Integracja AI z systemem TMS: zlecenia, CMR i statusy w jednym asystencie

Typowy poranek w biurze spedycji: spedytor otwiera TMS, ma czterdzieści zleceń w toku, a telefon już dzwoni. Klient pyta o status dostawy do Dortmundu. Kierownik innego klienta pisze na WhatsAppie, gdzie jest jego towar. Za chwilę przyjdzie mail od przewoźnika z pytaniem, kiedy dostanie przelew. I tak cały dzień. Większość tych pytań da się obsłużyć automatycznie, jeśli asystent AI ma dostęp do danych z TMS.

Poniżej opisujemy, co realnie wyciągamy z systemu TMS, jak to podłączamy do AI i co z tego ma spedycja w codziennej pracy.

Co wyciągamy z TMS i w jakiej postaci

TMS to baza, w której żyją zlecenia transportowe. Każde zlecenie ma swój numer (zwykle coś w stylu ZT/2025/0847), daty załadunku i rozładunku, adresy, dane przewoźnika, NIP, numer rejestracyjny pojazdu, stawkę frachtu i aktualny status. Do tego dochodzą dokumenty: CMR, WZ wystawione przez nadawcę, potwierdzenia dostawy (POD), niekiedy listy pakowania.

Integracja z AI opiera się na API systemu TMS albo na bezpośrednim połączeniu z bazą danych. Pobieramy:

• nagłówek zlecenia: numer, zleceniodawca, daty, adresy załadunku i rozładunku
• dane przewoźnika: firma, NIP, osoba kontaktowa, numer rejestracyjny
• aktualny status: zlecone, w realizacji, dostarczone, reklamacja
• dokumenty powiązane ze zleceniem: CMR, WZ, POD w formacie PDF
• kwotę frachtu i walutę rozliczenia
• notatki spedytorskie wpisane do zlecenia

To wystarczy, żeby asystent wiedział, co się dzieje z każdą przesyłką w czasie niemal rzeczywistym. Synchronizacja zazwyczaj działa co kilka minut.

Statusy dla klientów bez dzwonienia

Jeden z najczęstszych przypadków. Klient wysyła maila lub wiadomość na Teams i pyta, gdzie jest jego towar. Spedytor musi wejść do TMS, znaleźć zlecenie, sprawdzić status, a potem odpisać. Przy kilkunastu takich pytaniach dziennie traci na to sporą część dnia.

Z asystentem AI wygląda to inaczej. Klient pisze: "Gdzie jest moja dostawa z 14 lipca do Berlina?" Asystent szuka w TMS zlecenia dla tego klienta z odpowiednią datą i adresem, odczytuje status i odpowiada od razu. Jeśli przewoźnik wpisał ETA albo jest notatka o przestoju na granicy, to też ląduje w odpowiedzi.

Typowo wygląda to tak, że asystent pracuje przez wewnętrzny chat albo email. Można go też podpiąć pod formularz na stronie klienta, żeby sprawdzał sam, bez kontaktu ze spedytorem.

Wykrywanie opóźnień i przestojów

Tu AI robi coś, na co spedytor rzadko ma czas: przegląda wszystkie aktywne zlecenia i wyłapuje anomalie. Jeśli zlecenie ma wpisaną datę rozładunku na dziś do 14:00, a jest 15:30 i status nadal "w realizacji", asystent może od razu powiadomić spedytora, że warto zadzwonić do przewoźnika.

U jednego z klientów prowadzących spedycję międzynarodową wdrożyliśmy prostą regułę: AI codziennie rano generuje listę zleceń z przekroczoną datą dostawy. Spedytor zamiast ręcznie przeglądać TMS dostaje gotową listę z numerami zleceń, danymi przewoźników i ostatnim wpisanym statusem. Zaczyna dzień od rzeczy, które wymagają uwagi, nie od scrollowania po systemie.

Można ustawić alerty dla konkretnych sytuacji:

• brak aktualizacji statusu przez więcej niż określoną liczbę godzin
• zlecenie z flagą "pilne" bez potwierdzenia odbioru dokumentów
• przewoźnik bez aktywnej polisy OCP, jeśli to pole jest uzupełniane w TMS
• termin płatności dla przewoźnika przypadający w ciągu najbliższych 48 godzin przy braku kompletnych dokumentów do faktury

Dopinanie dokumentów do zleceń

CMR to dokument przewozowy. Każde zlecenie powinno mieć CMR podpisany przez nadawcę, przewoźnika i odbiorcę. W praktyce CMR-y wracają pocztą, emailem, przez aplikację kierowcy albo nie wracają wcale.

Asystent AI może czytać przychodzące dokumenty PDF i automatycznie wiązać je ze zleceniami. Rozpoznaje numer zlecenia w nagłówku CMR albo dopasowuje po numerze rejestracyjnym pojazdu i dacie załadunku. Jeśli CMR jest czytelny i kompletny, trafia do archiwum zlecenia bez żadnej ręcznej pracy. Jeśli brakuje podpisu lub pieczątki, asystent oznacza dokument jako niekompletny i wysyła info do spedytora.

Podobnie działa to przy WZ-tkach i potwierdzeniach odbioru. Ktoś wysyła skan przez email, asystent czyta, dopasowuje do zlecenia i zmienia status dokumentacji. Zamiast folderu "do posortowania" z 80 plikami, każdy dokument od razu ląduje przy właściwym zleceniu.

Podsumowania rentowności tras

To jeden z tych raportów, które każdy chce mieć, ale nikt nie ma czasu robić ręcznie. TMS przechowuje stawki frachtu zapłacone przewoźnikom i ceny wystawione klientom. Z tych danych AI może liczyć marżę na każdym zleceniu, a potem agregować je według tras, klientów albo przewoźników.

Spedytor lub menedżer pyta: "Jak nam wyszła trasa Polska-Niemcy w czerwcu?" Asystent wyciąga z TMS wszystkie zlecenia z tym kierunkiem, zestawia przychody z kosztami frachtu i podaje wynik w kilku zdaniach. Nie w tabelce z 300 wierszami w Excelu. W krótkiej formie, z konkretnymi liczbami z systemu.

To przydaje się szczególnie przed rozmowami z klientem o nowych stawkach albo przy decyzji, czy utrzymywać danego przewoźnika na konkretnym kierunku.

Projekty odpowiedzi do klientów i przewoźników

Spedycja to dużo komunikacji. Potwierdzenia przyjęcia zlecenia, reklamacje, wezwania do zapłaty, wyjaśnienia opóźnień. AI może pisać wersje robocze takich wiadomości na podstawie danych z TMS.

Spedytor wybiera zlecenie, mówi asystentowi: "Napisz do klienta, że dostawa się opóźni o dwa dni, podaj powód z notatki". Dostaje gotowy draft maila. Przegląda, poprawia ton jeśli trzeba i wysyła. Nie pisze od zera, nie musi szukać danych zlecenia w kolejnych zakładkach.

Przy reklamacjach to szczególnie cenne. Asystent zbiera z TMS całą historię zlecenia: daty, dokumenty, kontakty z przewoźnikiem i układa chronologię, zanim spedytor w ogóle zacznie pisać odpowiedź do klienta. Zamiast odtwarzać historię z pamięci, ma ją od razu przed sobą w zwartej formie.

Od czego zaczynamy integrację

Pierwsza rozmowa zawsze dotyczy dostępu do danych. Sprawdzamy, czy TMS ma API, możliwość eksportu do XML lub CSV, połączenie z bazą SQL albo obsługę webhooków. To wyznacza ścieżkę techniczną. Większość popularnych systemów TMS ma przynajmniej jeden z tych kanałów.

Potem patrzymy na jakość danych. Integracja działa tak dobrze, jak dane w systemie. Jeśli spedytorzy nie wpisują statusów na bieżąco albo numery rejestracyjne lądują w polu "uwagi" zamiast w dedykowanym polu, AI ma problem z dopasowaniem. Często pierwsza faza projektu to po prostu ustalenie, które pola trzeba zacząć wypełniać, żeby integracja działała sensownie.

Zaczynamy od jednego przypadku użycia. Najczęściej od statusów dla klientów albo od wykrywania opóźnień. Uruchamiamy, testujemy przez kilka tygodni, zbieramy feedback od spedytorów i rozszerzamy o kolejne procesy. Nie wdrażamy wszystkiego naraz, bo i tak nie wszystko da się od razu sprawdzić w warunkach realnej pracy.

Jeśli chcesz zobaczyć, jak to działa u firm, które już przez to przeszły, zajrzyj na realne wdrożenia. Albo umów się na bezpłatny audyt, gdzie sprawdzimy, co konkretnie da się wyciągnąć z Twojego TMS i od czego warto zacząć.