Баку смотрит на AI в транспорте. Хорошо. Начните с грязных данных

AI в транспорте не должен начинаться с красивой карты. Он должен начинаться с пробок, расписаний, аварийности и данных, которые никто не хочет чистить.

Факт: в январе 2026 года представители Азербайджана и Израиля обсуждали сотрудничество в digital development and transport. Среди будущих приоритетов назывались digitalisation of transport, urban mobility, artificial intelligence, startup support и human capital.

Почему городской транспорт — это ловушка для дилетантов

Городской транспорт — идеальное место для AI и одновременно одна из самых частых зон провала AI-проектов в госсекторе. Причина простая: если данные по маршрутам, задержкам, пассажиропотоку и инцидентам кривые — модель будет уверенно оптимизировать мусор, выдавая результаты, которые выглядят убедительно на дашборде и совершенно не соответствуют тому, что происходит на реальных улицах. В отличие от чат-бота, который можно перезапустить, если он ошибся, транспортная модель, которая неверно предсказывает загрузку маршрута, влияет на реальных людей, застрявших в реальной пробке, — ошибка здесь не абстрактная.

Что на самом деле означает «начать с данных»

AI в транспорте начинается с data contracts — формальных соглашений о том, какие данные, в каком формате и с какой частотой поступают от каждого источника, будь то датчики на светофорах, GPS-трекеры общественного транспорта или отчёты об инцидентах. Дальше нужна событийная модель, которая связывает разрозненные потоки в единую картину, и понятные KPI: время ожидания, скорость движения, загрузка маршрута, безопасность, стоимость эксплуатации на пассажира. Без этого фундамента «умный город» превращается в экран с красивой анимацией в презентационном зале, который не влияет на то, сколько времени житель реально тратит на дорогу до работы.

Кому реально нужно этим заниматься

Это не задача одного ML-инженера, при всём уважении к профессии. Нужен urban AI product manager, который переводит абстрактную цель «улучшить транспорт» в конкретные метрики и приоритеты; data engineer, который выстраивает надёжный конвейер сбора и очистки данных из десятков разнородных источников; и mobility analyst, который понимает транспортную систему как живой организм, а не как набор чисел в таблице. Это операционный продукт, который живёт на реальных улицах и требует постоянной поддержки, а не разового внедрения с последующей презентацией на форуме.

Вердикт AISOLUTION

Интерес к цифровизации транспорта — правильный вектор, но именно транспорт — одна из самых требовательных к качеству данных областей применения AI, потому что цена ошибки измеряется не потерянной строкой в отчёте, а реальным временем реальных людей в пробке. Любой проект в этой сфере стоит оценивать не по красоте презентации на конференции, а по тому, есть ли за ним план работы с грязными, неполными и противоречивыми данными, которые реально существуют на улицах города — а не с идеальным датасетом, который никто пока не собрал.

Источник: Azerbaijan-Israel relations