Većina pošiljatelja, prijevoznika i pružatelja logističkih usluga shvaćaju važnost prikupljanja podataka i donošenja odluka na temelju podataka. Podaci prikupljeni tijekom vremena pružaju inteligenciju, omogućujući tvrtkama da poboljšaju dugoročno donošenje odluka. U međuvremenu, podaci u stvarnom vremenu mogu se koristiti za donošenje pametnih odluka u djeliću sekunde – primjerice kako ispraviti ili ponovno planirati kada se pojave problemi.
Umjetna inteligencija moćan je alat koji pomaže tvrtkama da izvuku najviše iz svojih podataka. Ovo ima nekoliko oblika. "Statistički AI" omogućuje korisnicima analizu ogromnih količina informacija kako bi pronašli skrivene obrasce i donijeli pametne odluke. U međuvremenu, tvrtke mogu koristiti prošle podatke za programiranje modela "simboličke umjetne inteligencije", koji se mogu koristiti za aplikacije "koje traže svrhu", kao što je optimizacija procesa. Jonah Mcintire (na slici), glavni direktor mreže uTransporeon, tvrtka Trimble, istražuje dalje.
Automatizacija protiv umjetne inteligencije – razumijevanje razlike
O automatizaciji i umjetnoj inteligenciji često se govori u istom dahu, kao da su sinonimi. Međutim, iako su međusobno povezani, postoji važna razlika između njih dvoje. Automatizacija uključuje delegiranje svakodnevnih, često administrativnih zadataka softveru. To je činovnički. S druge strane, prava umjetna inteligencija uključuje predaju ovlasti donošenja odluka. Softveru su dati postavljeni parametri, ali on će ih koristiti za izvlačenje neočekivanih zaključaka. Korisnici mogu dati AI različite stupnjeve slobode. Oprezniji pristup je dopustiti softveru da izračuna opcije i da preporuke koje čovjek može odobriti. Međutim, također je moguće da autonomno donosi zaključke i donosi odluke, čak i bez da obavijesti čovjeka.
Dakle, gdje AI u logističkom transportu može imati najveći utjecaj? Kratak odgovor je 'posvuda'. Zapravo, otpremnici, prijevoznici i pružatelji logističkih usluga koji razmišljaju unaprijed već integriraju AI u svoje tehnološke pakete.
Imajte na umu nekoliko stvari. AI se najbolje koristi za odluke s konkretnim financijskim vrijednostima koje je lako ocijeniti i imaju diskretne, dobro poznate varijable. Važni su i brzi ciklusi donošenja odluka. Kao i ljudi, AI uči iz eksperimentiranja. Dakle, ako se odluka donosi samo godišnje, bit će potrebna desetljeća da softver prikupi dovoljno podataka za dobivanje povratnih informacija. Realno, želite da AI modeli analiziraju tisuće odluka dnevno. U idealnom slučaju, igrači bi koristili modele obučene ne samo s vlastitim podacima, već i s podacima prikupljenim iz cijele industrije. Ovaj suradnički (također poznat kao "platformski") pristup omogućuje svima da napreduju.
Dakle, kako umjetna inteligencija može promijeniti način na koji tvrtke koriste svoje podatke putem autonomne nabave, ETA alata u stvarnom vremenu i dekarbonizacije?
Alati za ETA u stvarnom vremenu
Nepovezanost između pošiljatelja i prijevoznika dugo je bila izazov u industriji logističkog prijevoza. Kako bismo poboljšali vidljivost, transparentnost i učinkovitost, moramo povezati primatelje i davatelje opterećenja. Na primjer, predviđanje vremena dolaska tereta tradicionalno je bila bolna točka za obojebrodarii prijevoznici. Uobičajeni uzroci kašnjenja – poput štrajkova, prometnih gužvi i mehaničkih poteškoća – ljudskom se oku mogu činiti potpuno nasumičnima. Ali kada model umjetne inteligencije analizira te podatke godinama vrijedne, skriveni obrasci se ipak pojavljuju. Tipično – osim ako su okolnosti doista bez presedana – AI je puno bolji u predviđanju ETA-a i uz pomoć alata za ETA u stvarnom vremenu potpomognutom umjetnom inteligencijom, tvrtke mogu osigurati da su spremne primiti teret kad god stigne.
Automatizacija nabave i ponude
Kupnja na licu mjesta savršen je slučaj za korištenje simboličke umjetne inteligencije, budući da tvrtke imaju određeni proračun i jasna ograničenja oko vremena isporuke i vrsta prijevoznika. Osim toga, struktura pregovora je relativno jednostavna – sudionici mogu dati ponudu, čekati odgovor, dati protuponudu, prihvatiti ponudu ili prekinuti pregovore. Ovo softveru olakšava samostalno postizanje svojih ciljeva, štedeći tisuće ručnih administrativnih sati.
Ovo je samo jedan primjer. U području nabave, statistička umjetna inteligencija također može revolucionirati natječaje korištenjem ogromne količine podataka za predviđanje cijena. Na primjer, umjesto da traži prijevoznike da licitiraju na natječaju za utovar, AI može predstaviti navedeni natječaj – i ponudu cijena – odabranom broju prijevoznika. Ako nijedan prijevoznik ne prihvati ponuđeni teret po ponuđenoj cijeni, AI može pokrenuti dodatne krugove natječaja prema potrebi.
AI također može imati transformativni učinak za prodavače logističkih usluga, omogućujući im da automatski uslužuju klijente s trenutnim, točnim cijenama za prijevoz na licu mjesta na temelju predviđenih tržišnih cijena. S ovom sposobnošću, preuzimatelji mogu povećati količinu prilika za koje citiraju i u konačnici pridobiti više novih poslova.
Dekarbonizacija
Sektor logističkog prijevoza je pod pritiskom da smanji svoje emisije ugljika. Kupci krajnjih korisnika oslanjaju se na otpremnike za dekarbonizaciju. U međuvremenu, brodari vrše isti pritisak na prijevoznike sklapajući s njima ugovore na temelju njihove prakse održivosti, nudeći duže ugovore o prijevozu tereta ekološki odgovornim prijevoznicima, pa čak i plaćajući premiju za prijevoz s niskim ugljikom.
Budući da održivost sada utječe na krajnji rezultat, ne čudi da je dekarbonizacija sve više na vrhu dnevnog reda i za pošiljatelje i za prijevoznike. Dakle, kako AI može pomoći u svemu tome? Prva stvar koju treba naglasiti jest da – za razliku od nabave – često ne postoji jedan „točan” odgovor kada je u pitanju održivost. Tvrtke mogu imati različite ideje o optimalnoj strategiji, pažljivo balansirajući 'troškovi nasuprot emisijama' ili 'sigurnost nasuprot emisijama'. Međutim, nakon što pošiljatelji, prijevoznici i pružatelji logističkih usluga odluče o svojoj sklonosti riziku, umjetna inteligencija može odigrati ključnu ulogu u pomaganju im da se drže svojih ciljeva.
Tvrtke obično usvajaju jedan od dva mentaliteta. Prva je strategija ograničenja i trgovine, gdje tvrtka odlučuje da neće tolerirati više od X emisija. Drugi je porez na ugljik, gdje tvrtka odlučuje nadoknaditi svoje emisije. Za obje ove strategije, pošiljatelji i prijevoznici mogu uračunati 'cijenu po toni emisija' u događaje nabave. Statistička umjetna inteligencija može biti koristan alat za donošenje odluka. Na primjer, kada odlučujete koji način prijevoza treba koristiti za svaku pošiljku.
Budućnost umjetne inteligencije u logističkom transportu je suradnja
Nalazimo se na važnoj prekretnici u korištenju umjetne inteligencije u logističkom transportu. Spreman je smanjiti administrativni rad i pomoći tvrtkama da postanu učinkovitije i održivije. Ali postizanje toga ovisi o učinkovitom prikupljanju i dijeljenju podataka. Ovdje dolazi do suradnje između sudionika u industriji. Kako bi se maksimizirali pozitivni rezultati za sve, pošiljatelji, prijevoznici i pružatelji logističkih usluga trebaju suradničke digitalne platforme za dijeljenje podataka za napajanje AI modela. Gledajući unaprijed s ovim pristupom, možemo značajno ubrzati naš napredak prema postizanju ciljeva digitalizacije i dekarbonizacije industrije.
