Automatyzacja wycen w TSL: +2 p.p. marży [CASE STUDY]

Manualne przygotowywanie wycen transportowych to jeden z największych hamulców rozwoju firm spedycyjnych. Proces ten pochłania godziny pracy spedytorów, generuje niespójności i opóźnia odpowiedzi do klienta. Zobacz, jak jedna z polskich firm spedycyjnych odzyskała kontrolę nad tym procesem, wdrażając dedykowany system oparty o AI, który skrócił czas wyceny o 90% i podniósł rentowność zleceń.

Wyzwanie: Jak ręczne zarządzanie stawkami hamowało wzrost?

Problem polegał na zdecentralizowanym i chaotycznym procesie wyceny zleceń transportowych. Przy zespole 25 spedytorów, brak jednego, wiarygodnego źródła informacji o stawkach przewoźników prowadził do paraliżu operacyjnego. Każde zapytanie od klienta inicjowało żmudny proces poszukiwawczy, który hamował dynamikę i rentowność firmy.

Spedytorzy poświęcali średnio 15-20 minut na przygotowanie pojedynczej oferty. Czas ten był marnowany na przeszukiwanie skrzynki mailowej, historycznych zleceń w systemie TMS oraz dziesiątek arkuszy kalkulacyjnych. Każdy pracownik miał własne "złote" arkusze i kontakty, co tworzyło silosy informacyjne. Wiedza o rentownych relacjach i sprawdzonych przewoźnikach odchodziła z firmy wraz z pracownikiem.

Taki model pracy generował szereg problemów biznesowych. Po pierwsze, opóźnienia w odpowiedziach na zapytania klientów – często kluczowe minuty decydowały o zdobyciu ładunku. Po drugie, niespójność cenowa. Ten sam fracht mógł być wyceniony różnie przez dwóch spedytorów, co podważało wiarygodność firmy. Po trzecie, utracone szanse optymalizacji. Bez dostępu do zagregowanych danych, spedytorzy nie byli w stanie szybko identyfikować najlepszych opcji przewozowych, co bezpośrednio uderzało w marżę.

Zarząd firmy zidentyfikował, że ten wąski gardł operacyjny jest główną barierą do skalowania biznesu. Nie można było zwiększyć wolumenu zleceń bez ryzyka utraty kontroli nad rentownością. Dodatkowo, proces onboardingu nowych spedytorów wydłużał się do kilku miesięcy, ponieważ zdobycie "wiedzy plemiennej" o stawkach było czasochłonne i nieformalne.

Rozwiązanie: Jak centralna baza stawek AI zmieniła zasady gry?

Rozwiązaniem problemu stał się dedykowany system do zarządzania stawkami, stworzony i wdrożony przez appwise.pl. System ten pełni funkcję centralnego repozytorium stawek przewoźników, które jest zasilane automatycznie z różnych źródeł i zintegrowane bezpośrednio z istniejącym TMS-em klienta. Rdzeniem rozwiązania jest silnik AI, który nie tylko przechowuje dane, ale aktywnie je analizuje, rekomendując spedytorowi optymalne opcje.

System został zaprojektowany w celu wyeliminowania pracy ręcznej i zapewnienia jednego źródła prawdy. Zamiast przeszukiwać maile i pliki, spedytor wprowadza kluczowe parametry zlecenia (np. kod pocztowy załadunku i rozładunku, typ naczepy, waga). W odpowiedzi, w ciągu kilku sekund, otrzymuje listę dostępnych opcji transportowych.

Mechanizm działania opiera się na kilku filarach:

Automatyczne parsowanie danych: System samodzielnie odczytuje i strukturyzuje oferty od przewoźników przesyłane w e-mailach oraz plikach PDF i Excel. Koniec z ręcznym przepisywaniem stawek.
Integracja z TMS: Dwukierunkowa integracja API pozwala zarówno na pobieranie danych o historycznych zleceniach do analizy, jak i na automatyczne wprowadzanie stawek do nowo tworzonych zleceń w TMS.
Silnik rekomendacji AI: Moduł sztucznej inteligencji analizuje dane historyczne, uwzględniając sezonowość, rentowność na danej trasie i oceny współpracy z przewoźnikiem. Na tej podstawie rekomenduje nie tylko najtańszą, ale najbardziej opłacalną opcję.
Kalkulator marży: Narzędzie wbudowane w system pozwala spedytorowi na błyskawiczną symulację rentowności zlecenia przy różnych stawkach dla klienta, zapewniając zgodność z polityką cenową firmy.

Dzięki temu spedytor, zamiast być poszukiwaczem informacji, staje się analitykiem i negocjatorem. Jego praca polega na wyborze najlepszej strategii, a nie na żmudnym kopiowaniu danych. System dostarcza mu wszystkich niezbędnych informacji na jednym ekranie.

Wdrożenie: Jak przebiegał proces implementacji systemu?

Wdrożenie dedykowanego rozwiązania zostało podzielone na precyzyjnie zaplanowane etapy, aby zminimalizować zakłócenia w bieżącej pracy operacyjnej i zmaksymalizować adopcję narzędzia przez zespół. Cały proces, od analizy po pełne uruchomienie, zajął 13 tygodni i był zarządzany przez dedykowany zespół projektowy z appwise.pl.

Harmonogram wdrożenia wyglądał następująco:

Etap 1: Analiza i mapowanie procesów (2 tygodnie): Nasz zespół przeprowadził serię warsztatów z zarządem oraz kluczowymi spedytorami. Zmapowaliśmy dokładny obieg informacji i zidentyfikowaliśmy wszystkie źródła danych o stawkach – od indywidualnych skrzynek mailowych po współdzielone arkusze Google.
Etap 2: Migracja danych i trening AI (4 tygodnie): Kluczowy etap polegający na zasileniu systemu danymi historycznymi. Za pomocą naszych narzędzi zaimportowaliśmy dane o zleceniach z ostatnich 3 lat z systemu TMS oraz zidentyfikowanych arkuszy. Te dane posłużyły do "nakarmienia" i wytrenowania modelu AI, aby jego rekomendacje były trafne od samego początku.
Etap 3: Budowa i integracja (6 tygodni): Równolegle do migracji danych, nasi deweloperzy budowali rdzeń aplikacji oraz interfejs użytkownika. Kluczowym elementem było stworzenie stabilnego, dwukierunkowego mostu API z posiadanym przez klienta systemem TMS, co zapewniło płynny przepływ danych.
Etap 4: Pilotaż i iteracje (2 tygodnie): Przed pełnym wdrożeniem, system został udostępniony grupie 5 najbardziej doświadczonych spedytorów. Ich codzienne użytkowanie i feedback pozwoliły na doszlifowanie interfejsu i logiki biznesowej. To kluczowy krok gwarantujący, że narzędzie jest praktyczne i odpowiada realnym potrzebom.
Etap 5: Pełny rollout i szkolenia (1 tydzień): Po wprowadzeniu poprawek z fazy pilotażowej, system został uruchomiony dla wszystkich 25 spedytorów. Przeprowadziliśmy serię krótkich szkoleń, koncentrując się na praktycznych korzyściach i demonstrując, jak narzędzie przyspiesza ich codzienną pracę.

Podejście etapowe, a zwłaszcza faza pilotażowa, okazało się kluczem do sukcesu. Spedytorzy od początku czuli się częścią projektu, a nie odbiorcami narzuconego z góry narzędzia. To zbudowało zaufanie i znacząco przyspieszyło adaptację nowego sposobu pracy w całej organizacji.

Rezultaty: Ile dokładnie zaoszczędziła firma?

Wdrożenie automatyzacji przyniosło mierzalne i natychmiastowe korzyści finansowe oraz operacyjne. Zwrot z inwestycji (ROI) został osiągnięty w mniej niż 6 miesięcy od pełnego uruchomienia systemu, a kluczowe wskaźniki efektywności (KPI) uległy radykalnej poprawie. Inwestycja w projekt na poziomie około 150 000 PLN zaczęła zwracać się niemal od razu.

Najważniejsze rezultaty po 3 miesiącach od wdrożenia:

Redukcja czasu przygotowania wyceny: Średni czas potrzebny na przygotowanie jednej oferty transportowej spadł z 15-20 minut do poniżej 2 minut. Oznacza to redukcję pracochłonności o blisko 90%. Spedytorzy mogą obsługiwać znacznie większy wolumen zapytań w tym samym czasie.

Oszczędność czasu pracy: Każdy z 25 spedytorów oszczędza średnio 1.5 godziny dziennie, które wcześniej poświęcał na manualne poszukiwanie stawek. W skali całej firmy daje to oszczędność 37.5 godzin roboczych każdego dnia. W skali miesiąca to ponad 780 godzin, co stanowi ekwiwalent pracy 4 dodatkowych etatów.

Wzrost rentowności: Dzięki rekomendacjom AI oraz pełnej widoczności historycznych danych o rentowności tras, średnia marża na zleceniach wzrosła o 2 punkty procentowe. System uniemożliwia oferowanie stawek poniżej progu opłacalności i promuje najbardziej zyskownych przewoźników.

Przyspieszenie reakcji na zapytania: Ponad 90% ofert jest teraz wysyłanych do klientów w ciągu 5 minut od otrzymania zapytania. Ta natychmiastowa reakcja przełożyła się na wyższy wskaźnik konwersji zapytań na zlecenia, ponieważ firma wyprzedzała konkurencję.

Uporządkowanie danych i centralizacja wiedzy: Firma posiada teraz jedno, spójne i zawsze aktualne źródło danych o stawkach. Wiedza przestała byc własnością indywidualnych pracowników, a stała się zasobem całej organizacji. Znacząco skróciło to czas wdrożenia nowych pracowników i zwiększyło bezpieczeństwo operacyjne biznesu.

To case study jest dowodem na to, że ukierunkowana automatyzacja, skupiona na jednym, kluczowym procesie, przynosi znacznie lepsze rezultaty niż próba wdrożenia uniwersalnego, "pudełkowego" systemu, który nie jest dopasowany do specyfiki firmy. Inwestycja w dedykowane narzędzie AI zwróciła się nie tylko w postaci twardych oszczędności, ale także zbudowała fundament pod dalsze, skalowalne i rentowne rozwijanie działalności spedycyjnej.

O autorze

Piotr Jacek Tabor — CEO appwise.pl. Ekspert automatyzacji i cyfryzacji transportu. Od lat wdraża dedykowane systemy IT i agentów AI w firmach spedycyjnych i transportowych, eliminując pracę ręczną i zwiększając kontrolę nad realizacją zleceń.