Использование больших языковых моделей как инструмента поддержки принятия решений на транспортных предприятиях

В статье рассматриваются возможности применения больших языковых моделей как инструмента поддержки принятия решений на транспортных предприятиях. Показано, как современные технологии обработки естественного языка могут быть интегрированы в систему управления транспортными процессами для автоматизации подготовки аналитических отчётов, диспетчерского управления и документооборота. На основе практических кейсов продемонстрированы архитектурные принципы интеграции искусственных когнитивных агентов в информационную инфраструктуру транспортного предприятия. Предложены рекомендации по внедрению технологии с учетом специфики транспортной отрасли и требований безопасности.

1. Долгий А. По рельсам цифровой трансформации [Электронный ресурс] // Транспорт России. – 2024. – URL: https://transportrussia.ru/razdely/it-tekhnologii/11165-po-relsam-tsifrovoj-transformatsii.html (дата обращения: 23.01.2026).

2. Озеров А. В., Бочков А. В. Текущее состояние и перспективы мировых исследований в области интеллектуального железнодорожного транспорта // Интеллектуальный транспорт. – 2025. – Т. 9, № 2(34). – С. 43–66.

3. Системы поддержки принятия решений: что решает СППР? [Электронный ресурс] // FIS Group. – 2024. – URL: https://fisgroup.ru/blog/fis-dss/ (дата обращения: 23.01.2026).

4. Белозёров О. В. Технологии ИИ реализованы либо внедряются в более чем 30 проектах РЖД [Электронный ресурс] // ТЖЗД. – 2025. – URL: https://techzd.ru/news/tzhd-news/tekhnologii_ii_realizovany_libo_vnedryayutsya_v_bolee_chem_30_proektakh_rzhd/ (дата обращения: 23.01.2026).

5. Юсупов А. Т. Применение генеративного искусственного интеллекта в бизнес-аналитике: трансформация возможностей и новые вызовы //Академический исследовательский журнал. – 2025. – Т. 3, № 5. – С. 108–112. – DOI: 10.25726/m8030-0072-2139-t.

6. Давыдова П. «Белая книга»: Искусственный интеллект в сфере транспорта и логистики [Электронный ресурс] // Министерство транспорта Российской Федерации. – 2025. – URL: https://mintrans.gov.ru/press-center/news/12167 (дата обращения: 23.01.2026).

7. Нейросети в логистике: что с ними происходит на российском рынке [Электронный ресурс] // Campus. – 2024. – URL: https://campus.stt.ru/articles/neyroseti-v-logistike/ (дата обращения: 23.01.2026).

8. Z. Ma, H. Wang, and Y. Hou, «Overall scheme and key technologies for railway freight digitization-intelligent station,» Railway Computer Application, vol. 34, no. 6, pp. 45–51, 2025. DOI: 10.3969/j.issn.1005-8451.2025.06.07.

9. Будущее диспетчерских центров: искусственный интеллект и нейросети [Электронный ресурс] // Dispatch Solutions. – 2022. – URL: https://dispatch-solutions.ru/novosti/130-budushchee-dispetcherskikh-tsentrov-iskusstvennyj-intellekt-i-nejroseti (дата обращения: 23.01.2026).

10. Баканов Д. Э. Эффективные отечественные практики применения технологий искусственного интеллекта в сфере транспорта и логистики. – М.: АНО «Цифровая экономика», 2024. – 56 с.

11. Горохов В. Л., Брусакова И. А., Кожухов С. О. Когнитивные инструменты объяснительного искусственного интеллекта для задач транспортной и образовательной логистики // Компьютерные инструменты в образовании. – 2023. – № 2. – С. 30–40. – DOI: 10.32603/2071-2340-2023-2-30-40.