Uczestnictwo człowieka w procesie jest nieodzowne, ale sztuczna inteligencja ma potencjał, aby w przyszłości wykonywać część operacji samodzielnie, uważa Marcin Korytkowski, regionalny dyrektor sprzedaży, Soloplan.
Jak ze sztucznej inteligencji korzysta branża TSL? Gdzie AI przetarła sobie już szlak?
Sztuczna inteligencja stopniowo, ale wyraźnie wkracza do branży transportu, spedycji i logistyki. Przy czym tempo jej wdrażania różni się w zależności od gałęzi transportu i wielkości przedsiębiorstwa.
W transporcie drogowym pierwsze produktywne zastosowania AI są już rzeczywistością. Systemy automatycznego przetwarzania dokumentów potrafią wyodrębniać dane zleceń z plików PDF, zdjęć, dokumentów odręcznych czy treści e-maili, znacząco ograniczając nakład pracy ręcznej. Właśnie w tym obszarze CarLo wykorzystuje rozwiązanie Document Intelligence, zarówno przy wprowadzaniu zleceń, przetwarzaniu dokumentów, jak i tworzeniu danych bazowych.
W obszarze planowania transportu nasze rozwiązania oparte na sztucznej inteligencji wspierają optymalizację tras. Sugerują kolejność punktów, identyfikują możliwe do połączenia zlecenia oraz wspierają wyszukiwanie ładunków powrotnych. Nie jest to jeszcze w pełni automatyczne planowanie, lecz inteligentne wsparcie dla dyspozytora.
W magazynowaniu i przeładunku AI koncentruje się głównie na modelach prognostycznych: optymalizacji zapasów, prognozowaniu wykorzystania zasobów oraz analizie obrazu, np. do wykrywania uszkodzeń. W transporcie lotniczym i morskim dominują zastosowania związane z kontrolą dokumentów, przygotowaniem celnym i prognozowaniem dostępnych mocy przewozowych.
Cała branża znajduje się obecnie na etapie selektywnej automatyzacji: AI przejmuje przede wszystkim jasno zdefiniowane, wymagające intensywnego przetwarzania danych zadania: analizy, rozpoznawanie wzorców i wsparcie powtarzalnych procesów. Kompleksowa automatyzacja „end-to-end” pozostaje raczej wyjątkiem niż standardem.
Co sztucznej inteligencji przeszkadza w pracy?
Największym wyzwaniem pozostaje jakość i dostępność danych. Systemy AI są tak dobre, jak dane, na których pracują, a w logistyce pochodzą one często z wielu różnych źródeł i mają niejednorodną formę. Systemy takie jak CarLo Document Intelligence muszą skutecznie radzić sobie z tą różnorodnością danych, co stanowi istotne wyzwanie techniczne.
Dodatkowym wyzwaniem jest silne rozdrobnienie środowiska IT. Wiele firm spedycyjnych pracuje na licznych, odizolowanych systemach, które nie komunikują się ze sobą lub robią to w ograniczonym zakresie. W takiej sytuacji rozwiązanie AI, działające wyłącznie w systemie TMS i pozbawione integracji z systemami magazynowymi czy telematycznymi, nie jest w stanie w pełni rozwinąć swojego potencjału.
Istotne są także kwestie ochrony danych i cyberbezpieczeństwa – szczególnie, gdy systemy AI mają dostęp do danych klientów, ładunków czy finansów. Regulacje takie jak RODO czy unijne przepisy dotyczące AI wymagają również przejrzystości i możliwości wyjaśnienia podejmowanych decyzji. Na koniec warto wspomnieć o braku standaryzacji. Jednolite modele danych i interfejsy są w logistyce wciąż słabo rozwinięte, co utrudnia integrację nowych rozwiązań.
Czy zawodowcy lubią AI?
Podejście jest podzielone – co nie dziwi. Z jednej strony rośnie świadomość niedoboru pracowników i presji kosztowej, co czyni AI atrakcyjnym narzędziem wsparcia. Z drugiej strony istnieją uzasadnione obawy.
Najczęściej dotyczą one odpowiedzialności za błędy: kto odpowiada za źle zaplanowane zlecenie, jeśli sugestię podała AI? Akceptacja rośnie jednak wtedy, gdy system działa transparentnie i umożliwia użytkownikowi kontrolę. Tak jak robi to Radar Planowania CarLo, który pozwala dyspozytorowi przyjąć, dostosować lub odrzucić proponowane rozwiązania.
Obawy budzi także utrata kontroli – użytkownicy nie chcą, aby AI podejmowała decyzje samodzielnie, szczególnie w procesach wrażliwych. Nasz tekstowy agent oparty na sztucznej inteligencji, odpowiada na tę potrzebę, zapewniając wsparcie i dostarczając informacji. Jednocześnie pozostawia podejmowanie decyzji w rękach użytkownika.
Ogólnie rzecz biorąc, im lepiej wdrożenie AI jest przeprowadzone i im większa przejrzystość działania systemu, tym mniejszy opór użytkowników.
Jak więc zaprzyjaźnić się z AI i owocnie z nią współpracować?
Kluczową koncepcją jest „human in the loop”(ang. HILP – człowiek jako uczestnik działań). AI nie powinna zastępować człowieka, lecz wzmacniać jego możliwości. Koncepcja naszego systemu jest spójna i przemyślana. Document Intelligence odczytuje i przetwarza dane, człowiek je weryfikuje i zatwierdza. Radar planowania podpowiada możliwe rozwiązania, dyspozytor decyduje. Asystent dostarcza informacji, użytkownik podejmuje decyzje. W praktyce oznacza to:
- przejrzystość działania AI – użytkownik powinien rozumieć, skąd biorą się rekomendacje,
- stopniowe wdrażanie – zaczynanie od prostych, niskiego ryzyka zastosowań,
- jasny podział odpowiedzialności – nawet jeśli sztuczna inteligencja wspiera procesy, odpowiedzialność nadal pozostaje po stronie człowieka – i musi być jasno uregulowana zarówno organizacyjnie, jak i prawnie,
- ciągłe doskonalenie – systemy AI uczą się dzięki informacjom zwrotnym od użytkowników.
Zaufanie nie powstaje poprzez deklaracje, lecz poprzez realne, sprawdzone działanie w codziennej pracy.
W jakim kierunku rozwija się AI w transporcie i logistyce?
Kierunek rozwoju jest już widoczny. W najbliższych latach można spodziewać się największego postępu w kilku obszarach. Krótkoterminowo dochodzi do pełnej automatyzacji przetwarzania dokumentów, kalkulacji kosztów frachtu i dynamicznego ustalania cen, prognozowanie czasu dostawy (ETA) na podstawie danych w czasie rzeczywistym.
W średnim terminie spodziewamy się częściowo autonomicznego planowania tras w powtarzalnych scenariuszach, wdrożenia agentów AI negocjujących i rezerwujących przestrzeń ładunkową oraz proaktywnego zarządzanie wyjątkami, np. wykrywania opóźnień zanim zgłosi je klient.
Długoterminowo możliwe będzie multimodalne planowanie transportu (droga, kolej, morze, lotnictwo), w pełni zautomatyzowany obieg dokumentów oraz autonomiczne negocjacje na rynku frachtowym.
Najszybszy rozwój będziemy obserwować tam, gdzie dostępne są wysokiej jakości dane oraz gdzie procesy wciąż w dużej mierze opierają się na pracy manualnej. Czyli dokładnie w tych obszarach, w których nasze rozwiązanie już dziś znajduje zastosowanie: wprowadzanie danych, planowanie transportu oraz wsparcie użytkownika.
Dziękuję za rozmowę.
Rozmawiał: Michał Kij
