Kennisbank

Mitä tekoäly kuljetusalalla muuttaa strategisissa oletuksissa

Missä kuljetusalan tunnit kuluvat

Kuljetus- ja logistiikka-ala koostuu työstä, jonka luonne vaihtelee huomattavasti. Suunnittelu ja reititys, tilausten käsittely, rajat ylittävän kuljetuksen asiakirjojen käsittely, track-and-trace-viestintä asiakkaiden kanssa, kaluston huoltosuunnittelu sekä ajojen ja laskujen hallinnollinen käsittely vievät yhdessä suuren osan toimistotunneista. Sen lisäksi on itse ajava ja suorittava työ: lastaus, purku, ajaminen, lastin fyysinen tarkastus. Nämä kaksi maailmaa eivät reagoi samalla tavalla siihen, mitä tekoäly voi ottaa hoitaakseen. Asiakirjojen käsittely ja suunnittelu ovat digitaalisia ja toistuvia; fyysinen työ ei usein ole, tai on vasta merkittävien investointien jälkeen sensoreihin ja ajoneuvotekniikkaan.

Olosuhteet, jotka ohjaavat lopputulosta, eivät ole kaikkialla samat. Yrityksellä, joka ajaa pääasiassa kotimaassa ja kiinteillä reiteillä, on erilainen suunnittelun monimutkaisuus kuin yrityksellä, jolla on vaihtelevia kansainvälisiä lasteja ja tulliformaliteetteja. Ajoneuvokanta, josta saadaan sensoridataa, tarjoaa tekoälylle jotain, minkä pohjalta harjoitella; ajoneuvokanta ilman tätä dataa ei tarjoa. Ajo- ja lepoaikoja, tullia ja vaarallisia aineita koskeva sääntely on lisäksi jotain, mihin tekoälysovellusten on mukauduttava, mikä hidastaa käyttöönottoa paikoissa, joissa näitä sääntöjä valvotaan tiukasti.

Mikä on jo nyt muuttumassa

Suunnittelussa ja reittien optimoinnissa on monin paikoin jo nähtävissä, että ohjelmisto tekee suurimman osan laskentatyöstä, jolloin suunnittelija arvioi tuloksen ja säätää sitä tiedon perusteella, jota järjestelmällä ei ole: kuljettaja, joka on juuri palannut lomalta, asiakas, joka ei mieluusti ota vastaan käyntiä aikaisin aamulla. Tämä on keskimmäinen kolmesta koko alan läpi kulkevasta mallista: tekoäly hoitaa suurimman osan työstä, ihminen hyväksyy tai hylkää perustellusti. Kansainvälisten lähetysten asiakirjatarkastus siirtyy samaa tahtia, jolloin järjestelmät ilmoittavat poikkeamista ja työntekijä käsittelee poikkeukset.

Asiakasviestintä lähetyksen tilasta on useissa yrityksissä jo pitkälti automatisoitu: järjestelmä ilmoittaa poikkeamista ilman, että ihminen laatii jokaista viestiä. Kaluston huoltosuunnittelu noudattaa toisenlaista mallia: sensoridataan perustuva ennakoiva huolto voi osoittaa, milloin ajoneuvo tarvitsee huomiota, mutta arvio siitä, pitääkö huolto tehdä nyt vai voiko se odottaa suunniteltuun pysähdykseen, pysyy ihmistyönä niin kauan kuin väärän arvion seuraukset ovat suuret. Ja itse ajoneuvon ohjaaminen pysyy valtaosassa alaa ihmistyönä, myös siellä, missä autonomista teknologiaa testataan.

Ero yritysten välillä, jotka jo organisoivat tämän näin, ja yritysten, jotka eivät sitä tee, on harvoin kunnianhimossa. Se on siinä, mitä dataa on käytettävissä, kuinka paljon prosessissa on rutiinia verrattuna poikkeuksiin, ja miten vastuu virheistä on järjestetty. Suunnitteluosasto, jolla on vuosien ajokerta-data, voi kouluttaa järjestelmän, jota osasto ilman tätä historiaa ei voi rakentaa. Tämä ei ole valinta, jonka tekee, vaan lähtöasema, joka on tai ei ole olemassa.

Miksi strategia vanhenee tässä huomaamatta

Kuljetus- ja logistiikka-alan strategia perustuu usein oletukseen siitä, missä kustannusedut ja pullonkaulat sijaitsevat: esimerkiksi että suunnittelu on niukkaa ja kallista, tai että rajat ylittävän kuljetuksen asiakirjojen käsittelyllä on kiinteä läpimenoaika, jota kilpailijatkaan eivät voi lyhentää. Jos tekoäly kasvattaa tätä suunnittelukapasiteettia tai lyhentää tätä läpimenoaikaa osalla alaa, pelikenttä siirtyy ilman ennakkoilmoitusta. Suunnitelma pysyy paperilla voimassa, vaikka sen taustalla oleva oletus ei enää pidä paikkaansa.

Tämä on juuri sama malli, joka näkyy myös muilla toimialoilla, omalla tahdillaan ja omista syistään: miten liike-elämän palveluala kohtaa muuttuvat neuvontatehtävät ja hallinnollisen käsittelyn, miten vähittäiskauppa käsittelee automatisoitua varastonhallintaa ja asiakaskontaktia, ja mitä tarkoittaa strategian kannalta, kun oletus raukeaa ilman ennakkoilmoitusta. Taustalla oleva mekanismi on aina sama: tekoäly ei ole erillinen hanke, jolla on aloituspäivä, vaan muutos tiettyjen tehtävien kustannusrakenteessa ja nopeudessa, joka jossain vaiheessa vetää pohjan pois taustalla olevalta oletukselta.

Mitä tämä ei ole

Tämä ei ole kannanotto siihen, mitä yksittäisen yrityksen tulisi tehdä henkilöstönsä suhteen. Päätökset toimenkuvista ja henkilötyövuosien määrästä kuuluvat työnantajalle, ja jos nämä valinnat liittyvät organisaatiomuutokseen, niihin sovelletaan omia lakisääteisiä vaatimuksia, riippumatta siitä, mitä tässä on kuvattu. Tämä sivu käsittelee kysymystä siitä, mikä työ on tosiasiallisesti siirrettävissä, osittain siirrettävissä ihmisen valvonnassa, tai pysyy ihmistyönä, ja mitä se tarkoittaa strategian perustana olevien oletusten kannalta.

Mitä voitte tehdä nyt

Kysymykseen siitä, mikä työ yrityksessänne on tosiasiallisesti siirrettävissä tekoälylle, ei voida vastata toimialatasolla. Sitä varten on tarpeen tarkastella omaa prosessia, omaa dataa ja omia poikkeuksia; juuri tämän FTE TO AI:n työskannaus kartoittaa tehtäväkohtaisesti. Ensimmäinen askel, laajempi kuin pelkkä työnjako, on soveltaa menetelmää, jolla voi itse kartoittaa muutosten horisontin omaan strategiaan. Se, joka haluaa aloittaa suoraan itse oletuksista, voi tehdä maksuttoman oletustarkistuksen: lyhyen kierroksen, jossa nimeätte strategianne tärkeimmät oletukset ja näette kunkin oletuksen kohdalla, milloin se on viimeksi vahvistettu. Täydellinen painekoe, jossa on toimialadataa, johtoryhmän itsesijoitus ja jatkuva oletuslista, on rakenteilla.