Transport og logistik består af en blanding af arbejde, der varierer meget i karakter. Planlægning og ruteoptimering, orderbehandling, dokumenthåndtering ved grænseoverskridende transport, track-and-trace-kommunikation med kunder, vedligeholdelsesplanlægning af materiel og den administrative afhandling af ture og fakturaer udgør samlet en stor del af kontortimerne. Derudover er der selve det kørende og udførende arbejde: læsning, aflæsning, kørsel, fysisk kontrol af last. Disse to verdener reagerer ikke ens på det, AI kan overtage. Dokumentbehandling og planlægning er digitale og gentagelige; det fysiske arbejde er det ofte ikke, eller først efter betydelige investeringer i sensorer og køretøjsteknik.
De omstændigheder, der styrer udfaldet, er ikke ens overalt. Et firma, der primært kører indenlandsk og på fastlagte ruter, har en anden planlægningskompleksitet end et firma med varierende internationale forsendelser og toldformaliteter. En vognpark med sensordata fra køretøjer giver AI noget at træne på; en vognpark uden disse data giver ikke det. Regulering omkring køre- og hviletider, told og farligt gods er desuden noget, AI-anvendelser skal rette sig efter, hvilket forsinker udrulningen på steder, hvor disse regler håndhæves strengt.
Inden for planlægning og ruteoptimering er det på mange steder allerede synligt, at software udfører størstedelen af beregningsarbejdet, hvor en planlægger vurderer resultatet og justerer på baggrund af viden, systemet ikke har: en chauffør, der lige er kommet tilbage fra ferie, en kunde, der hellere vil undgå besøg tidligt om morgenen. Det er det midterste af de tre mønstre, der går igennem hele sektoren: AI udfører størstedelen af arbejdet, et menneske godkender eller afviser med en begrundelse. Dokumentkontrol ved internationale forsendelser forskyder sig i et sammenligneligt tempo, hvor systemer signalerer afvigelser, og en medarbejder håndterer undtagelserne.
Kundekommunikation om forsendelsesstatus er i en række firmaer allerede stort set automatiseret: et system, der melder afvigelser uden at et menneske udarbejder hver enkelt meddelelse. Vedligeholdelsesplanlægning af materiel følger et andet mønster: prædiktivt vedligehold baseret på sensordata kan angive, hvornår et køretøj kræver opmærksomhed, men vurderingen af, om vedligeholdet skal ske nu eller kan vente til et planlagt stop, forbliver menneskearbejde, så længe konsekvenserne af en fejlvurdering er store. Og selve kørslen af køretøjet forbliver i den overvejende del af sektoren menneskearbejde, også hvor autonom teknologi testes.
Forskellen mellem firmaer, der allerede organiserer sig sådan, og firmaer, der ikke gør det, ligger sjældent i ambition. Den ligger i, hvilke data der er tilgængelige, i hvor meget rutine der er i processen i forhold til antallet af undtagelser, og i hvordan ansvaret ved fejl er fastlagt. En planlægningsafdeling med mange års kørselsdata kan træne et system, som en afdeling uden denne historik ikke kan bygge. Det er ikke et valg, man træffer, det er en udgangsposition, man har eller ikke har.
En strategi for transport og logistik bygger ofte på en antagelse om, hvor omkostningsfordelene og flaskehalsene ligger: for eksempel at planlægning er en sparsom og bekostelig ressource, eller at dokumenthåndtering ved grænseoverskridelse har en fast gennemløbstid, som konkurrenter heller ikke kan forkorte. Hvis AI øger denne planlægningskapacitet eller forkorter denne gennemløbstid hos en del af sektoren, forskyder spillefeltet sig, uden at der er gået nogen bekendtgørelse forud. Planen står stadig fast på papiret, mens antagelsen bag den allerede ikke længere holder.
Dette er præcis det mønster, der også gør sig gældende i andre sektorer, med sit eget tempo og sin egen anledning: hvordan erhvervsservice står med forskydende rådgivningsopgaver og administrativ afhandling, hvordan detailhandlen forholder sig til automatiseret lagerstyring og kundekontakt, og hvad det betyder for en strategi, når en antagelse bortfalder uden varsel. Den underliggende mekanik er hver gang den samme: AI er ikke et separat projekt med en startdato, det er en forandring i kostnadsstrukturen og hastigheden for bestemte opgaver, der på et givet tidspunkt trækker antagelsen under fjederen bort.
Dette er ikke en udtalelse om, hvad et enkelt firma bør gøre med sin personalestab. Beslutninger om funktioner og antal årsværk er arbejdsgiverens, og hvis disse valg hænger sammen med en omorganisering, gælder der egne lovkrav for det, uafhængigt af det, der er beskrevet her. Det, denne side handler om, er spørgsmålet om, hvilket arbejde der reelt kan overtages, delvist kan overtages med tilsyn, eller forbliver menneskearbejde, og hvad det betyder for de antagelser, en strategi er bygget på.
Spørgsmålet om, hvilket arbejde i Deres firma der faktisk kan overtages af AI, kan ikke besvares på sektorniveau. Det kræver, at man ser på egen proces, egne data og egne undtagelser; det er det, arbejdsscanningen fra FTE TO AI kortlægger opgave for opgave. Et første skridt, bredere end blot arbejdsdeling, er at anvende metoden til selv at kortlægge en horisont af forandringer på Deres egen strategi. Den, der hellere vil starte direkte med selve antagelserne, kan foretage den gratis antagelsescheck: en kort runde, hvor De angiver de vigtigste antagelser bag Deres strategi og for hver antagelse ser, hvornår den senest er blevet bekræftet. Den fuldstændige trykprøve, med sektordata, en selvplot af direktionen og en løbende antagelsesliste, er under udarbejdelse.
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.