Транспортът и логистиката се състоят от смес от работа, която силно се различава по характер. Планирането и маршрутизацията, обработката на поръчки, обработката на документи при трансгранични превози, комуникацията с клиенти за проследяване на пратки, планирането на поддръжката на техниката и административното обработване на курсове и фактури заедно заемат голяма част от офисните часове. Освен това има и самата шофьорска и изпълнителска работа: товарене, разтоварване, управление на превозното средство, физическа проверка на товара. Тези два свята не реагират по един и същи начин на това, което AI може да поеме. Обработката на документи и планирането са дигитални и повтарящи се; физическата работа често не е такава, или е такава едва след значителни инвестиции в сензори и превозна техника.
Обстоятелствата, които определят резултата, не са еднакви навсякъде. Компания, която кара предимно вътрешно и по фиксирани маршрути, има различна сложност на планирането спрямо компания с променливи международни товари и митнически формалности. Автопарк със сензорни данни от превозни средства предлага на AI нещо, върху което да се обучава; автопарк без тези данни — не. Регулациите около времето за шофиране и почивка, митниците и опасните вещества освен това са нещо, на което AI приложенията трябва да се съобразяват, което забавя внедряването на места, където тези правила се прилагат стриктно.
В планирането и оптимизацията на маршрути на много места вече е видимо, че софтуерът извършва по-голямата част от изчислителната работа, като плановик оценява резултата и коригира въз основа на знание, което системата няма: шофьор, който току-що се е върнал от отпуск, клиент, който предпочита да не бъде посещаван рано сутрин. Това е средният от трите модела, които се срещат в целия сектор: AI носи по-голямата част от работата, човек одобрява или отхвърля с основание. Проверката на документи при международни пратки се измества с подобно темпо, като системите сигнализират за отклонения, а служител обработва изключенията.
Комуникацията с клиенти относно статуса на пратките в редица компании вече е до голяма степен автоматизирана: система, която докладва отклонения, без човек да съставя всяко съобщение. Планирането на поддръжката на техниката следва различен модел: предсказуемата поддръжка въз основа на сензорни данни може да покаже кога дадено превозно средство се нуждае от внимание, но преценката дали тази поддръжка трябва да се извърши сега или може да изчака до планиран престой, остава човешка работа, докато последствията от грешна преценка са значителни. А управлението на самото превозно средство остава в голямата част от сектора човешка работа, дори там, където се тества автономна технология.
Разликата между компаниите, които вече организират нещата така, и тези, които не го правят, рядко се крие в амбицията. Тя се крие в наличните данни, в това колко рутина съдържа процесът спрямо колко изключения, и в това как е уредена отговорността при грешки. Отдел за планиране с години данни за курсове може да обучи система, каквато отдел без тази история не може да изгради. Това не е избор, който се прави, а изходна позиция, която се има или не се има.
Стратегия за транспорт и логистика често се основава на допускане за това къде се намират ценовите предимства и тесните места: например, че планирането е оскъдно и скъпо, или че обработката на документи при трансгранично движение има фиксирано време за изпълнение, което конкурентите също не могат да съкратят. Ако AI увеличи този планов капацитет или съкрати това време за изпълнение при част от сектора, тогава игрището се измества, без това да бъде предшествано от съобщение. Планът остава формално непроменен на хартия, докато допускането зад него вече не важи.
Това е точно моделът, който се проявява и в други сектори, с техен собствен темп и собствен повод: как бизнес услугите се справят с изместващи се консултантски задачи и административно обработване, как търговията на дребно се справя с автоматизираното управление на запасите и контакта с клиенти, и какво означава за една стратегия, когато допускане отпада без предизвестие. Основният механизъм е винаги един и същ: AI не е отделен проект с начална дата, а промяна в структурата на разходите и скоростта на определени задачи, която в даден момент изважда изпод краката допускането.
Това не е твърдение за това какво трябва да направи отделна компания със своя персонал. Решенията относно длъжности и брой щатни бройки са на работодателя, и ако тези избори са свързани с реорганизация, за тях важат собствени законови изисквания, независимо от описаното тук. Тази страница разглежда въпроса коя работа е фактически прехвърляема, частично прехвърляема с надзор, или остава човешка работа, и какво означава това за допусканията, върху които е изградена дадена стратегия.
Въпросът коя работа във вашата компания действително може да бъде поета от AI, не може да бъде отговорен на секторно ниво. За целта е необходимо да се погледне към собствения процес, собствените данни и собствените изключения; именно това картографира скенерът на работата на FTE TO AI по задача. Първа стъпка, по-широка от само разпределението на работа, е прилагането на метода за самостоятелно картографиране на хоризонт от промени към собствената стратегия. Който предпочита да започне директно със самите допускания, може да направи безплатната проверка на допускания: кратък кръг, в който посочвате най-важните допускания зад вашата стратегия и виждате за всяко допускане кога е било потвърдено за последен път. Пълната стрес проверка, с данни за сектора, самостоятелно позициониране на ръководния екип и текущ списък с допускания, е в процес на разработка.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.