O transporte e a logística consistem numa mistura de trabalho que difere fortemente em natureza. Planeamento e roteamento, processamento de encomendas, tratamento documental no transporte transfronteiriço, comunicação de track-and-trace com clientes, planeamento de manutenção de equipamento e o tratamento administrativo de viagens e faturas ocupam, em conjunto, uma grande parte das horas de escritório. Além disso, há o próprio trabalho de condução e execução: carregar, descarregar, conduzir, controlo físico da carga. Esses dois mundos não reagem da mesma forma ao que a IA pode assumir. O processamento de documentos e o planeamento são digitais e repetíveis; o trabalho físico frequentemente não o é, ou só após investimentos consideráveis em sensores e tecnologia de veículos.
As circunstâncias que determinam o resultado não são iguais em todos os lugares. Uma empresa que opera principalmente a nível nacional e em rotas fixas tem uma complexidade de planeamento diferente de uma empresa com cargas internacionais variáveis e formalidades aduaneiras. Uma frota com dados de sensores dos veículos oferece à IA algo para treinar; uma frota sem esses dados não. A regulamentação sobre tempos de condução e descanso, alfândega e substâncias perigosas é, além disso, algo a que as aplicações de IA se devem conformar, o que retarda a implementação em locais onde essas regras são rigorosamente aplicadas.
No planeamento e na otimização de rotas, é já visível em muitos lugares que o software realiza a maior parte do cálculo, com um planeador a avaliar o resultado e a ajustá-lo com base em conhecimento que o sistema não possui: um motorista que acabou de voltar de férias, um cliente que prefere não receber visitas de manhã bem cedo. Este é o padrão intermédio dos três que percorrem todo o setor: a IA realiza a maior parte do trabalho, um ser humano aprova ou rejeita com fundamento. O controlo documental em envios internacionais está a mudar a um ritmo comparável, com sistemas a sinalizar desvios e um colaborador a tratar as excepções.
A comunicação com clientes sobre o estado dos envios já está, em várias empresas, largamente automatizada: um sistema que notifica desvios sem que um ser humano redija cada mensagem. O planeamento de manutenção do equipamento segue um padrão diferente: a manutenção preditiva baseada em dados de sensores pode indicar quando um veículo precisa de atenção, mas a avaliação de saber se essa manutenção deve ocorrer agora ou pode esperar por uma parada planeada continua a ser trabalho humano, enquanto as consequências de uma avaliação errada forem grandes. E a condução do próprio veículo continua a ser, na grande maioria do setor, trabalho humano, mesmo onde se testa tecnologia autónoma.
A diferença entre empresas que já organizam isto assim e empresas que não o fazem raramente está na ambição. Está na quantidade de dados disponíveis, na quantidade de rotina existente no processo em comparação com as excepções, e na forma como a responsabilidade por erros está regulada. Um departamento de planeamento com anos de dados de viagens pode treinar um sistema que um departamento sem esse histórico não consegue construir. Isso não é uma escolha que se faz, é uma posição de partida que se tem ou não se tem.
Uma estratégia para o transporte e a logística assenta frequentemente num pressuposto sobre onde estão as vantagens de custo e os estrangulamentos: por exemplo, que o planeamento é escasso e dispendioso, ou que o tratamento documental no transporte transfronteiriço tem um prazo de execução fixo que os concorrentes também não conseguem reduzir. Se a IA aumentar essa capacidade de planeamento ou reduzir esse prazo de execução numa parte do setor, o campo de jogo desloca-se sem qualquer aviso prévio. O plano continua a manter-se de pé no papel, enquanto o pressuposto subjacente já deixou de ser válido.
Este é precisamente o padrão que também se verifica em outros setores, com o seu próprio ritmo e a sua própria causa: como os serviços empresariais lidam com tarefas de consultoria e tratamento administrativo em mudança, como o comércio a retalho lida com a gestão automatizada de stocks e o contacto com clientes, e o que significa para uma estratégia quando um pressuposto deixa de ser válido sem aviso. O mecanismo subjacente é sempre o mesmo: a IA não é um projeto separado com uma data de início, é uma mudança na estrutura de custos e na velocidade de determinadas tarefas que, a certo momento, retira o pressuposto de debaixo dela.
Isto não é uma declaração sobre o que uma empresa individual deveria fazer com o seu quadro de pessoal. As decisões sobre funções e número de fte cabem ao empregador, e se essas escolhas estiverem relacionadas com uma reorganização, aplicam-se a isso requisitos legais próprios, independentes do que aqui se descreve. O que esta página aborda é a questão de saber que trabalho é efetivamente substituível, parcialmente substituível com supervisão, ou continua a ser trabalho humano, e o que isso significa para os pressupostos em que uma estratégia se baseia.
A questão de saber que trabalho na sua empresa pode efetivamente ser assumido pela IA não se responde ao nível do setor. Para isso, é necessário olhar para o processo próprio, os dados próprios e as excepções próprias; é isso que o scan de trabalho da FTE TO AI mapeia por tarefa. Um primeiro passo, mais amplo do que apenas a divisão do trabalho, é aplicar à sua própria estratégia o método para mapear você mesmo um horizonte de mudanças. Quem preferir começar diretamente pelos próprios pressupostos pode fazer a verificação gratuita de pressupostos: uma ronda breve na qual identifica os principais pressupostos subjacentes à sua estratégia e vê, por pressuposto, quando foi confirmado pela última vez. A prova de pressão completa, com dados setoriais, um autoposicionamento da equipa de direção e uma lista contínua de pressupostos, está em construção.
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.