Trasporto e logistica sono composti da un mix di lavoro molto diverso per natura. Pianificazione e instradamento, elaborazione degli ordini, gestione documentale nel trasporto transfrontaliero, comunicazione track-and-trace con i clienti, pianificazione della manutenzione del materiale rotabile e la gestione amministrativa dei viaggi e delle fatture occupano insieme una gran parte delle ore d'ufficio. Oltre a questo c'è il lavoro di guida ed esecuzione stesso: caricare, scaricare, guidare, controllo fisico del carico. Questi due mondi non reagiscono nello stesso modo a ciò che l'AI può assumere. L'elaborazione documentale e la pianificazione sono digitali e ripetibili; il lavoro fisico spesso non lo è, o lo diventa solo dopo investimenti considerevoli in sensori e tecnologia dei veicoli.
Le circostanze che determinano l'esito non sono uguali dappertutto. Un'azienda che opera principalmente a livello nazionale e su percorsi fissi ha una complessità di pianificazione diversa da un'azienda con carichi internazionali variabili e formalità doganali. Un parco veicoli con dati dei sensori provenienti dai veicoli offre all'AI qualcosa su cui addestrarsi; un parco veicoli senza quei dati no. La normativa su tempi di guida e di riposo, dogana e sostanze pericolose è inoltre qualcosa a cui le applicazioni AI devono conformarsi, il che rallenta la diffusione nei luoghi dove queste regole sono applicate rigorosamente.
Nella pianificazione e nell'ottimizzazione dei percorsi è già visibile in molti luoghi che il software svolge la maggior parte del lavoro di calcolo, mentre un pianificatore valuta il risultato e lo corregge sulla base di conoscenze che il sistema non possiede: un autista appena rientrato dalle ferie, un cliente che preferisce non ricevere visite di prima mattina. Questo è il pattern intermedio dei tre pattern che percorrono tutto il settore: l'AI svolge la maggior parte del lavoro, una persona approva o respinge con motivazione. Il controllo documentale nelle spedizioni internazionali si sposta a un ritmo simile, dove i sistemi segnalano le anomalie e un collaboratore gestisce le eccezioni.
La comunicazione con i clienti sullo stato delle spedizioni è già in gran parte automatizzata in diverse aziende: un sistema che segnala le anomalie senza che una persona componga ogni messaggio. La pianificazione della manutenzione del materiale rotabile segue un pattern diverso: la manutenzione predittiva basata sui dati dei sensori può indicare quando un veicolo necessita di attenzione, ma la valutazione se quella manutenzione debba avvenire subito o possa attendere una fermata programmata resta lavoro umano finché le conseguenze di una valutazione errata sono rilevanti. E la guida del veicolo stesso resta lavoro umano nella grande maggioranza del settore, anche dove viene testata la tecnologia autonoma.
La differenza tra le aziende che già organizzano le cose così e quelle che non lo fanno raramente sta nell'ambizione. Sta in quali dati sono disponibili, in quanta routine c'è nel processo rispetto a quante eccezioni, e in come è regolata la responsabilità in caso di errori. Un reparto pianificazione con anni di dati sui viaggi può addestrare un sistema che un reparto senza quella storia non può costruire. Non è una scelta che si fa, è una posizione di partenza che si ha o non si ha.
Una strategia per trasporto e logistica si basa spesso su un presupposto su dove si trovano i vantaggi di costo e i colli di bottiglia: per esempio che la capacità di pianificazione sia scarsa e costosa, o che la gestione documentale nel trasporto transfrontaliero abbia un tempo di elaborazione fisso che nemmeno i concorrenti possono ridurre. Se l'AI aumenta quella capacità di pianificazione o riduce quel tempo di elaborazione in una parte del settore, il campo di gioco si sposta senza preavviso. Il piano rimane in piedi sulla carta, mentre il presupposto sottostante non è più valido.
Questo è esattamente il pattern che si manifesta anche in altri settori, con un proprio ritmo e una propria causa: come i servizi professionali alle imprese si confrontano con lo spostamento di compiti di consulenza ed elaborazione amministrativa, come il commercio al dettaglio gestisce la gestione automatizzata delle scorte e il contatto con i clienti, e cosa significa per una strategia quando un presupposto decade senza preavviso. Il meccanismo sottostante è sempre lo stesso: l'AI non è un progetto separato con una data d'inizio, è un cambiamento nella struttura dei costi e nella velocità di determinati compiti che a un certo punto fa venir meno il presupposto sottostante.
Questa non è un'affermazione su cosa dovrebbe fare una singola azienda con il proprio organico. Le decisioni su funzioni e numero di fte spettano al datore di lavoro, e se queste scelte sono legate a una riorganizzazione, si applicano requisiti legali propri, indipendenti da quanto qui descritto. Ciò di cui si occupa questa pagina è la domanda su quale lavoro sia effettivamente sostituibile, parzialmente sostituibile con supervisione, oppure resti lavoro umano, e cosa questo significhi per i presupposti su cui è costruita una strategia.
La domanda su quale lavoro nella sua azienda possa effettivamente essere assunto dall'AI non trova risposta a livello settoriale. Per questo è necessario guardare al proprio processo, ai propri dati e alle proprie eccezioni; è ciò che la scansione del lavoro di FTE TO AI mappa per singolo compito. Un primo passo, più ampio della sola ripartizione del lavoro, è applicare il metodo per mappare autonomamente un orizzonte di cambiamenti alla propria strategia. Chi preferisce iniziare direttamente dai presupposti stessi può fare il controllo gratuito dei presupposti: un breve percorso in cui identifica i presupposti principali dietro la sua strategia e vede, per ciascuno, quando è stato confermato per l'ultima volta. La prova di resistenza completa, con dati di settore, un auto-posizionamento del team direttivo e un elenco continuo dei presupposti, è in fase di costruzione.
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.