Документы нужны логистам для работы с конкретным грузом
К каждой перевозке относятся счета, документы, сведения о перевозчике и сообщения о движении груза. Логистам нужно переносить нужные данные в карточку перевозки и обновлять их, чтобы команда видела текущее состояние груза.
KLog.co использует ИИ, чтобы автоматизировать работу с перевозочными документами и отслеживание грузов.
По данным Google Cloud, чилийская компания KLog.co разрабатывает технологии для логистики и использует Gemini Enterprise, BigQuery и Google Workspace для отслеживания грузов и обработки документов. Google сообщает, что после внедрения ошибок ручного ввода стало более чем на 90% меньше, а система может обрабатывать в десять раз больше документов. [1]
Результаты опубликовал Google Cloud — поставщик технологии. В обзоре не раскрыты период измерений, объём документов, исходные показатели и подробное устройство системы. Поэтому эти цифры нельзя считать независимо подтверждённым ориентиром для всей отрасли.
Сведения из документа нужно связать с конкретной перевозкой
KLog.co развивает цифровую платформу грузоперевозок для импортёров и экспортёров. Она собирает сведения о перевозках и документы в одном месте, позволяет отслеживать грузы в реальном времени, уведомляет о событиях по маршруту и привязывает документы и счета к конкретным перевозкам. [2]
При обработке документов команде нужно решить практическую задачу: собрать сведения для ведения перевозки. Логисту важно понять, где груз, что изменилось, какие документы уже получены и что делать дальше.
При ручном переносе данных с ростом числа перевозок на обработку уходит больше времени, а вероятность ошибки растёт.
В опубликованных Google Cloud результатах KLog.co улучшились оба показателя: число ошибок ручного ввода, по заявлению компании, снизилось более чем на 90%, а система может обрабатывать в десять раз больше документов.
Извлечённая из перевозочного документа информация приносит пользу, когда команда может использовать её в работе с конкретным грузом.
ИИ помогает вести перевозки в рабочей системе
Из открытых источников подтверждены три технологии: Gemini Enterprise, BigQuery и Google Workspace. По данным Google, KLog.co использует их совместно для автоматизации двух связанных задач: отслеживания грузов и обработки перевозочных документов.
ИИ дополняет платформу KLog. В ней по каждой перевозке собраны данные и документы. Пользователи отслеживают грузы в реальном времени, получают уведомления и используют накопленные сведения для отчётов и анализа.
Google не опубликовал подробную схему работы ИИ. Источник не уточняет:
- какие виды перевозочных документов обрабатывает система;
- какие поля извлекает Gemini;
- сверяются ли данные со сведениями перевозчика или записями о перевозке;
- по каким признакам система решает, что данные можно использовать без дополнительной проверки;
- в каких случаях нужна проверка человеком;
- как именно извлечённые данные записываются в системы KLog.
Поэтому по открытым материалам нельзя восстановить подробный порядок обработки документа. Источник связывает следующие части решения:
сведения о перевозке + обработка с помощью ИИ + общая база данных + работа с грузом.
Обработка документов помогает поддерживать актуальные данные о перевозке
Внедрение ИИ для работы с документами может ограничиться извлечением данных:
PDF → извлечённые значения → файл данных JSON.
Сотруднику всё равно придётся проверить значения и перенести их из файла данных в систему, где он ведёт работу.
Google связывает применение ИИ в KLog сразу с двумя задачами: обработкой документов и отслеживанием грузов. Поэтому результат стоит оценивать по тому, как команда использует сведения из документов.
Платформа KLog уже привязывает документы к отдельным перевозкам и показывает их текущее состояние в реальном времени.
Поэтому цель автоматизации можно сформулировать так:
документ → пригодные для работы данные → актуальная информация о перевозке.
Тогда сведения из файла можно использовать для отслеживания груза, отчётности, уведомлений и повседневных решений команды.
По данным Google, KLog допускает меньше ошибок и обрабатывает больше документов
Google Cloud приводит два результата внедрения.
Более чем на 90% меньше ошибок ручного ввода
По данным Google, KLog.co сократила число ошибок при ручном вводе данных более чем на 90%.
Система может обрабатывать в десять раз больше документов
Google также сообщает, что система KLog.co теперь может обрабатывать в десять раз больше документов.
Показатели описывают разные стороны работы: первый — число ошибок при вводе данных, второй — объём документов, который система может обработать. Для оценки автоматизации важны оба: увеличение объёма обработки само по себе не показывает качество данных.
При этом в открытом описании нет числа обработанных документов, сроков внедрения, сведений об изменении штата, экономии и точной методике оценки ошибок. Независимо рассчитать результат по этим данным невозможно.
Получить документ → извлечь сведения → подготовить данные → связать с перевозкой → обновить систему → использовать в работе
Из кейса можно вывести общий порядок работы с документами для других компаний. Ниже — схема Maak.Digital; она не воспроизводит закрытое устройство системы KLog.
Документы и сообщения поступают в рабочий процесс.
ИИ находит нужные сведения в тексте документа.
Нужные сведения превращаются в данные, пригодные для автоматической обработки.
Сведения связываются с нужной записью в рабочей системе — в этом случае с конкретной перевозкой.
Рабочая система получает актуальные сведения.
Команда использует обновлённые данные для отслеживания, уведомлений, отчётности и принятия решений.
Необязательно автоматизировать все шесть этапов сразу. Если же ограничиться извлечением сведений, сотруднику всё ещё может потребоваться переносить их в рабочую систему вручную.
Обновлять рабочие записи по данным из документов
KLog уже предоставляет клиентам единое место для сведений о перевозках и документов, отслеживание грузов в реальном времени, уведомления и отчётность.
ИИ дополняет такую среду, когда сокращает объём ручной работы по переносу сведений из перевозочных документов в рабочие данные.
Тот же порядок работы можно рассмотреть и в других отраслях.
Ниже — возможные применения подхода, а не сведения о других внедрениях KLog:
Документ поставщика → извлечённые сведения → связать с заказом на закупку → обновить учётную систему.
Накладная или спецификация → нужные сведения → связать с проектом или работами → передать в систему управления проектом.
Документ по страховому случаю → подтверждающие сведения → карточка страхового случая → проверка специалистом.
Отчёт о работах → сведения об оборудовании → обновление заявки → следующее действие.
Счёт → проверенные данные → привязка к операции → бухгалтерский учёт.
Во всех этих примерах цель одна: получить документ и по его данным обновить нужную запись в рабочей системе.
ИИ должен доводить данные до рабочей системы
При подготовке проекта стоит проверить, что происходит после извлечения данных.
Например, ИИ уже прочитал документ, но сотруднику ещё нужно проверить результат, скопировать сведения в другую систему и отправить обновление коллегам.
Тогда экономию времени на чтении документа нужно сопоставить со временем на проверку, перенос и дальнейшую обработку данных.
В кейсе KLog Google приводит объём обработки и число ошибок ручного ввода. Эти показатели помогают оценить рабочий результат, хотя без методики и исходных данных независимо проверить его нельзя.
Для пробного запуска полезен такой вопрос:
Сколько документов команда сможет обработать и сколько исправлений потребуется после переноса данных?
Чтобы это выяснить, при подготовке проекта стоит описать путь документа целиком.
Для начала можно выбрать один вид документа, из которого сотрудники регулярно переносят сведения в другую систему. Затем описать, какие поля они проверяют, куда вводят значения и кто использует обновлённую запись.
Четыре вопроса перед автоматизацией работы с документами
Какие документы поступают регулярно и по каким каналам?
Для вложений в письмах, PDF, сканов, порталов, таблиц и сообщений могут понадобиться разные способы загрузки.
Где в итоге должны оказаться извлечённые данные?
Это может быть учётная система, система работы с клиентами, перевозками или проектами. Нужно сразу понять, как передавать в неё результат.
Какие данные можно принимать автоматически, а какие нужно проверять?
Порядок проверки особенно важен для данных, от которых зависят деньги, сроки доставки, обязательные требования или обязательства перед клиентами.
Что делать, если документ неполный, содержит противоречия или неоднозначные сведения?
В рабочей системе нужен отдельный порядок действий для таких случаев. Одного сценария успешной обработки недостаточно.
Автоматизация документов и рабочих процессов с ИИ
Если сотрудник читает документ, переносит сведения в другую систему и отправляет обновление коллегам, автоматизация касается нескольких этапов. Нужно заранее определить, где ИИ извлечёт данные, куда они попадут и что проверит человек.
Начать можно с пробного запуска: взять один тип документов и одну рабочую систему. Вместе определим, какие данные можно переносить автоматически и что будет проверять сотрудник. Объясним шаги внедрения и способ проверки результата.
Проверка специалистом остаётся частью такого процесса. Автоматизация должна сократить повторяющийся ручной перенос сведений из документов в систему, где команда ведёт работу.
Статья — независимый разбор Maak.Digital на основе открытых сведений о том, как KLog.co использует ИИ Google Cloud.
Основной источник о внедрении ИИ — обзор клиентов Google Cloud от 24 сентября 2026 года. В нём сказано, что KLog.co использует Gemini Enterprise, BigQuery и Google Workspace для отслеживания грузов и обработки перевозочных документов. По данным обзора, число ошибок ручного ввода сократилось более чем на 90%, а система может обрабатывать в десять раз больше документов.
Описание платформы KLog.co, единого хранилища документов, отслеживания грузов в реальном времени, уведомлений и отчётности взято с официального сайта KLog.co.
Maak.Digital не участвовала в этом внедрении. Google и KLog.co не раскрыли достаточно сведений, чтобы независимо проверить заявленные показатели или восстановить подробную архитектуру ИИ-системы.