LLM уже неплохо считают и пишут код. Но на складе я бы проверял не это, а другое: умеет ли модель договаривать

LLM уже неплохо считают и пишут код. Но на складе я бы проверял не это, а другое: умеет ли модель договариваться, держать позицию и не срывать процесс, когда условия меняются.

У людей на приемке это видно сразу. Пока все по плану — любой выглядит умным. А вот когда приехала машина не по слоту, часть короба без маркировки, а поставщик «сейчас быстро переоформит» — начинается реальная проверка на адекватность. Тут важны не красивые ответы, а способность быстро выбрать приоритет и не развалить цепочку.

С LLM, судя по таким экспериментам, история похожая. Бенчмарки показывают интеллект в вакууме. Но в живой среде важнее:
— понимает ли модель контекст;
— умеет ли менять стратегию;
— не застревает ли в одной версии;
— способна ли учитывать интересы других сторон.

Для логистики это вообще базовая история. Хороший план поставки не тот, что красиво выглядит в Excel. Хороший — тот, который переживает задержку, пересорт и конфликт на входе. 🤖

Если технологии когда-нибудь и начнут массово работать в операционке, их придется тестировать не на задачках, а на срыве SLA.