Transports un logistika sastāv no darba maisījuma, kas savā būtībā stipri atšķiras. Plānošana un maršrutēšana, pasūtījumu apstrāde, dokumentu kārtošana pārrobežu pārvadājumos, klientu informēšana par kravas statusu (track-and-trace), tehnikas apkopes plānošana un braucienu un rēķinu administratīvā apstrāde kopā aizņem lielu daļu biroja darba stundu. Papildus tam ir pats braukšanas un izpildes darbs: kraušana, izkraušana, vadīšana, kravas fiziskā pārbaude. Šīs divas pasaules nereaģē vienādi uz to, ko AI var pārņemt. Dokumentu apstrāde un plānošana ir digitāla un atkārtojama; fiziskais darbs bieži nav, vai kļūst tāds tikai pēc ievērojamiem ieguldījumiem sensoros un transportlīdzekļu tehnoloģijās.
Apstākļi, kas nosaka iznākumu, nav visur vienādi. Uzņēmumam, kas galvenokārt brauc iekšzemē un pa fiksētiem maršrutiem, ir cita plānošanas sarežģītība nekā uzņēmumam ar mainīgām starptautiskām kravām un muitas formalitātēm. Autoparks ar sensoru datiem no transportlīdzekļiem AI dod materiālu, uz kura trenēties; autoparks bez šiem datiem – nē. Regulējums attiecībā uz braukšanas un atpūtas laikiem, muitu un bīstamām vielām turklāt ir kaut kas, kam AI risinājumiem jāatbilst, kas ieviešanu palēnina vietās, kur šie noteikumi tiek stingri uzraudzīti.
Plānošanā un maršrutu optimizācijā daudzviet jau redzams, ka lielāko daļu skaitļošanas darba veic programmatūra, kurā plānotājs izvērtē iznākumu un koriģē to, pamatojoties uz zināšanām, kādu sistēmai nav: šoferis, kas tikko atgriezies no atvaļinājuma, klients, kurš labprātāk nesaņemtu apmeklējumu agri no rīta. Tas ir vidējais no trim modeļiem, kas iet caur visu nozari: AI veic lielāko daļu darba, cilvēks apstiprina vai atsaka to ar pamatojumu. Dokumentu kontrole starptautiskajos sūtījumos pārbīdās līdzīgā tempā, kur sistēmas signalizē par novirzēm un darbinieks risina izņēmumus.
Klientu informēšana par sūtījuma statusu vairākos uzņēmumos jau ir lielā mērā automatizēta: sistēma, kas ziņo par novirzēm, bez tā, ka cilvēks sagatavo katru vēstījumu. Tehnikas apkopes plānošana seko citam modelim: prognozējošā apkope, kas balstīta uz sensoru datiem, var norādīt, kad transportlīdzeklim nepieciešama uzmanība, bet vērtējums, vai šī apkope nepieciešama tūlīt vai var pagaidīt līdz plānotai apstāšanās reizei, paliek cilvēka darbs, kamēr kļūdaina novērtējuma sekas ir nozīmīgas. Un pašas transportlīdzekļa vadīšana lielākajā daļā nozares paliek cilvēka darbs, arī tur, kur tiek testēta autonomā tehnoloģija.
Atšķirība starp uzņēmumiem, kas jau tā organizējas, un uzņēmumiem, kas tā nedara, reti ir ambīciju jautājums. Tā ir datu pieejamībā, tik, cik daudz rutīnas ir procesā salīdzinājumā ar izņēmumiem, un tajā, kā ir noregulēta atbildība kļūdu gadījumā. Plānošanas nodaļa ar gadiem uzkrātiem braucienu datiem var apmācīt sistēmu, kuru nodaļa bez šādas priekšhistorijas nevar izveidot. Tā nav izvēle, ko izdara, tā ir sākumpozīcija, kāda ir vai nav.
Transporta un logistikas stratēģija bieži balstās uz pieņēmumu par to, kur atrodas izmaksu priekšrocības un vājākās vietas (bottlenecks): piemēram, ka plānošana ir ierobežota un dārga resursu ziņā, vai ka dokumentu kārtošana pārrobežu pārvadājumos aizņem fiksētu izpildes laiku, ko konkurenti tāpat nevar saīsināt. Ja AI palielina šo plānošanas kapacitāti vai saīsina šo izpildes laiku daļā nozares, tad spēles laukums pārbīdās bez iepriekšēja paziņojuma. Plāns papīra formā turpina pastāvēt, kamēr pieņēmums tā pamatā vairs neatbilst realitātei.
Tas ir tieši tas pats modelis, kas darbojas arī citās nozarēs, ar savu tempu un savu iemeslu: kā uzņēmējdarbības pakalpojumu nozarē mainīgi konsultāciju uzdevumi un administratīvā apstrāde, kā mazumtirdzniecība tiek galā ar automatizētu krājumu pārvaldību un klientu saziņu, un ko tas nozīmē stratēģijai, kad pieņēmums zaudē spēku bez paziņojuma. Pamatā esošais mehānisms ir katrreiz tas pats: AI nav atsevišķs projekts ar sākuma datumu, tas ir izmaiņas noteiktu uzdevumu izmaksu struktūrā un ātrumā, kas kādā brīdī izrauj pamatā esošo pieņēmumu.
Šis nav apgalvojums par to, ko individuālam uzņēmumam vajadzētu darīt ar savu personālsastāvu. Lēmumi par funkcijām un pilnas darba slodzes vienību (fte) skaitu ir darba devēja ziņā, un, ja šīs izvēles ir saistītas ar reorganizāciju, tām ir savas juridiskas prasības, neatkarīgi no šeit aprakstītā. Šī lapa runā par to, kāds darbs faktiski ir pārņemams, daļēji pārņemams ar uzraudzību, vai paliek cilvēka darbs, un ko tas nozīmē pieņēmumiem, uz kuriem stratēģija ir balstīta.
Jautājumu, kāds darbs jūsu uzņēmumā ir faktiski pārņemams ar AI, nevar atbildēt nozares līmenī. Tam nepieciešams aplūkot savu procesu, savus datus un savus izņēmumus; to FTE TO AI darba skenēšana kartē pa uzdevumiem. Pirmais solis, plašāks nekā tikai darba sadalījums, ir piemērot metodi, kā pašam kartēt izmaiņu horizontu savai stratēģijai. Kas labāk sāk tieši ar pašiem pieņēmumiem, var izmantot bezmaksas pieņēmumu pārbaudi: īsu ciklu, kurā jūs nosaucat savas stratēģijas galvenos pieņēmumus un pie katra pieņēmuma redzat, kad tas pēdējo reizi tika apstiprināts. Pilnā spiediena pārbaude, ar nozares datiem, vadības komandas pašnovietojumu grafikā un pastāvīgu pieņēmumu sarakstu, ir izstrādes procesā.
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.