هوش مصنوعی با سرعتی چشمگیر در حال دگرگون‌سازی صنعت لجستیک است، اما اصلی‌ترین چالش پیش روی فعالان این حوزه، فراتر از صرفِ به‌کارگیری فناوری، دستیابی به بازگشت سرمایه ملموس و سودآور به شمار می‌رود.
دان بیلی، یکی از بنیان‌گذاران و مدیرعامل شرکت نکِید، در جریان بررسی این روند خاطرنشان می‌کند که شرکت‌های پیشرو در این عرصه چگونه از فناوری‌های هوش مصنوعی برای بهینه‌سازی عملیات و توسعه کسب‌وکار خود بهره می‌برند. وی همچنین دیدگاه‌های کلیدی خود پیرامون غلبه بر موانع پیاده‌سازی، سنجش موفقیت فراتر از شاخص‌های سنتی بهره‌وری و ضرورت اتخاذ یک استراتژی دوگانه ترکیبی از بالابه‌پایین و آزمایش‌های مردمی را تشریح می‌کند.
یک کلید API برای هر مدل اصلی هوش مصنوعی — برخی مدل‌ها رایگان هستند.
رایگان امتحان کنیدبرآورد سود ۳۰۰ میلیون دلاری ناشی از هم‌افزایی‌های پیش‌بینی‌شده در قرارداد خرید شرکت RXO توسط سی.اچ. رابینسون، مقیاس عظیمی از کارایی مبتنی بر هوش مصنوعی را به نمایش می‌گذارد؛ با این حال، مدیرعامل نکِید یادآور می‌شود که بیشتر فعالان لجستیک همچنان با مسئله‌ای بنیادین یعنی تبدیل دانش عملیاتی پنهان به داده‌ای قابل استفاده برای سامانه‌های هوش مصنوعی دست‌وپنجه نرم می‌کنند.
این متخصص فناوری توضیح می‌دهد که زمینه و بافت اطلاعاتی بزرگ‌ترین چالش این حوزه محسوب می‌شود. به گفته وی، چه در بخش باربری بین‌المللی و چه در حوزه کارگزاری، سال‌ها تجربه و ظرافت‌های واقعی بازار حجم عظیمی از دانش انباشته را ایجاد کرده است و تبدیل این اندوخته‌ها به بینش‌های قابل درک برای هوش مصنوعی مأموریتی بسیار دشوار به شمار می‌رود. وی در ادامه هشدار می‌دهد چنانچه شرکت‌ها از پذیرش رسمی این فناوری سر باز زنند، کارکنان آن‌ها به‌صورت پنهانی به استفاده از ابزارهایی نظیر نسخه‌های مختلف چت‌جی‌پی‌تی و کلود روی خواهند آورد، پدیده‌ای که هم‌اکنون در بسیاری از صنایع رواج یافته است.
بیلی که از لندن سخن می‌گفت، اعلام می‌کند شرکت متبوعش حدود ۴۰ تا ۵۰ شرکت پیشرو حمل‌ونقل و ارائه‌دهنده خدمات لجستیکی را در سطح جهان رصد کرده و تمامی اطلاعیه‌های عمومی آن‌ها درباره هوش مصنوعی را زیر نظر دارد. او حجم اخبار منتشر شده در این زمینه طی شش تا نه ماه گذشته را بی‌محابا و خیره‌کننده توصیف می‌کند. وی درباره معامله شرکت سی.اچ. رابینسون افزود که با وجود نتایج مثبت مدل عملیاتی این شرکت، تسری آن به کسب‌وکاری جدید با همپوشانی محدود مشتریان و دانش عملیاتی متفاوت، ریسک اجرای بالایی برای دستیابی به هدف ۳۰۰ میلیون دلاری به همراه دارد.
در حوزه محصولات کاربردی، مدیرعامل نکِید یادآور می‌شود که حدود ۹۰ درصد از درخواست‌های استعلام قیمت همچنان از طریق ایمیل دریافت می‌شوند و عوامل نرم‌افزاری این شرکت برای خواندن صندوق ورودی مشتریان، دسته‌بندی نوع بار، استخراج جزئیات محموله و اجرای خودکار فرآیندهای جستجوی نرخ لحظه‌ای طراحی شده‌اند. این فرآیند شامل بررسی قراردادها، نرخ‌های بازار لحظه‌ای و پورتال‌های نمایندگی‌های خارجی از طریق رابط‌های برنامه‌نویسی یا مرورگرها است.
هدف نهایی این است که اپراتورها هر روز صبح با ۱۰ الی ۱۵ استعلام قیمت آماده برای تصمیم‌گیری روبه‌رو شوند، به‌جای آنکه وقت خود را صرف بررسی دستی ایمیل‌ها و جستجوهای متعدد کنند. تیم‌هایی که از این پلتفرم استفاده می‌کنند توانسته‌اند میزان پردازش پرونده به ازای هر نیروی انسانی را دو برابر کنند. به عنوان نمونه، یکی از مشتریان شرکت اکنون پاسخ‌های خودکاری را به درخواست‌های نمایندگان خارجی که ساعت ۳ بامداد می‌رسند ارسال می‌کند؛ امری که پیش از فعالیت رقبا محقق می‌شود. در حال حاضر، حدود ۷۵ درصد از حجم مشتریان این سامانه مربوط به حمل‌ونقل هوایی و دریایی است و ۲۵ درصد باقی‌مانده به حمل‌ونقل جاده‌ای در مسیرهای داخلی ایالات متحده و اروپا اختصاص دارد.
چشم‌انداز آینده هوش مصنوعی در لجستیک
در نهایت، موفقیت در به کارگیری هوش مصنوعی در صنعت لجستیک نیازمند عبور از چالش‌های ساختاری و دسترسی به دیدگاهی عملیاتی است که فراتر از ابزارهای سطحی عمل کند. شرکت‌هایی که بتوانند دانش انباشته سازمانی خود را با راهکارهای نوین تطبیق دهند، سهم بیشتری از ارزش افزوده این بازار پویا را از آن خود خواهند کرد.
حسام هاشمی 
