На коробке с бытовой техникой обнаружили вмятину: один сотрудник готов принять груз, другой требует вернуть его отправителю. ИИ для проверки упаковки полезен в такой ситуации, если участники заранее одинаково понимают допустимый дефект. В Японии начали пилот, который связывает оценку фотографий с общими отраслевыми критериями.
Что началось 2 ноября
Согласно совместному сообщению участников на сайте Fujitsu, эксперимент проходит со 2 ноября 2026 года по 15 января 2027-го. В нём участвуют совет цепочки поставок бытовой техники, Институт экономики дистрибуции, Fujitsu и SoftBank Robotics.
Участники планируют согласовать критерии повреждений внешней картонной упаковки и проверить ИИ-модели в реальной логистике. В релизе описаны фотографии смартфона и сохранение результатов для последующей проверки. Также заявлены оценка точности, удобства работы на месте и влияния на возвраты и повторные доставки.
Итоговых измерений пока нет. Поэтому корректный новостной результат сейчас — начало конкретного эксперимента с названными задачами, а не доказанное сокращение расходов. В этом пилоте важно, как согласованные правила связывают с фотографией повреждения.
Почему сначала нужны единые критерии
Редакционный вывод — модель не решит спор, если разные участники поставки называют одну и ту же вмятину разными категориями. До проверки распознавания нужно определить, какое наблюдение считается основанием для каждого решения. Иначе систему будут оценивать по противоречащим друг другу ответам.
Учебный пример: на боковой стороне коробки есть потёртость, а рядом — продавленный угол. Для проверки недостаточно общего признака «повреждено». Важно описать вид дефекта, расположение, размер и условие, при котором требуется дополнительный осмотр. Это пример организации критериев, а не пересказ утверждённого участниками стандарта.
Отдельно нужно различать состояние упаковки и состояние товара. По фотографии внешней стороны нельзя автоматически сделать вывод об исправности содержимого. Если правило требует осмотра, ИИ должен передать случай на эту процедуру, сохранив основание рекомендации.
Полезно заранее разобрать пограничные изображения с представителями разных сторон. Если эксперты расходятся, такой случай стоит сохранить для уточнения инструкции. Присваивать ему единственную «правильную» метку без обсуждения — значит спрятать исходное разногласие внутри теста.
Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке
Используйте эти модели
в Agent ROI.
Подписку можно оплатить в рублях.
Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке
Используйте эти модели
в Agent ROI.
Подписку можно оплатить в рублях.
300 ₽ на первые запросы
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Начислим при регистрации в Agent ROI.

Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке
при регистрации
Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке
Используйте эти модели
в Agent ROI.
Подписку можно оплатить в рублях.
Оплачивайте подписку
в рублях
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Карту для старта
привязывать не нужно.
при регистрации
На первые запросы
к моделям в Agent ROI
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Карту для старта
привязывать не нужно.
Оплачивайте подписку
в рублях
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Попробуйте Grok, ChatGPT,
Gemini, Claude и Perplexity
Эти модели доступны по одной подписке
в Agent ROI.
Начните с бонуса при регистрации.

Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке
Используйте эти модели
в Agent ROI.
Подписку можно оплатить в рублях.
Оплачивайте подписку
в рублях
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Используйте эти модели в Agent ROI.
Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке
300 ₽ при регистрации
Карту привязывать не нужно.
Используйте эти модели в Agent ROI.
На первые запросы
к моделям в Agent ROI
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Бонус начислим при регистрации.
Карту привязывать не нужно.
300 ₽ на первые запросы
Бонус при регистрации
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Используйте эти модели в Agent ROI.

Оплачивайте подписку
в рублях
Grok, ChatGPT, Gemini, Claude
и Perplexity доступны по одной подписке.
Карту привязывать не нужно
Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке
Используйте эти модели
в Agent ROI.
Подписку можно оплатить в рублях.
Попробуйте Grok, ChatGPT,
Gemini, Claude и Perplexity
Эти модели доступны по одной подписке
в Agent ROI.
Бонус начислим при регистрации.
Карту привязывать не нужно.
при регистрации
Что записывать вместе с фотографией
Для собственного пробного процесса редакция предлагает сохранять изображение вместе с идентификатором партии, временем осмотра, используемым критерием и решением сотрудника. Тогда спорный результат можно восстановить позднее и сравнить с исходным наблюдением.
Качество снимка тоже должно быть частью проверки. На фотографии с одного ракурса может быть не видно нужного угла, а блик или тень способны затруднить оценку поверхности. В таком случае полезный ответ — запросить дополнительный кадр, а не уверенно выбрать категорию.
В учебной карточке осмотра можно разделить поля: что видно, какой пункт критерия применяется и что ещё нужно проверить. Рядом стоит записать, изменил ли сотрудник предложенное решение и почему. Такие записи помогут отличить ошибку модели от недостаточного снимка или неоднозначной инструкции.
Рекомендации по записи данных не являются готовой процедурой японского пилота. Это способ подготовить собственный ограниченный тест, в котором у каждого решения есть понятное основание и возможность повторного разбора.
Как оценивать пилот до расширения
Проверяйте систему на обычных и сложных случаях: похожих повреждениях разных размеров, нескольких дефектах одновременно и снимках, которых недостаточно для вывода. Хорошо снятые примеры нужно дополнить пограничными случаями и неполными кадрами.
Для редакционного пробного набора полезны четыре вопроса:
- совпадает ли оценка с согласованным критерием;
- может ли сотрудник понять причину рекомендации;
- распознаётся ли нехватка изображения или данных;
- сколько времени занимает весь осмотр вместе с повторными кадрами.
Изменение числа возвратов нужно рассматривать вместе с качеством приёмки и последующими претензиями. Меньше повторных поездок само по себе не доказывает улучшение процесса, если увеличилось число неверно принятых случаев. Принцип проверки эталонных ответов разобран в нашем материале о кейсе Property Finder. Начните с согласования нескольких спорных примеров, прежде чем сравнивать модели.
Больше материалов по теме — в разделе «ИИ для бизнеса».