Raport Zebra Impact of Intelligent Operations pokazuje, że 40% przedstawicieli branży logistycznej korzysta z narzędzi AI do prognozowania popytu, a ponad dwie trzecie firm wdraża je lub prowadzi pilotaże w obszarze zarządzania zapasami. Choć sztuczna inteligencja już dziś optymalizuje procesy zaplecza operacyjnego w logistyce, wciąż pozostaje wiele do zrobienia. Przede wszystkim realne wzmocnienie najważniejszego zasobu organizacji, czyli dziesiątek tysięcy pracowników pierwszej linii, którzy reprezentują markę w momencie kontaktu z klientem u progu jego drzwi.
Wyzwania, przed którymi stoi branża logistyczna, są poważne. Liderzy rynku wskazują przede wszystkim na silną presję na obniżanie cen i marż, wyścig o przenoszenie operacji bliżej rynku – do mniejszych magazynów zlokalizowanych w pobliżu miast – oraz rosnącą rolę automatyzacji w punktach odbioru i nadawania przesyłek przez klientów. Mimo tego presja na modernizację pozostanie bardzo silna jeszcze przez wiele lat. W związku z tym zasadne stają się pytania o to, jakie zdolności firmy muszą rozwinąć, aby nadążyć za możliwościami konkurentów. I jak skutecznie odpowiedzieć na zmieniającą się dynamikę branży?
AI na zapleczu
Wspomniana presja rodzi potrzebę znalezienia złotego środka. Dynamiczny rozwój sztucznej inteligencji wydaje się dla wielu organizacji oferować właśnie takie rozwiązanie. Pojawia się jednak zasadnicze pytanie: które AI wybrać?
„To nie tylko decyzja na poziomie technologii. Wbrew pozorom, to przede wszystkim decyzja na poziomie zarządzania – bo w nadchodzącej dekadzie będzie kształtować odporność operacyjną organizacji, możliwość utrzymania pracowników oraz przewagę konkurencyjną firmy” – wyjaśnia Phil Sambrook, dyrektor ds. strategii w obszarze transportu i logistyki w regionie EMEA, Zebra Technologies
Zdolność sztucznej inteligencji do zwiększania efektywności, elastyczności i produktywności jest niepodważalna. Największy wpływ AI widoczny jest w obszarach zaplecza operacyjnego, gdzie automatyzuje ona pracę centrów obsługi telefonicznej oraz informatycznych. Raport Zebra Impact of Intelligent Operations pokazuje, że 40% przedstawicieli branży logistycznej korzysta z narzędzi AI do prognozowania popytu. Natomiast ponad dwie trzecie firm wdraża je lub prowadzi pilotaże w obszarze zarządzania zapasami.
Wiele osób kojarzy sztuczną inteligencję przede wszystkim z aplikacjami takimi jak ChatGPT. Tego typu duże modele językowe (LLM) projektowane są przede wszystkim z myślą o zastosowaniach konsumenckich ogólnego przeznaczenia. Ponadto, mają na celu zwiększanie produktywności pracowników umysłowych w środowisku pracy przy komputerze.
Jakie AI?
„Wykorzystywanie na pierwszej linii operacyjnej ogólnych rozwiązań AI nie jest właściwym podejściem, a strategią skazaną na porażkę, ponieważ są one adaptacją narzędzi stworzonych do innych zastosowań. Przyszłość branży powinna być kształtowana przez liderów, którzy rozumieją, że sektor logistyczny musi rozwijać i wykorzystywać własne rozwiązania AI: oparte na danych firmy, zasilane wiedzą płynącą z rzeczywistych procesów operacyjnych oraz dostępne dla pracowników pierwszej linii – zarówno tych działających wewnątrz organizacji, jak i poza jej strukturami” – uważa Phil Sambrook
Co zatem powinna w sobie zawierać AI stworzona z myślą o pracownikach pierwszej linii? Ekspert rekomenduje:
- Przetwarzanie na urządzeniu (on-device processing): zapewnia niskie opóźnienia i możliwość podejmowania decyzji w czasie rzeczywistym, a jednocześnie gwarantuje pełną funkcjonalność nawet w miejscach o słabym lub zerowym zasięgu – co jest codziennością w pracy kierowców. Dlatego liderzy powinni inwestować w urządzenia projektowane z myślą o wykorzystaniu AI, w których całe przetwarzanie związane ze sztuczną inteligencją odbywa się bezpośrednio na urządzeniu. Zamiast opierać się wyłącznie na architekturach chmurowych lub hybrydowych.
- Rozwiązania dopasowane i oparte na danych (bespoke & data-driven): trenowane na unikalnych zbiorach danych logistycznych, a nie na ogólnodostępnych zasobach. Dzięki temu możliwe jest rozwijanie bardzo konkretnych zastosowań operacyjnych – na przykład wykrywanie błędów w dokumentacji podczas skanowania wielu kodów kreskowych jednocześnie czy weryfikowanie trudnych do odczytania adresów tam, gdzie tradycyjne skanery zawodzą. Wiele organizacji wciąż jest jednak ograniczanych przez silosową strukturę danych. W związku z tym konieczne są inwestycje w lepszy dostęp do danych, zarządzanie nimi oraz procesy analityczne.
- Zorientowanie na konkretne procesy operacyjne (workflow-specific): projektowane tak, aby realnie wspierać codzienną pracę na pierwszej linii. Może to oznaczać na przykład automatyczne wykonywanie zdjęć potwierdzających doręczenie przy drzwiach odbiorcy. Alternatywnie, natychmiastowe wysyłanie spersonalizowanej wiadomości „przepraszamy, nie zastaliśmy Cię” – w chwili, gdy geolokalizacja potwierdzi, że kierowca odjechał z danego miejsca.
- Multimodalność: pracownicy pierwszej linii widzą, czytają, wpisują informacje, słuchają i rozmawiają – między sobą, z klientami oraz na swoich urządzeniach. Oznacza to, że wykorzystywana przez nich sztuczna inteligencja musi oferować podobne możliwości. Dlatego AI dla pierwszej linii powinna być zdolna do przyjmowania danych wejściowych w postaci głosu, tekstu i obrazu oraz do generowania odpowiedzi również w takich formach – w zależności od potrzeb.
- Bezpieczeństwo wbudowane w projekt (secure by design): zagrożenie atakami hakerskimi lub ransomware jest jednym z głównych powodów obaw liderów. Organizacje muszą chronić zaufanie klientów oraz zapobiegać przestojom operacyjnym, atakom ransomware i ryzyku niezgodności z regulacjami. Wykorzystanie AI działającej bezpośrednio na urządzeniu (on-device) pozwala ograniczyć potencjalną powierzchnię takich ataków.
Phil Sambrook, Zebra Technologies
Pracownicy pierwszej linii stają się obecnie jednym z kluczowych tematów dla najwyższego kierownictwa. Odpowiednia strategia wykorzystania sztucznej inteligencji, oparta na podejściu multimodalnym, pozwoli przekształcić fizyczne środowisko realizacji ostatniego etapu dostawy w źródło cyfrowych danych i analiz. Umożliwi to wsparcie pracowników poprzez lepsze planowanie tras, terminową realizację dostaw dla klientów oraz aktualizacje i komunikację w czasie rzeczywistym. Ponadto zapewni dokładniejszą dokumentację oraz ograniczenie liczby sporów i zwrotów. W efekcie rozwiązania te będą codziennie poprawiać warunki pracy największej grupy pracowników na świecie – pracowników pierwszej linii.
