Алгоритм разработки логистических агентов для динамического расчета маршрута, справочной системы предприятия и транзакций
Аннотация
Отрасли грузоперевозок, логистики и коммерческого транспорта постоянно внедряют значительное количество технологических инноваций, позволяющих повысить экономическую эффективность. Одно из направлений совершенствования бизнес-процессов в логистике – внедрение искусственного интеллекта и AI-агентов. Выявлены основные направления применения AI-агентов в логистике. Проанализирована технология работы AI-агентов. Предложен круг задач и алгоритмы разработки логистических агентов для расчета маршрута, справочной системы предприятия и транзакций. Акцент сделан на обеспечении минимальных затрат на выполнение запросов пользователей и увеличение скорости и адекватности ответов за счет параллельной обработки и применения алгоритмов фильтрации. Изучены подходы к обеспечению кибербезопасности внутренних баз предприятия при работе пользователей с AI-агентами, использующими запросы к внешним LLM моделям.
Литература
2. В.В. Цверов, О.Л. Домнина, Д.И. Мамедов, У. Герби. Системный подход к поставкам нерудных строительных материалов на речном транспорте./ В.В. Цверов // Научные проблемы водного транспорта. – 2024. - №79(2) .- С.176–189.
3. Е.И. Вершинина, М.В. Никулина, Ю.И. Платов. Особенности планирования и оценки работы судов малых судоходных предприятий на современном этапе. №79(2), 2024 стр.201-208
4. Фирсов М.В. Методология разработки эффективных структур бизнеса/ М.В. Фирсов // Предпринимательство. – 2004. - №5.- С.64.
5. Фирсов М.В. Механизм эффективного управления бизнес-процессами малого предпринимательства. Диссертация на соискание ученой степени кандидата экономических наук / М.В. Фирсов. – Москва, 2000.
6. Что такое LLM — большие языковые модели https://selectel.ru/blog/that-is-llm/?ysclid=mer48gac1w635334084
7. Гайд по разработке и внедрению мультиагентных систем в корпоративную среду https://giga.chat/b2b/multi-agent-system (дата обращения 08.08.2025).
8. Как мы оцениваем точность ответов основанного на RAG AI-помощника https://habr.com/ru/companies/alfastrah/articles/889042/
9. Что такое Retrieval-Augmented Generation (RAG) в языковых моделях и как оно работает?. - 6 сен 2024 в 17:33. - https://habr.com/ru/articles/841428 (дата обращения 08.08.2025).
10. Максим Ведерников. AI-агенты на основе LLM и мультиагентные системы. - 28 ноября 2024. - https://blogs.epsilonmetrics.ru/ii-agenty-i-multiagentnye-sistemy/?ysclid=meldxgvsxg240360973 (дата обращения 08.08.2025).
11. Фирсов М.В. Концепция разработки компонентов безопасности на основе развития бизнес-процессов логистики компании./ М.В. Фирсов // Научные проблемы водного транспорта. – 2024. - №79(2) .- С.164–176.
12. .Smirnov Valeriy. ANNA – сервис для автоматической разработки нейронных сетей. - 1 апр 2024 в 10:03. - https://habr.com/ru/companies/alfa/articles/804085 (дата обращения 08.08.2025).
Copyright (c) 2025 Научные проблемы водного транспорта
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
