La maggior parte degli spedizionieri, dei trasportatori e dei fornitori di servizi logistici comprende l’importanza della raccolta dei dati e del processo decisionale basato sui dati. I dati raccolti nel tempo forniscono informazioni, consentendo alle aziende di migliorare il processo decisionale a lungo termine. Nel frattempo, i dati in tempo reale possono essere utilizzati per prendere decisioni intelligenti in frazioni di secondo, ad esempio come correggere o riprogrammare quando si verificano problemi.
L’intelligenza artificiale è uno strumento potente che aiuta le aziende a ottenere il massimo dai propri dati. Ciò assume diverse forme. L'"intelligenza artificiale statistica" consente agli utenti di analizzare enormi quantità di informazioni per trovare modelli nascosti e prendere decisioni intelligenti. Nel frattempo, le aziende possono utilizzare i dati passati per programmare modelli di “AI simbolica”, che possono essere utilizzati per applicazioni “finalizzate alla ricerca di uno scopo”, come l’ottimizzazione dei processi. Jonah Mcintire (nella foto), Chief Network Officer pressoTransporeon, A Trimble Company, esplora ulteriormente.
Automazione vs IA: comprendere la differenza
Si parla spesso di automazione e intelligenza artificiale insieme, come se fossero sinonimi. Tuttavia, sebbene siano interconnessi, esiste un'importante distinzione tra i due. L'automazione implica la delega di attività banali, spesso amministrative, al software. È clericale. D’altro canto, la vera intelligenza artificiale implica la cessione del potere decisionale. Al software vengono forniti parametri prestabiliti, ma li utilizzerà per trarre conclusioni inaspettate. Gli utenti possono concedere all’IA diversi gradi di libertà. Un approccio più cauto consiste nel consentire al software di calcolare le opzioni e formulare raccomandazioni affinché un essere umano possa approvarle. Tuttavia è anche possibile che tragga conclusioni e prenda decisioni autonomamente, senza nemmeno informare un essere umano.
Quindi, dove può avere il maggiore impatto l’intelligenza artificiale nel trasporto logistico? La risposta breve è "ovunque". In effetti, spedizionieri, vettori e fornitori di servizi logistici lungimiranti stanno già integrando l’intelligenza artificiale nei loro stack tecnologici.
Ci sono alcune considerazioni da tenere a mente. L’intelligenza artificiale è utilizzata al meglio per decisioni con valori finanziari concreti, facili da valutare e con variabili discrete e ben note. Anche i cicli decisionali rapidi sono importanti. Come gli esseri umani, l’intelligenza artificiale impara dalla sperimentazione. Pertanto, se una decisione viene presa solo una volta all’anno, ci vorranno decenni prima che il software raccolga dati sufficienti per ottenere un feedback. Realisticamente, vuoi che i modelli di intelligenza artificiale analizzino migliaia di decisioni al giorno. Idealmente, i giocatori utilizzerebbero modelli addestrati non solo con i propri dati, ma con dati raccolti da tutto il settore. Questo approccio collaborativo (noto anche come "piattaforma") consente a tutti di andare avanti.
Quindi, in che modo l’intelligenza artificiale può trasformare il modo in cui le aziende utilizzano i propri dati attraverso acquisti autonomi, strumenti ETA in tempo reale e decarbonizzazione?
Strumenti ETA in tempo reale
La disconnessione tra spedizionieri e vettori è stata a lungo una sfida nel settore del trasporto logistico. Per migliorare la visibilità, la trasparenza e l'efficienza, dobbiamo connettere ricevitori di carico e donatori di carico. Ad esempio, prevedere i tempi di arrivo dei carichi è stato tradizionalmente un punto critico per entrambispedizionierie vettori. Le cause più comuni di ritardo, come scioperi, ingorghi e problemi meccanici, possono sembrare del tutto casuali all'occhio umano. Ma quando un modello di intelligenza artificiale analizza anni di questi dati, emergono modelli nascosti. In genere, a meno che le circostanze non siano davvero senza precedenti, l’intelligenza artificiale è molto più efficace nel prevedere gli ETA e con l’aiuto di uno strumento ETA in tempo reale assistito dall’intelligenza artificiale, le aziende possono assicurarsi di essere pronte a ricevere i carichi ogni volta che arrivano.
Automatizzazione dell'approvvigionamento e dei preventivi
L’acquisto spot è un caso d’uso perfetto per l’intelligenza artificiale simbolica, poiché le aziende hanno un budget prestabilito e vincoli chiari sui tempi di consegna e sui tipi di trasportatori. Oltre a ciò, la struttura delle negoziazioni è relativamente semplice: i partecipanti possono fare un’offerta, attendere una risposta, fare una controproposta, accettare un’offerta o terminare una negoziazione. Ciò consente al software di perseguire facilmente i propri obiettivi in modo indipendente, risparmiando migliaia di ore amministrative manuali.
Questo è solo un esempio. Nel settore degli appalti, l’intelligenza artificiale statistica può anche rivoluzionare le gare d’appalto utilizzando enormi quantità di dati per prevedere i prezzi. Ad esempio, invece di chiedere ai vettori di fare un’offerta per una gara d’appalto di carico, l’intelligenza artificiale può presentare tale gara – e un’offerta di prezzo – a un numero selezionato di vettori. Se nessun vettore accetta il carico offerto al prezzo offerto, l’IA può avviare ulteriori gare d’appalto secondo necessità.
L’intelligenza artificiale può anche avere un effetto trasformativo per i venditori di servizi logistici, consentendo loro di servire automaticamente i clienti con prezzi immediati e accurati per i trasporti spot basati sulle tariffe di mercato previste. Con questa capacità, gli acquirenti di carico possono aumentare il volume di opportunità per le quali citano e, in definitiva, acquisire più nuovi affari.
Decarbonizzazione
Il settore dei trasporti logistici è sotto pressione per ridurre le emissioni di carbonio. I clienti finali si affidano agli spedizionieri per la decarbonizzazione. Nel frattempo, gli spedizionieri stanno esercitando la stessa pressione sui vettori, stipulando contratti basati sulle loro pratiche di sostenibilità, offrendo contratti di trasporto più lunghi a vettori responsabili dal punto di vista ambientale e persino pagando un premio per il trasporto a basse emissioni di carbonio.
Con la sostenibilità che ora incide sui profitti, non sorprende che la decarbonizzazione stia diventando una delle priorità dell’agenda sia degli spedizionieri che dei vettori. Quindi, come può l’intelligenza artificiale aiutare in tutto questo? La prima cosa da sottolineare è che, a differenza degli appalti, spesso non esiste un'unica risposta “giusta” quando si tratta di sostenibilità. Le aziende possono avere idee diverse sulla strategia ottimale, bilanciando attentamente "costi ed emissioni" o "certezza ed emissioni". Tuttavia, una volta che gli spedizionieri, i trasportatori e i fornitori di servizi logistici hanno deciso la loro propensione al rischio, l’intelligenza artificiale può svolgere un ruolo cruciale nell’aiutarli a rispettare i propri obiettivi.
Le aziende in genere adottano una delle due mentalità. La prima è una strategia cap-and-trade, in cui l'azienda decide che non tollererà più di X emissioni. La seconda è una tassa sul carbonio, con la quale un’azienda decide di compensare le proprie emissioni. Per entrambe queste strategie, spedizionieri e vettori possono tenere conto del “prezzo per tonnellata di emissioni” negli eventi di approvvigionamento. L’intelligenza artificiale statistica può essere un utile strumento decisionale. Ad esempio, quando si decide quale modalità di trasporto utilizzare per ciascuna spedizione.
Il futuro dell’intelligenza artificiale nel trasporto logistico è collaborativo
Siamo a un importante punto di svolta nell’uso dell’intelligenza artificiale nel trasporto logistico. È pronto a ridurre drasticamente il lavoro amministrativo e ad aiutare le aziende a diventare più efficienti e sostenibili. Ma raggiungere questo obiettivo dipende da un’efficace raccolta e condivisione dei dati. È qui che entra in gioco la cooperazione tra gli attori del settore. Per massimizzare i risultati positivi per tutti, gli spedizionieri, i trasportatori e i fornitori di servizi logistici hanno bisogno di piattaforme digitali collaborative per condividere i dati per alimentare i modelli di intelligenza artificiale. Guardando avanti con questo approccio, possiamo accelerare in modo significativo i nostri progressi verso il raggiungimento degli obiettivi di digitalizzazione e decarbonizzazione del settore.
