Firmy kurierskie i operatorzy dostaw odchodzą od tras planowanych raz na zmianę i coraz częściej przeliczają je na bieżąco, wynika z raportu „Last-Mile Innovation Report 2026” firmy doradczej Last Mile Experts. Autorzy raportu wskazują, że największą barierą dla AI w logistyce ostatniej mili są stare, monolityczne systemy zarządzania transportem (TMS), a nie same algorytmy.
- Raport „Last-Mile Innovation Report 2026" firmy Last Mile Experts wskazuje, że największą barierą dla AI w logistyce ostatniej mili są stare, monolityczne systemy TMS, a nie same algorytmy – utrudniają one integrację danych i reagowanie na zdarzenia w czasie rzeczywistym.
- Po wymianie systemu TMS na modułowy operator dostaw świeżych posiłków (według redakcji AIPORT.pl najprawdopodobniej Kuchnia Vikinga) skrócił czas generowania tras o 50 proc. i ograniczył liczbę ręcznych czynności administracyjnych o 70 proc. w ciągu sześciu miesięcy.
- Według danych przytoczonych w raporcie samochodem do automatu paczkowego podjeżdża tylko co piąty Polak, podczas gdy w Europie robi to blisko 40 proc. odbiorców, co sprawia, że trafne prognozowanie obłożenia skrytek ma w Polsce szczególne znaczenie operacyjne.
Last-Mile Innovation Report 2026 opublikowano w czerwcu 2026 roku. Last Mile Experts przygotowało go we współpracy z duńskim producentem automatów paczkowych SwipBox i polską firmą programistyczną Software Mind. 5 października SwipBox Polska rozesłał komunikat prasowy, w którym opisuje wnioski z raportu dotyczące AI i systemów TMS.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Raport Last Mile Experts opisuje projekty 14 firm, w tym Allegro i Żabki
Raport jest przeglądem technologii i modeli operacyjnych w branży paczkowej, pocztowej i e-commerce. Według serwisu Parcel and Postal Technology International publikacja obejmuje m.in.:
- automaty paczkowe i optymalizację tras,
- pojazdy elektryczne, mikrohuby i rowery cargo,
- systemy TMS oparte na AI,
- raportowanie emisji,
- logistykę zwrotów,
- rozpoznawanie obrazu (computer vision),
- samoobsługowe rozwiązania w handlu i zaawansowaną analitykę danych.
Wśród 14 firm, których projekty opisano w raporcie, są Allegro, Żabka, Atlas Pickup Points, ARKA Smart Parcel Lockers, D-carbN Analytics, ElifTech, Emapa, Nova Post, Rovenma, Scandit, MaddWill AI oraz projekt GRETA Sieci Badawczej Łukasiewicz. Swoje teksty dołożyli też International Post Corporation, PostNord, Politechnika Poznańska i The IDEA!. Raport można pobrać za darmo po zapisaniu się na listę mailingową Last Mile Experts.
Marek Różycki, partner zarządzający w Last Mile Experts, opisuje zmianę nastawienia branży wprost:
„Innowacje w ostatniej mili nie są już kwestią eksperymentowania z nowymi pomysłami. Stały się koniecznością.” / „Innovation in the last mile is no longer a question of experimenting with new ideas. It has become a necessity.”
Różycki dodaje, że najlepiej sprawdzają się rozwiązania, które jednocześnie rozwiązują kilka problemów: nieudane doręczenia, słabe wykorzystanie infrastruktury, emisje i jakość obsługi odbiorcy.
Branża przechodzi od statycznych tras do ciągłego przeliczania planu dostaw
Według raportu logistyka ostatniej mili odchodzi od tras wyznaczanych raz, przed wyjazdem kurierów. Zamiast tego trasy są przeliczane na bieżąco, a zdarzenia, które dotąd obsługiwał dyspozytor (opóźniony pojazd, zmiana adresu, brak miejsca w automacie), mają być wykrywane i przetwarzane automatycznie. AI ma tu wcześniej rozpoznawać ryzyko zakłóceń, aktualizować plan dostaw i przyspieszać reakcję na zmiany w sieci.
Łukasz Łukasiewicz, Operations Manager w SwipBox Polska, zwraca uwagę, że samo wykrycie problemu niewiele daje:
„W logistyce ostatniej mili informacja ma wartość wtedy, gdy można ją wykorzystać odpowiednio wcześnie. Jeżeli system rozpoznaje ryzyko opóźnienia, ale ta wiedza nie trafia do planowania tras ani do komunikacji z odbiorcą, możliwości poprawy obsługi pozostają ograniczone.”
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Monolityczne systemy TMS blokują integrację danych i pracę w czasie rzeczywistym
Raport wskazuje, że starsze, monolityczne systemy TMS (Transport Management System, czyli oprogramowanie do planowania i nadzorowania transportu) przestają wystarczać, gdy firma rośnie. System, który działał przy kilku tysiącach paczek dziennie, przy większej skali utrudnia łączenie danych, rozwijanie nowych usług i reagowanie na zdarzenia na bieżąco. Wraz z liczbą dostaw rośnie też liczba czynności, które ludzie muszą wykonywać ręcznie.
Autorzy raportu stawiają tezę, że nowoczesny TMS powinien być modułowy: pozwalać rozwijać poszczególne elementy i obsługiwać większe wolumeny bez przebudowy całej platformy. Planowanie tras, aplikacja kierowcy, śledzenie przesyłek i powiadomienia dla odbiorców mają korzystać z tych samych danych. Dopiero na takim fundamencie, według raportu, narzędzia AI do prognozowania i podejmowania decyzji mają sens.
Operator dostaw posiłków skrócił generowanie tras o 50 proc. po wymianie TMS
Raport opisuje wdrożenie u operatora dostaw świeżych posiłków, którego komunikat SwipBox nie wymienia z nazwy. Wzrost skali działalności obnażył słabości jego dotychczasowego systemu: rozproszone dane i niestabilną pracę podczas nocnych operacji. W ciągu sześciu miesięcy zastąpiono go modułowym TMS, który łączy gotowe komponenty z rozwiązaniami napisanymi pod specyfikę dostaw. Według studium przypadku:
- czas generowania tras skrócił się o 50 proc.,
- liczba ręcznych czynności administracyjnych spadła o 70 proc.
Moim zdaniem chodzi najpewniej o Kuchnię Vikinga. Software Mind, współautor raportu, opublikował studium przypadku tej polskiej firmy cateringowej, która dostarcza posiłki w łańcuchu chłodniczym. Zgadza się czas projektu (6 miesięcy) i spadek ręcznej pracy o 70 proc. Według Software Mind stary system Kuchni Vikinga obsługiwał maksymalnie 40 tys. przesyłek dziennie, a nowy TMS ma trzykrotnie większy zapas wydajności. Ani SwipBox, ani raport w udostępnionych fragmentach nie potwierdzają jednak tej nazwy wprost.
Modernizację prowadzono etapami, a każdy element testowano w warunkach produkcyjnych, bez przerywania dostaw. Przy posiłkach o krótkiej trwałości sposób przejścia na nowy system był równie ważny jak jego funkcje.
Teza raportu jest rozsądna i warto ją powtarzać każdemu zarządowi, który chce „dodać AI” do logistyki: model predykcyjny nic nie da, jeśli jego wynik nie trafi do planowania tras i do odbiorcy. Większość korzyści z opisanego wdrożenia pochodzi z uporządkowania danych i automatyzacji, nie ze sztucznej inteligencji jako takiej. AI jest tu obietnicą na kolejnym etapie.
Trzeba też pamiętać, kto mówi. Raport powstał we współpracy z dostawcą automatów i firmą, która buduje systemy TMS, a liczby ze studium przypadku podaje sama strona wdrożenia. Nie wiemy, jaki był punkt wyjścia ani ile kosztowała zmiana. 50 proc. krótsze generowanie tras robi wrażenie, ale dla klienta liczy się to, czy obiad przyjechał na czas. Dlatego bardziej niż na procenty oszczędności czekam na twarde dane o terminowości i liczbie nieudanych doręczeń.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Automaty paczkowe mają dzielić się danymi o wolnych skrytkach z planowaniem dostaw
Ta sama logika dotyczy sieci automatów paczkowych i punktów odbioru. Według raportu informacja o dostępnych skrytkach powinna trafiać do planowania dostaw, a prognozowane obciążenie konkretnych lokalizacji pomagać w rozdzielaniu zasobów. Aktualne dane pozwalają wcześniej wyłapać automaty, które wymagają interwencji. AI może dodatkowo rozpoznawać powtarzające się wzorce i przewidywać problemy, zanim odczuje je odbiorca.
Dla SwipBox ten temat jest szczególnie ważny, bo firma buduje w Polsce sieć „agnostyczną”, czyli otwartą dla każdego przewoźnika. Gdy z jednego automatu korzysta kilku operatorów, wspólne dane o pojemności są warunkiem, żeby sieć w ogóle działała sprawnie.
Łukasiewicz proponuje oceniać takie systemy po jakości operacji: terminowości dostaw, wykorzystaniu infrastruktury i liczbie spraw wymagających ręcznej interwencji.
„Potrzebne są przy tym wiarygodne dane oraz jasne zasady określające, które decyzje system podejmuje samodzielnie, a które wymagają oceny człowieka. To pozwala rozwijać automatyzację przy zachowaniu kontroli nad procesem.”
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polska ma w raporcie mocną reprezentację i inne nawyki odbiorców
Last-Mile Innovation Report 2026 jest w dużej mierze raportem o polskim rynku. Last Mile Experts to polska firma doradcza. Software Mind ma siedzibę w Krakowie. Wśród opisanych projektów są Allegro, Żabka, Emapa, Politechnika Poznańska i Sieć Badawcza Łukasiewicz, a w studium przypadku najpewniej występuje polski operator cateringu dietetycznego.
Raport pokazuje też, czym polscy odbiorcy różnią się od reszty Europy. Według danych z raportu, które przytacza Wiadomości Handlowe, samochodem do automatu paczkowego podjeżdża tylko co piąty Polak, a w Europie blisko 40 proc. odbiorców. W kraju z jedną z najgęstszych sieci automatów w Europie dobre przewidywanie obłożenia skrytek w konkretnej lokalizacji ma bezpośredni wpływ na to, czy paczka trafi do automatu obok domu, czy kilka przecznic dalej.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym komunikatu prasowego SwipBox Polska z dnia 05.10.2026, omówienia raportu w Parcel and Postal Technology International z dnia 23.06.2026, strony raportów Last Mile Experts oraz studium przypadku Software Mind dla Kuchni Vikinga. Dane o zachowaniach polskich odbiorców: Wiadomości Handlowe.
Cytaty Marka Różyckiego, partnera zarządzającego w Last Mile Experts, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Cytaty Łukasza Łukasiewicza, Operations Managera w SwipBox Polska, pochodzą z polskojęzycznego komunikatu prasowego.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wykorzystaniu AI w logistyce ostatniej mili.
