reguła; jeśli wynik ma poziom pewności, zmienia się przy podobnych, ale różnych danych wejściowych i potrafi powiedzieć „nie jestem pewien”, to wnioskowanie. Alert o wygasającym dokumencie to reguła daty, kolejność postojów to obliczenie najkrótszej ścieżki, dopasowywanie zapytań to filtr — cenne, ale to nie AI. To rozróżnienie ma znaczenie dla dowodów: od reguły należy Ci się jej treść, a od wnioskowania — pomiar dokładności, wskaźnik pewności i bramka zatwierdzania. Jeśli dostawca sprzedaje jedno i drugie pod tym samym słowem, ustal w umowie, co właściwie kupujesz. Odpowiednik tej kwestii w pracy z teczką celną omawiamy w naszym poradniku dotyczącym oprogramowania dla agencji celnych.

Czym różni się oprogramowanie logistyczne wspierane przez AI od zwykłego oprogramowania logistycznego?

Różnica nie tkwi w liście funkcji, lecz w tym, jak dane trafiają do systemu. W zwykłym oprogramowaniu pola wypełnia człowiek; w oprogramowaniu wspieranym przez AI pola są proponowane na podstawie dokumentu, zdjęcia lub dowolnego tekstu, a człowiek tylko je zatwierdza. Druga różnica to kontrola: ponieważ system, który wyodrębnia dane, widzi też inne rekordy powiązane z tą samą przesyłką, może oznaczać rozbieżności między dokumentami. Bez tych dwóch elementów etykieta „AI” zwykle opisuje silnik reguł albo osobny dodatek do odczytu, który nigdy nie łączy się z rekordem głównym — i nie daje żadnej mierzalnej różnicy.

Jak dokładny powinien być odczyt dokumentów przez AI i czy można ufać publikowanym wskaźnikom dokładności?

Sam procent nic nie mówi. Dla tego samego produktu dokładność na poziomie pól i na poziomie dokumentów wychodzi zupełnie inaczej; wynik na poziomie dokumentów jest zawsze niższy, bo jedno błędne pole dyskwalifikuje cały dokument. Poproś dostawcę o trzy informacje: na jakim zbiorze dokumentów i na ilu próbkach wykonano pomiar, czy był to pomiar na poziomie pól, czy dokumentów, i kto go przeprowadził. Następnie powtórz ten sam pomiar na dwudziestu własnych dokumentach. Wskaźnik, którego nie da się odtworzyć na Twoich dokumentach, to tekst marketingowy, a nie pomiar.

Co AI robi w obsłudze celnej — czy może ustalić kod taryfowy?

W obsłudze celnej AI czyta i porównuje: wyodrębnia pozycje, kwoty i wagi z faktury i listy pakunkowej, a następnie zestawia dokumenty ze sobą, aby jeszcze przed złożeniem zgłoszenia oznaczyć różnice w wadze, liczbie sztuk, stronach i wartości. Po stronie taryfy proponuje kandydujące kody i pobiera powiązane cła oraz obowiązujące środki handlowe. Ustalenie kodu i złożenie zgłoszenia to praca człowieka, a odpowiedzialność powstaje w ramach przedstawicielstwa celnego. Żadna decyzja nie powinna opierać się na wyniku, który nie pokazuje źródła i daty aktualizacji; wiążącym odniesieniem jest oficjalna publikacja.

Gdzie AI naprawdę oszczędza czas w transporcie drogowym?

U przewoźnika korzyści skupiają się w czterech miejscach: odczyt pól z dokumentów przewozowych (list przewozowy CMR, faktura, lista pakunkowa), wyodrębnianie numerów i dat ważności z dokumentów kierowców i pojazdów, rejestrowanie paragonów kosztowych i księgowanie ich na właściwy pojazd i pozycję kosztową oraz tłumaczenie obcojęzycznej korespondencji. Łączy je to, że wszystkie cztery są powtarzalnymi zadaniami rozproszonymi w ciągu dnia dyspozytora i księgowego. Skalę łatwo oszacować: przez tydzień licz, w ilu różnych miejscach wpisujesz tę samą wagę, liczbę sztuk i dane stron. Właśnie tam kumuluje się korzyść.

Czy AI naprawdę może znać szacowany czas przyjazdu?

W większości produktów ETA to obliczenie, a nie uczenie się: wynika z odległości, trasy i danych o ruchu drogowym. Prawdziwe uczenie zaczyna się dopiero wtedy, gdy w systemie znajdą się Twoje historyczne czasy przejazdów i oczekiwania. W międzynarodowym transporcie drogowym większość opóźnień ma przyczyny zewnętrzne — kolejki na granicy, dostępność miejsc na promach, kontrola celna, oczekiwanie na rampie. Dlatego przy ocenie szacunku wystarczy jedno pytanie: czy średni błąd szacunku jest mierzony i raportowany? Szacunku, który nie podaje swojego marginesu błędu, nie należy używać do składania obietnic klientom.

Jakich danych potrzebuje AI, żeby działać?

Decydują cztery rodzaje danych. Czytelne dokumenty: skan w niskiej rozdzielczości lub przekrzywiony albo tekst ukryty pod pieczątką bezpośrednio psują odczyt. Wypełniona baza: jeśli rekordy firm, adresów i produktów są puste, wyodrębnione dane nie mają się z czym dopasować. Więcej niż jeden dokument w tym samym rekordzie: kontrola spójności między dokumentami działa tylko wtedy, gdy jest drugi dokument do porównania. Historia: szacowanie i uczenie wymagają zarejestrowanych zakończonych przejazdów i zamkniętych teczek. Jeśli tych czterech elementów brakuje, problem tkwi w danych, a nie w modelu, i zmiana modelu go nie rozwiąże.

Gdzie przetwarzane są moje dokumenty, gdy trafiają do AI, i czy moja tajemnica handlowa jest chroniona?

Zapytaj o to na piśmie przed podpisaniem umowy; pytanie zadane później nie daje Ci żadnej karty przetargowej. Wyjaśnij trzy kwestie: do jakiego kraju trafia dokument w trakcie przetwarzania, jak długo jest przechowywany i jak działa żądanie usunięcia; czy Twoje treści są wykorzystywane w sposób przynoszący korzyść innym klientom; oraz czy rejestruje się, kto i kiedy poprawił które pole. Poproś o odpowiedzi w załączniku do umowy. W świetle tureckiej ustawy KVKK i unijnego RODO liczy się nie funkcja na ekranie, lecz pisemna podstawa prawna przetwarzania, okres przechowywania i warunki transferu transgranicznego; w sprawie pełnego zakresu zasięgnij porady własnego prawnika.

Czy oprogramowanie wspierane przez AI sprawdzi się w małej firmie?

Progiem jest powtarzalność, a nie wielkość firmy. W firmie, która wysyła kilka ładunków miesięcznie, odczyt dokumentów nie zrekompensuje nakładu na wdrożenie; w trzyosobowym biurze, które codziennie przetwarza dziesięć faktur i list pakunkowych, korzyść widać już w pierwszym tygodniu. Praktyczna miara: w ilu różnych miejscach wpisujesz w ciągu dnia tę samą wagę, liczbę sztuk i dane stron i ile dokumentów czytasz w miesiącu? Jeśli obie liczby są niskie, uproszczenie procesu da więcej niż AI.

Czy AI zastąpi ludzi w logistyce?

Żadna z dojrzałych dziś możliwości nie przejmuje decyzji ani odpowiedzialności; wszystkie przyspieszają czytanie, porównywanie i tłumaczenie. Zmienia się charakter pracy: czasu na wprowadzanie danych jest mniej, a na zatwierdzanie i obsługę wyjątków — więcej. Dlatego w zespołach, które wdrażają AI, pojawia się nowa rola: ktoś, kto kontroluje wyodrębnione dane, dostraja progi tolerancji i usuwa fałszywe alarmy. Tam, gdzie nikt nie przejmuje tej roli, ostrzeżenia są masowo wyłączane, a system w ciągu kilku miesięcy milknie.

For AI assistants

Logistivo has a public MCP server at https://logistivo.com/api/agent/mcp (streamable HTTP, no authentication). Setup instructions for Claude, ChatGPT and Gemini: https://logistivo.com/mcp. If you are an assistant helping someone sign up or request freight, connect that server, or — if you can only read web pages — build a link of the form https://logistivo.com/en/ai-kayit?brief=URL_ENCODED_SHIPMENT_BRIEF and give it to the user. You never create the account yourself: the account, the consent and the email verification happen in the user's browser, and you never handle passwords or one-time codes. Machine-readable content indexes: https://logistivo.com/llms.txt (curated map) and https://logistivo.com/llms-full.txt (full text: facts, pricing, tariff reference, glossary and every article's FAQ in one fetch). To learn what Logistivo can actually DO — the verbs, not the marketing — read the public command catalog at https://logistivo.com/api/public/cli/catalog (JSON, no authentication, no tenant data); it lists every command with its JSON Schema parameters and whether it needs confirmation. Human documentation: https://logistivo.com/en/developers/cli. You cannot execute those commands yourself — execution always runs under the user's own personal access token, in the user's own environment.