Интеллектуальные агенты на основе больших языковых моделей в управлении транспортом: сравнительный анализ подходов к разработке и внедрению

В статье рассматривается «информационный разрыв» между объективными телеметрическими данными и первичной документацией в логистике и дорожном строительстве, возникающий из-за растущего объема неструктурированной информации и нехватки квалифицированного персонала. Рассматриваются два проекта, направленные на создание интеллектуальных агентов для преодоления этого разрыва в управлении транспортом. На основе сравнительного анализа двух реализованных решений в исследовании определены общие архитектурные принципы. Первый проект (этап технического предложения) разрабатывает помощника диспетчера на базе ИИ, который автоматически собирает и сопоставляет запросы из внешних каналов с внутренней системой управления транспортом (TMS) посредством глубокой интеграции API. Второй проект (рабочий прототип) реализует рабочий процесс на платформе n8n с низким уровнем кодирования, который извлекает, нормализует и сравнивает данные PDF-файлов ГЛОНАСС с бухгалтерскими записями. Оба агента используют единую пятиступенчатую когнитивную модель агента и гибридную архитектуру, сочетающую большую языковую модель с детерминированной логикой. Два решения принципиально различаются по парадигме интеграции: глубокая интеграция API против сборки с низким уровнем кодирования. Это различие определяет скорость разработки, общую стоимость владения и масштабируемость. Прототип с использованием подхода low-code окупается менее чем за месяц, в то время как глубокая интеграция предлагает большую возможность индивидуальной настройки и подключения к ERP-системе, но со значительно более высокими первоначальными затратами. Критерии выбора архитектурного подхода формулируются на основе зрелости ИТ-инфраструктуры компании. Эти критерии позволяют сделать стратегический выбор между глубокой интеграцией и разработкой с использованием low-code в зависимости от приоритетов бизнеса, готовности инфраструктуры и имеющихся ресурсов.