AI w firmie transportowej

Dlaczego AI w transporcie zaczyna się w spedycji, nie w kabinie

Firmom transportowym AI sprzedaje się od strony floty: optymalizacja tras, predykcja opóźnień, analiza stylu jazdy. Te projekty bywają wartościowe, ale mają wspólny warunek wstępny, o którym oferty milczą — miesiące historii danych telematycznych połączonych ze zleceniami, których większość flot w tej formie po prostu nie ma. Projekt zaczyna się wtedy od budowy zbierania danych, a pierwszy efekt widać po roku, nie po kwartale.

Równolegle w tej samej firmie codziennie płynie strumień pracy, którą AI potrafi przejąć już dziś: zlecenia transportowe przychodzące mailem i z giełd w kilkunastu formatach, przepisywane ręcznie do TMS; skany CMR i dokumentów dostawy zbierane od kierowców i dopinane do zleceń przed fakturowaniem; awizacje i pytania o status odpisywane ręcznie z tych samych szablonów; faktury od podwykonawców sprawdzane ze stawkami po jednej. To są procesy oparte na dokumentach i tekście — dane istnieją, reguły da się spisać, a pomyłka jest wykrywalna i odwracalna.

Dlatego dobry pierwszy projekt AI w firmie transportowej wygląda mało spektakularnie: nie dotyka pojazdów, dotyka obiegu informacji wokół nich. Za to spina się w tygodnie i finansuje kolejne kroki.

Co konkretnie automatyzujemy w firmach transportowych

• Obsługa zleceń transportowych. Odczyt zleceń przychodzących mailem, w PDF-ach i z giełd — w układach, których nikt wcześniej nie opisał — i przygotowanie wpisu do TMS do zatwierdzenia przez spedytora. To najczęstszy pierwszy proces, bo powtarza się codziennie i każda pomyłka byłaby i tak wychwycona przy potwierdzeniu zlecenia.
• Dokumenty przewozowe i CMR. Dopięcie skanów i zdjęć CMR, kwitów paletowych i dokumentów dostawy do właściwych zleceń, sprawdzenie kompletności przed fakturowaniem i lista braków z przygotowanymi przypomnieniami. Skraca odcinek, na którym dziś najdłużej czeka się nie na przewóz, tylko na papier po nim.
• Awizacje i pytania o status. Przygotowanie awizacji i odpowiedzi na pytania o status przesyłki na podstawie danych ze zleceń — do zatwierdzenia przez spedytora, zanim cokolwiek wyjdzie do klienta. Praca odtwórcza, która dziś przerywa dyspozytorom ważniejszą.
• Rozliczenia z podwykonawcami. Sprawdzenie faktur od przewoźników ze zleceniami i ustalonymi stawkami, z listą rozbieżności do wyjaśnienia — zamiast ręcznego porównywania dwóch list. Niejednoznaczne przypadki trafiają do człowieka, nie od razu do księgowania.
• Komunikacja z kierowcami. Uporządkowanie zgłoszeń i dokumentów przysyłanych przez kierowców w jeden rejestr, z przypomnieniami o brakujących — oraz asystent, który odpowiada na powtarzalne pytania proceduralne na podstawie wewnętrznych instrukcji, ze wskazaniem źródła.

Wspólny mianownik: człowiek zatwierdza wynik, system przygotowuje. Które procesy w ogóle nadają się do takiej automatyzacji — pięć warunków, które musi spełnić dobry kandydat — opisaliśmy na stronie automatyzacji AI; w spedycji te warunki sprawdza się dokładnie tak samo.

Czego nie obiecujemy

• Optymalizacji tras bez historii danych. Model uczy się z przejazdów, które już się odbyły. Jeżeli flota nie rejestruje czasów, tras i postojów w formie, którą da się połączyć ze zleceniami, uczciwa oferta zaczyna się od zbierania danych — i mówi wprost, że efekt optymalizacyjny przyjdzie później.
• Predykcji opóźnień „przy okazji”. Wiarygodne ETA wymaga integracji z telematyką i miesięcy historii przejazdów. Da się to zrobić dobrze, ale jako osobny projekt z własnym budżetem — nie jako dodatek do automatyzacji dokumentów.
• Obsługi bez nadzoru od pierwszego dnia. Wszystko, co wychodzi do klientów i podwykonawców, przechodzi najpierw przez tryb z zatwierdzaniem. Decyzję o poluzowaniu nadzoru podejmuje się na podstawie danych z pilotażu, nie z założenia.

Jak pracujemy

Tak samo jak w każdym wdrożeniu: jeden proces, zmierzona liczba przed startem — na przykład minuty od wpływu zlecenia do wpisu w TMS — najwęższy możliwy pilotaż i praca równoległa przed przełączeniem. Najpierw system przygotowuje, człowiek zatwierdza każdy wynik. Pełny przebieg — cztery fazy i to, co dostajesz na końcu każdej z nich — opisuje metodyka wdrożenia, a cały zakres usługi, od audytu procesów po utrzymanie, strona wdrożenie AI w firmie.

Osobnym tematem, który w transporcie wraca w każdej rozmowie, są dane: stawki, dane klientów, dane kierowców — w tym dane o lokalizacji, jeżeli w grę wchodzi telematyka. Gdzie trafiają dane w integracji z modelem i o co pytać każdego dostawcę, opisaliśmy na stronie bezpieczeństwo i RODO.

Ile to kosztuje

O koszcie decydują trzy rzeczy: liczba systemów do połączenia, stan danych i wymagany poziom pewności. Wielkość floty prawie nie ma znaczenia — liczy się to, czy zlecenia żyją w jednym TMS, czy w skrzynkach dyspozytorów i arkuszach obok niego. Wszystkie składniki, łącznie z utrzymaniem, rozpisaliśmy w tekście o tym, ile kosztuje wdrożenie AI.

Najczęstsze pytania

Od czego zacząć wdrożenie AI w firmie transportowej?

Od biura, nie od floty. Obsługa zleceń transportowych, kompletowanie dokumentów przewozowych, awizacje i rozliczenia z podwykonawcami to procesy oparte na dokumentach i tekście — dane już istnieją w mailach i w TMS, pomyłka jest odwracalna, a efekt widać w tygodnie. Projekty na danych z pojazdów — optymalizacja tras, predykcja opóźnień — wymagają historii danych telematycznych i osobnej integracji, więc są droższe i dłuższe. Zaczynanie od nich to najczęstszy sposób, w jaki firmy transportowe wydają budżet, zanim zobaczą pierwszy efekt.

Czy AI zoptymalizuje nam trasy i przewidzi opóźnienia?

Dopiero wtedy, gdy jest z czego się uczyć. Optymalizacja tras i predykcja opóźnień wymagają miesięcy historii danych telematycznych — przebiegów, czasów przejazdu, postojów — połączonych ze zleceniami. Jeżeli flota takich danych nie zbiera albo zbiera je w systemie, z którego nie da się ich wyeksportować, uczciwa oferta zaczyna się od uporządkowania zbierania danych i mówi wprost, że efekt predykcyjny przyjdzie później. Oferta, która obiecuje optymalizację bez pytania o historię danych, obiecuje projekt zbierania danych pod inną nazwą.

Czy to zadziała z naszym TMS?

To pytanie rozstrzyga audyt na początku projektu, ale zasada jest prosta: jeżeli system ma API albo import plikowy, integracja jest kwestią zakresu, nie możliwości. Systemy TMS używane w Polsce różnią się tu znacząco i ta różnica wpływa na koszt, a nie na sens projektu. Ważniejsze od samego systemu bywa to, którędy zlecenia do niego trafiają: mail, giełda transportowa, portal klienta — bo to ten odcinek ręcznego przepisywania automatyzujemy najpierw.

Ile kosztuje wdrożenie AI w firmie transportowej?

O koszcie decyduje liczba systemów do połączenia — TMS, poczta, giełdy, systemy klientów — stan danych i wymagany poziom pewności. Wielkość floty prawie nie ma znaczenia: spedycja z jednym TMS i zleceniami w jednym kanale to skala tygodni, ta sama praca rozrzucona po skrzynkach dyspozytorów i arkuszach to inny projekt i inna wycena. Osobną pozycją jest utrzymanie: opłaty zależne od liczby operacji i okresowe testy po zmianach wersji modeli. Składniki kosztu rozpisaliśmy w tekście o tym, ile kosztuje wdrożenie AI.

Co z danymi kierowców i klientów?

Zlecenia i dokumenty przewozowe zawierają dane osobowe — kierowców, kontaktów u klientów i odbiorców — a dane z systemów pokładowych to dodatkowo dane o lokalizacji pracowników, które podlegają osobnym rygorom. To trzeba rozstrzygnąć przed integracją, nie po niej: które dane w ogóle opuszczają firmę, dokąd trafiają i na jakiej podstawie — od wyboru dostawcy i regionu przetwarzania po ograniczenie zakresu danych do minimum potrzebnego w danym kroku. Zasady i pytania do każdego dostawcy opisaliśmy na stronie o bezpieczeństwie i RODO.