AI w logistyce i transporcie

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 wymagają innych danych niż praca biura. Gotowe narzędzia do planowania tras potrzebują aktualnych danych o zleceniach, pojazdach i oknach czasowych, a własny model przewidujący opóźnienia — historii przejazdów połączonej ze zleceniami. Jeśli takiej historii nie ma, projekt zaczyna się od zbierania danych, a termin pierwszych prognoz zależy od tego, ile danych trzeba zebrać.

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 systemu do zarządzania transportem (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 pierwsze efekty widać w ciągu tygodni, a to pomaga sfinansować 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, a potwierdzenie zlecenia jest dodatkowym punktem kontroli. W pilotażu mierzymy zarówno poprawność wpisów, jak i czas potrzebny na ich sprawdzenie.
• 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. To powtarzalna praca, która dziś odrywa dyspozytorów od ważniejszych zadań.
• 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

• Modelu uczonego na historii przejazdów floty bez odpowiednich danych. Jeśli trasy ma układać model uczony na pracy Twojej floty, uczy się on z przejazdów, które już się odbyły. Jeżeli flota nie rejestruje czasów, tras i postojów w formie, którą da się połączyć ze zleceniami, zaczynamy od zbierania danych — i mówimy wprost, że efekt przyjdzie później. Inne sposoby planowania tras, oparte na bieżących danych i uzgodnionych ograniczeniach, oceniamy osobno.
• Prognozowania opóźnień „przy okazji”. Własny model przewidujący opóźnienia na podstawie pracy floty wymaga odpowiedniej historii przejazdów. Przed startem oceniamy dostępność danych, sposób ich pozyskania i koszt — to osobny projekt z własnym budżetem, a nie dodatek do automatyzacji dokumentów. Gotowe narzędzia szacujące przewidywany czas dotarcia (ETA) mają inne wymagania, zależne od wybranego rozwiązania.
• Obsługi bez nadzoru od pierwszego dnia. Wszystko, co wychodzi do klientów i podwykonawców, przechodzi najpierw przez etap, na którym człowiek zatwierdza każdy wynik. Decyzję o poluzowaniu nadzoru podejmuje się na podstawie danych z pilotażu, nie z założenia.

Jak pracujemy

Tak samo jak w każdym wdrożeniu: wybieramy jeden proces i przed startem mierzymy jeden wskaźnik, na przykład minuty od wpływu zlecenia do wpisu w TMS. Potem robimy możliwie mały pilotaż. Przed przełączeniem system przez pewien czas działa równolegle z dotychczasowym sposobem pracy. 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 AI 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 wymagana wiarygodność wyników, czyli jak rzadko mogą zawierać błąd. 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 systemie do zarządzania transportem (TMS), pomyłka jest odwracalna, a efekt widać w tygodnie. Własny model przewidujący opóźnienia na podstawie pracy floty potrzebuje odpowiedniej historii przejazdów. Jej dostępność i przygotowanie wpływają na zakres, koszt i termin projektu; oceniamy je przed startem. Zaczynanie od takich projektów to najczęstszy sposób, w jaki firmy transportowe wydają budżet, zanim zobaczą pierwszy efekt.

Czy AI zoptymalizuje nam trasy i przewidzi opóźnienia?

To zależy od tego, czego oczekujesz. Planowanie tras zwykle opiera się na adresach, odległościach, ładowności pojazdów i oknach czasowych dostaw, a czas dojazdu można szacować na podstawie danych o ruchu, które mają serwisy map. Do tego nie zawsze potrzeba historii przejazdów Twojej floty — wymagania zależą od wybranego narzędzia, a my sprawdzamy, czy gotowe rozwiązanie wystarczy i czy da się je połączyć z TMS. Własny model, który przewiduje opóźnienia na podstawie pracy Twojej floty, to osobny zakres: potrzebuje odpowiedniej historii przejazdów — czasów, tras, postojów — połączonej ze zleceniami. Jeśli flota takich danych nie zbiera albo nie da się ich wyeksportować, zaczynamy od uporządkowania zbierania danych i mówimy wprost, że prognozy przyjdą później.

Czy to zadziała z naszym TMS?

To rozstrzyga audyt na początku projektu. Sprawdzamy, czy API (interfejs, przez który inne programy łączą się z systemem) albo import plików daje dostęp do danych i czynności potrzebnych w wybranym procesie. Na tej podstawie potwierdzamy, czy integracja jest wykonalna, jaki ma zakres i ile kosztuje — oraz czy wystarczy gotowa funkcja systemu. Systemy TMS używane w Polsce różnią się tu znacząco, a ta różnica wpływa na koszt — a przez to także na to, czy projekt się opłaca. 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 wymagana wiarygodność wyników, czyli jak rzadko mogą zawierać błąd. 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.