ИНТЕЛЛЕКТУАЛЬНЫЕ АГЕНТЫ НА ОСНОВЕ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ В УПРАВЛЕНИИ ТРАНСПОРТОМ СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПОДХОДОВ К РАЗРАБОТКЕ И ВНЕДРЕНИЮ

Аннотация

Рост объемов неструктурированной информации и дефицит кадров в логистике и дорожном строительстве обнажают такую проблему как «информационный разрыв» между объективными данными телеметрических систем и первичной документацией. В статье представлены результаты двух проектов создания интеллектуальных агентов, призванных ликвидировать этот разрыв. Первый проект, который находится на уровне технического предложения, нацелен на создание ИИ-ассистента диспетчера для автоматического сбора и сопоставления заявок из внешних каналов с внутренней TMS-системой. Второй проект, который является действующим прототипом, представляет собой workflow на low-code платформе n8n, осуществляющий извлечение данных из PDF-отчетов ГЛОНАСС, их нормализацию и сравнение с учетными данными. Сравнительный анализ демонстрирует, что оба решения базируются на единой пятиэтапной когнитивной модели агента и гибридной архитектуре LLM с детерминированной логикой, однако различаются подходом к интеграции: глубокая API-интеграция противопоставляется сборке в low-code среде, что определяет скорость разработки, совокупную стоимость владения и масштабируемость. Сформулированы критерии выбора архитектурного подхода в зависимости от зрелости ИТ-ландшафта компании.