Klient

Europejska firma logistyczna (transport drogowy i kontraktowa logistyka). Rozproszona infrastruktura IT, systemy TMS/WMS oraz rosnące ambicje w obszarze data-driven operations.

Wyzwanie 

Organizacja planowała wdrożenie rozwiązań AI/ML w celu optymalizacji tras i prognozowania wolumenów, jednak nie posiadała kompetencji data science ani MLOps. Dział IT koncentrował się na utrzymaniu systemów operacyjnych, a rekrutacja specjalistów AI była utrudniona ze względu na konkurencyjny rynek i niską rozpoznawalność firmy jako pracodawcy technologicznego.

Brak zasobów opóźniał projekty optymalizacyjne, zwiększał koszty paliwa i ograniczał możliwość skalowania operacji w okresach pikowych.

Rozwiązanie 

Zaproponowaliśmy model łączący rekrutację i outsourcing zespołu AI/ML. W ciągu 8 tygodni dostarczyliśmy dedykowany zespół w formule staff augmentation:

• ML Lead / Architect
• 2 Data Scientist
• ML Engineer
• Data Engineer

Zespół odpowiadał za:

• budowę pipeline’u danych z systemów TMS, GPS i ERP,
• model predykcji wolumenów (forecasting),
• algorytm optymalizacji tras z uwzględnieniem kosztów paliwa i SLA,
• wdrożenie środowiska MLOps oraz monitoring modeli.

Projekt był realizowany w ścisłej współpracy z działem operacyjnym i IT klienta, z równoległym transferem wiedzy do zespołu wewnętrznego.

Wnioski

• 12–15% redukcja kosztów paliwa dzięki optymalizacji tras
• 20% poprawa trafności prognoz wolumenów
• Skrócenie czasu planowania operacyjnego o 30%
• Szybkie zabezpieczenie kompetencji AI bez długotrwałej rekrutacji i ryzyka nieudanego hire’u

Klient uzyskał skalowalne środowisko AI oraz fundament pod dalszą automatyzację procesów logistycznych.