Диспетчер службы доставки еды каждый час решает одну задачу: какому курьеру отдать новый заказ и в каком порядке развозить. Ошибка стоит остывшей еды и злого гостя. Нейросеть помогает на двух участках: разбирает входящие заявки текстом и подсказывает порядок развоза. Полное планирование маршрутов держат специальные алгоритмы, а языковая модель снимает рутину диспетчера вокруг них.
Где она помогает
Нейросеть в доставке еды закрывает рутину диспетчера: разбирает входящие заявки из чатов в структуру, отвечает гостям про статус заказа, собирает сводку по опозданиям за смену. Сам расчёт оптимального маршрута для пачки заказов точнее делают специальные алгоритмы, а языковая модель встаёт рядом и убирает ручную возню вокруг них.
Важно сразу развести два понятия, которые часто путают. Оптимизация маршрута для десятка адресов с учётом окон доставки — это математическая задача, и её решают алгоритмы маршрутизации вместо языковой модели. Зато всё текстовое вокруг этой задачи модель снимает отлично: принять заявку из свободного текста, ответить курьеру, объяснить гостю задержку, свести цифры смены.
Возьмите типичную смену. Заявки сыплются в Telegram свободным текстом: адрес с опечаткой, имя гостя, две позиции из меню. Диспетчер вручную переносит это в систему. Модель читает сообщение и сама раскладывает его на поля: адрес, контакт, состав заказа, комментарий. Дальше структурированная заявка уходит в систему маршрутизации, которая считает порядок развоза по геоданным.
Второй участок — общение. Гость пишет «где мой заказ», курьер сообщает о пробке, ресторан задерживает готовку. Модель готовит вежливый ответ гостю с честной оценкой задержки и подсказывает диспетчеру, кого из курьеров стоит догрузить. Решение остаётся за диспетчером, но рутинная переписка с него снята.
- Разбор заявок из чатов в структуру: адрес, контакт, состав, комментарий
- Ответы гостям про статус и честную оценку времени доставки
- Подсказки диспетчеру, кого из курьеров стоит догрузить
- Сводка по опозданиям и проблемным адресам за смену
Где её границы
Главная честная оговорка: расчёт оптимального маршрута — это задача алгоритма вместо языковой модели. Если вам нужно развезти пятнадцать заказов с учётом окон доставки, пробок и вместимости термосумки, это считают специальные сервисы маршрутизации. Языковая модель такую задачу решает плохо и склонна выдумывать порядок, который кажется логичным, но проигрывает по времени.
Порядок объезда точек, привязку заказа к ближайшему курьеру и учёт пробок отдавайте сервису маршрутизации. Языковой модели отдавайте текст: приём заявок, ответы гостям, разбор смены, черновики сообщений курьерам. Связка этих двух инструментов сильнее, чем попытка повесить всё на одну модель.
Модель ошибается уверенно. Она может неправильно разобрать адрес с опечаткой и отправить курьера на соседнюю улицу. Это свойство языковых моделей называют галлюцинациями. Поэтому разобранную заявку диспетчер видит и подтверждает перед тем, как она уйдёт в развоз. Чем дороже ошибка — а остывший заказ дорог — тем строже проверка на старте.
- Точный порядок объезда адресов считает алгоритм маршрутизации
- Адрес после разбора моделью подтверждает диспетчер перед развозом
- Решение догрузить курьера принимает человек, а отдаёт прямую команду модель
- Спорные ситуации с гостем и возвраты — целиком зона диспетчера
Что нужно дать
Чтобы модель приносила пользу, ей нужен контекст вашей службы и связка с системой, которая считает геоданные. Контекст — это меню, зоны доставки, тон общения и правила про сроки. Связка — это передача разобранной заявки в сервис маршрутизации. Начинают с малого: сперва модель просто разбирает текст заявок, а уже потом подключают автоматическую передачу.
- Соберите контекст: зоны доставки, среднее время готовки, тон общения с гостем
- Возьмите участок, который грузит диспетчера сильнее всего — обычно это разбор заявок
- Дайте модели десять реальных сообщений гостей и попросите разложить их на поля
- Сравните разбор модели с тем, как заявку заводит ваш диспетчер вручную
- Закрепите рабочий формат в промпт-шаблон и подключите ответы гостям про статус
- Позже свяжите разобранную заявку с сервисом маршрутизации через n8n
Расскажите, как сейчас устроена смена диспетчера и где теряется время, и я покажу, что отдать алгоритму, а что языковой модели. Записаться можно на бесплатный часовой разбор.
Сколько это стоит
На старте затраты держатся в рамках десятков долларов в месяц за подписку на модель, точную цифру сверьте на сайте сервиса. Этого хватает, чтобы диспетчер разбирал заявки и отвечал гостям через готовый шаблон. Сервис маршрутизации — отдельная статья расходов, и подключают его тогда, когда поток заказов перерос ручную раскладку диспетчера.
| Задача | Чем закрыть | Когда усложнять |
|---|---|---|
| Разбор заявок из чатов | Чат с языковой моделью и промпт-шаблон | Когда заявок сотни в день — автоматическая передача через n8n |
| Ответы гостям про статус | Шаблон ответа на базе модели | Когда нужен бот в мессенджере с подключением к системе заказов |
| Порядок развоза | Сервис маршрутизации по геоданным | Когда курьеров десятки и зон несколько |
| Сводка по смене | Выгрузка данных, модель сводит в отчёт | Когда точек несколько — регулярная автоматическая сводка |
Российская служба доставки упирается в доступ к сильным зарубежным моделям и в оплату. Здесь работают и отечественные решения, и зарубежные через корректный доступ. Выбор зависит от объёма заявок и чувствительности данных гостей. Платная связка с маршрутизацией окупается, когда ручная работа диспетчера дороже настройки процесса один раз.
Куда двигаться
Когда модель разбирает заявки и отвечает гостям, служба делает следующий шаг: подключает сервис маршрутизации и связывает его с разобранными заказами. Так диспетчер уходит от ручной раскладки к контролю, а курьеры получают порядок развоза, посчитанный по геоданным. Это разумный путь — сначала снять текстовую рутину, потом усиливать саму логистику.
Заодно диспетчеры учатся работать с инструментом сами. Сначала промпт-шаблоны собираем вместе со мной, дальше старший диспетчер правит их под новые зоны и акции. Навык остаётся со службой: выйдут новые версии моделей, а команда уже умеет ставить им задачи и переносит шаблоны без переучивания.
Главная сложность — честно развести, что считает алгоритм, а что модель, и удержать проверку разбора на старте. Частый провал: владелец вешает на языковую модель сам расчёт маршрута, получает странный порядок объезда и решает, что нейросети бесполезны. На разборе процессов мы вместе смотрим на вашу смену и выбираем участок, который окупится первым.