Helmut Prieschenk จาก Witron (ในภาพ) และ Franziskos Kyriakopoulos ผู้ก่อตั้ง 7LYTIX จาก Linz ประเทศออสเตรีย สนทนาเกี่ยวกับ ChatGPT, แมชชีนเลิร์นนิงในระบบโลจิสติกส์ และการคาดการณ์อุปสงค์สำหรับผู้ค้าปลีกอาหาร ทั้งสองเห็นพ้องต้องกัน – เทคโนโลยี AI มีศักยภาพในการเพิ่มประสิทธิภาพที่หลากหลายสำหรับการปรับกระบวนการให้เหมาะสมในศูนย์กระจายสินค้ารวมถึงห่วงโซ่อุปทานทั้งหมด แต่คุณภาพของข้อมูลสูงไม่ใช่ปัจจัยสำคัญเพียงอย่างเดียว สิ่งที่สำคัญไม่แพ้กันสำหรับโมเดลข้อมูลคือประสบการณ์ของผู้คนและความต้องการของผู้บริโภค
#Freightforwarder #DoortoDoor #Amazon #Export #AirFreight #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordantrading #Jordan #Aqabashipping
ผู้ส่งสินค้า 3pl dropshipping DoortoDoor AirFreight ตัวแทน Jordan shipping China ตัวแทนจัดส่ง ศูนย์ปฏิบัติตาม
kapoklog การขนส่งทางอากาศโลจิสติกส์จากจีนไปยังสหราชอาณาจักร DoortoDoor Amazon ส่งออก AirFreight Jordan จัดส่ง ChinashippingtoJordan Jordanairfreight ship
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
เครื่องสำอาง, ซาอุดีอาระเบียทางอากาศและทางทะเลบริการส่งถึงบ้าน
#ChinaPurChasingAgent #ChinaShippingAgent #ChinaDropShippingPingPingLogistics #ShippingCarrier
#fulfillmentcenter #การตลาดออนไลน์ #3pl #dropshipping #doortodoor #consolidationshipping #chinshipping #freightforwarderchina #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #DDP
เซินเจิ้น kapoklog โลจิสติก ซาอุดีอาระเบีย กำหนดเองชัดเจน หน้าที่จ่าย door to door DDP
DDP จีนไปซาอุดีอาระเบีย
เซินเจิ้น kapoklog จิสติกส์ดูไบพิธีการศุลกากรแบบ door-to-door บริการ DDP
DDP จีนไปดูไบ
เซินเจิ้น kapoklogLogistics Co., Ltd
เซินเจิ้น kapoklog โลจิสติกส์ กาตาร์พิธีการศุลกากรแบบ door-to-door สาย DDP
DDP จีนไปกาตาร์
เซินเจิ้น kapoklog โลจิสติกส์ ปากีสถาน DDP
DDP จีนไปปากีสถาน
เซินเจิ้น kapoklog โลจิสติกส์จอร์แดนพิธีการศุลกากรประตูสู่ประตู DDP จีนไปยังจอร์แดน
เซินเจิ้น kapoklogistics อียิปต์ double custom clearance door to door DDP
เซินเจิ้น kapoklog โลจิสติก Jeddah custom clearance, Jeddah DDP, จีน to Jeddah DDP shipping
เซินเจิ้น Kapoklog โลจิสติกส์โอมาน ddp, จีนไปโอมาน DDP, โอมานจัดส่ง DDP
เซินเจิ้น kapoklog พิธีการศุลกากรอิรัก, จีนไปยังอิรัก DDP
เซินเจิ้น Kapoklog โลจิสติกส์ อิสราเอลพิธีการศุลกากร DDP , จีนกับอิสราเอลแบบ door-to-door , อิสราเอลแบบ door-to-door , จีนกับอิสราเอล DDP
"และในชั่วข้ามคืนทุกคนก็เป็นผู้มีอิทธิพลด้าน AI" Prieschenk กรรมการผู้จัดการของ Witron กล่าวติดตลก เขาต้องการพูดคุยเกี่ยวกับ AI เชิงอุตสาหกรรม การพยากรณ์ความต้องการ และอีกเล็กน้อยเกี่ยวกับ ChatGPT Kyriakopoulos และทีมของเขาพัฒนาโซลูชันแมชชีนเลิร์นนิงสำหรับภาคการค้าปลีกและอุตสาหกรรม เขาเป็นนักฟิสิกส์ ในขณะที่ Prieschenk เป็นนักคณิตศาสตร์ "นั่นเป็นส่วนผสมที่อันตราย" Prieschenk เตือน "แน่นอนว่าเราได้จัดการกับ LLM (Large Language Models) ที่ Witron แล้ว อย่างไรก็ตาม ผมขอสงบสติอารมณ์สักหน่อย โลกจะไม่ถึงจุดจบด้วยการใช้งานของพวกเขา และเรากำลังตรวจสอบอย่างต่อเนื่องว่าเครื่องมือดังกล่าวเหมาะสมหรือไม่" เพื่อช่วยลูกค้าหรือนักพัฒนาของเราอย่างสมเหตุสมผลในการปฏิบัติตามข้อกำหนดของลูกค้าที่เป็นรูปธรรม"
Kyriakopoulos เห็นด้วย แต่ร่างใบสมัครแล้ว "LLM นั้นเก่งในเรื่องลำดับการประมวลผล - คำสั่งซื้อ เดบิต การขาย หรือการสื่อสารกับลูกค้า ซึ่งสามารถนำมาใช้ในการขนส่งภายในได้เช่นกัน มีเรื่องโฆษณาเกินจริงมากมาย มีผู้มีอิทธิพลจำนวนมากที่พยายามเผยแพร่ความจริงเพียงครึ่งเดียว" Witron มีประสบการณ์นี้มาแล้ว Prieschenk กล่าว คู่แข่งของระบบ OPM กำลังโฆษณา AI ในอัลกอริทึมการสแต็ก "แต่ผลลัพธ์ไม่สามารถเอาชนะฟังก์ชันการทำงานของ Witron OPM ของเราได้ สิ่งเหล่านี้ไม่ได้ถูกพัฒนาด้วย AI แต่มาจากความฉลาดของมนุษย์อย่างมาก โดยอาศัยการพัฒนาซอฟต์แวร์ที่แข็งแกร่ง การสื่อสารอย่างเข้มข้นกับผู้ใช้ และประสบการณ์จริงหลายปี เราต้องมีสติเสมอ โดยพื้นฐานแล้วลูกค้าของเราไม่ได้มองหาเครื่องมือใหม่ พวกเขามีปัญหาและต้องการโซลูชันการทำงานที่เพิ่มประสิทธิภาพกระบวนการโลจิสติกส์ในศูนย์กระจายสินค้าหรือในห่วงโซ่อุปทาน ซึ่งใช้งานได้จริงอย่างมีเสถียรภาพ และสามารถรวมเข้ากับโครงสร้างที่โตแล้วได้อย่างมีประโยชน์"
แต่ความสุขุมนี้ไม่ได้รั้งเราไว้ในเยอรมนีและยุโรปใช่ไหม "ฉันต้องการ ROI อย่างแน่นอน" Prieschenk เน้นย้ำอย่างมาก Kyriakopoulos กล่าวว่า "นักพัฒนา LLM มีอัตราการเผาไหม้ 500 ล้านดอลลาร์ต่อปี และต้องการเงินอีกสองสามพันล้านดอลลาร์ "นั่นจะเป็นไปไม่ได้ในเยอรมนีหรือในออสเตรีย"
เรารับความเสี่ยงน้อยเกินไปหรือเปล่า? Prieschenk ไม่เชื่อ "ฉันไม่คิดอย่างนั้น ตัวอย่างเช่น เมื่อฉันดูการลงทุนใน Q-commerce ฉันรู้สึกเวียนหัว นั่นคือจุดที่นักลงทุนจำนวนมากรับความเสี่ยงอย่างเต็มที่ แต่ตลาดได้พัฒนาไปสู่ทิศทางที่แตกต่างไปจากเดิมอย่างสิ้นเชิง การเติบโตที่คาดการณ์ไว้ ไม่สามารถแสดงอัตราได้ ในระหว่างนี้ กำลังดำเนินการรวมบัญชี นักลงทุนเดินหน้าต่อไป ผู้ค้าปลีกของเราต้องการ AI และกำลังลงทุนในเทคโนโลยี แต่เราและลูกค้าของเราต้องการเครื่องมือ AI เช่น ตัวอย่างหรือการระบุรูปภาพ ที่โปร่งใส แล้วแก้ปัญหาที่เราแก้ไม่ได้มาก่อนหรือแก้ได้ด้วยความพยายามอย่างมาก"
นักพัฒนา 7LYTIX ทำงานร่วมกับ LLM แต่มุ่งเน้นที่การคาดการณ์ความต้องการ "เราสามารถให้มูลค่าเพิ่มได้ แต่บางบริษัทมักจะไม่เข้าใจในตอนแรกว่ามูลค่าเพิ่มของโมเดลจะเป็นอย่างไร ยอดขายที่มากขึ้นผ่านการสื่อสารกับลูกค้าที่ดีขึ้นหรือยอดขายที่หายไป หลายคนไม่สามารถคำนวณได้ นั่นคือที่ที่ พวกเขาต้องการความช่วยเหลือจากเรา” Kyriakopoulos กล่าว Prieschenk กล่าวเสริมว่า: "ลูกค้า Witron ของเราสามารถคำนวณได้ดีมากและทำให้ธุรกิจของพวกเขาสมบูรณ์แบบมาหลายทศวรรษแล้ว แต่ฉันเข้าใจว่า Mr. Kyriakopoulous หมายถึงอะไร: อันดับแรก เราต้องชี้แจงให้ชัดเจนว่าควรปรับให้เหมาะสมอย่างไร ผู้ค้าปลีกถามตัวเองว่าพวกเขาต้องการเพิ่มประสิทธิภาพ เครือข่ายซัพพลายเชนคลังสินค้าไม่ว่าจะต้องการใกล้ชิดกับลูกค้ามากขึ้น ลดเวลาในการผลิต เปลี่ยนรอบการจัดส่ง ลดเศษอาหารและสต็อกสินค้าออก หรือมีสินค้าคงคลังในคลังสินค้าน้อยลง ในแง่นี้ เราได้เรียนรู้มากมายร่วมกับลูกค้าของเราจากส่วนต่างๆ ของโลก นอกจากนี้ เรายังได้เรียนรู้ว่าข้อกำหนดสำหรับวันหยุดธนาคารในฟินแลนด์นั้นแตกต่างจากในสหรัฐอเมริกา หรือวันจันทร์มีข้อกำหนดที่แตกต่างจากวันพฤหัสบดี" Kyriakopoulos เห็นด้วย "เราต้องการข้อกำหนดก่อน แล้วจึงใช้เครื่องมือ AI ที่สอดคล้องกัน และเราไม่ต้องการการเรียนรู้อย่างรอบด้านอย่างลึกซึ้ง"
ต้องใช้ความแม่นยำขนาดไหน?
การคาดการณ์ความต้องการของเขาทำงานอย่างไร "อันดับแรก เราต้องได้รับภาพรวมของข้อมูล นี่เป็นงานที่ลำบากสำหรับผู้ค้าปลีกหลายราย ไม่ใช่แค่เกี่ยวกับสินค้าที่เก็บไว้เท่านั้น แต่ยังเกี่ยวกับจำนวนสินค้าในร้าน จำนวนที่ขาย ซึ่งมีอิทธิพลต่อปัจจัยต่างๆ เช่น โปรโมชั่น ที่มีอยู่ จำนวนยอดขายที่หายไปในร้าน และอื่นๆ อีกมากมาย" Kyriakopoulos อธิบาย นอกจากนี้ยังมีบัตรลูกค้า ฤดูกาล ที่ตั้งของร้านค้าหรือข้อเสนอพิเศษ "และเราจำเป็นต้องรู้ว่ามีอะไรอยู่ในศูนย์กระจายสินค้า ในห้องหลังร้าน ในรถบรรทุกบนท้องถนน เพราะการเพิ่มประสิทธิภาพไม่ได้จบลงที่ร้านค้า สิ่งสำคัญคือต้องหลีกเลี่ยงข้อจำกัดข้ามบริษัทหรือข้ามแผนก เช่นเดียวกับ data lake ส่วนใหญ่ของข้อมูลที่จำเป็นเป็นที่รู้จักกันเป็นส่วนใหญ่ แต่แผนกต่าง ๆ ต่างก็ให้ความสนใจที่แตกต่างกัน " Prieschenk เห็นพ้องต้องกันว่า: "แม้แต่การออกแบบลอจิสติกส์แบบองค์รวมก็ไม่ควรมุ่งเน้นไปที่ศูนย์กระจายสินค้าหรือผลประโยชน์หลักของพื้นที่โลจิสติกส์แต่ละแห่ง หรือแผนกที่มีอิทธิพลต่อกระบวนการ เช่น การจัดซื้อหรือการขนส่ง สิ่งสำคัญคือต้องรวมห่วงโซ่อุปทานทั้งหมดเข้าสู่กระบวนการเพิ่มประสิทธิภาพ - ทั้งสองอย่าง ภายในและภายนอก – และเพื่อหลีกเลี่ยงไซโลให้มากที่สุดเท่าที่จะเป็นไปได้ ทั้งทางกายภาพและในแง่ของไอที”
"การไหลเวียนของข้อมูลเป็นแบบจำลองที่ง่ายมาก" Kyriakopoulos กล่าวต่อ "พื้นฐานคือประสบการณ์ของผู้คน นั่นยังไม่ใช่ AI เราพูดถึงการถดถอย จากนั้นเราถามตัวเองว่าเราเก่งขึ้นไหม ตามมาด้วยการวิเคราะห์อนุกรมเวลาและวิธีการเรียนรู้ของเครื่องก่อนเสมอ เราต้องดูเสมอว่าเราแม่นยำแค่ไหน สามารถบรรลุถึงระดับถัดไปเมื่อเทียบกับมูลค่าเพิ่มสำหรับลูกค้าและผู้ใช้"
แล้วไวตรอนล่ะ? "เราต้องตรวจสอบให้แน่ใจว่ากลไกเหมาะสมกับโมเดล เพราะฟิสิกส์ต้องทำงานในลักษณะเดียวกัน เราจัดหาเคสหรือชิ้นส่วนหรือไม่? หรือสินค้าชิ้นเดียวที่มีทั้งสองตัวเลือก? ร้านค้าจัดส่งบ่อยแค่ไหน? จะเกิดอะไรขึ้นเมื่อผลิตภัณฑ์มีการเปลี่ยนแปลง ?” Prieschenk ตอบไวทรอนศูนย์โลจิสติกส์สร้างความยืดหยุ่นให้กับทั้งร้านค้าและอีคอมเมิร์ซ อย่างไรก็ตาม กุญแจสู่ความสำเร็จในการดำเนินการคือการคิดย้อนกลับในทุกช่องทาง ตั้งแต่ผู้บริโภคไปจนถึงศูนย์กระจายสินค้า และหากจำเป็น ให้ย้อนกลับไปไกลกว่านั้น ไปจนถึงซัพพลายเออร์ เขาเห็นความท้าทายโดยเฉพาะอย่างยิ่งในการอธิบายแบบจำลอง "เราได้สัมผัสกับระบบผลักและดึงกับลูกค้าของเรา บางระบบทำงานได้ดีกว่าระบบอื่น"
ผู้จัดการร้านจะปล่อยให้โมเดล AI ระบุคำสั่งซื้อของพวกเขาในอนาคตหรือไม่? Kyriakopoulos รู้ข้อโต้แย้งจากอุตสาหกรรมแฟชั่น "ถ้ามีคนซื้อของที่นั่นมา 20 ปีแล้ว มันก็ยากที่จะอธิบายทันทีถึงมูลค่าเพิ่มหรือโน้มน้าวใจผู้บริโภคว่าโมเดลนี้น่าจะดีกว่า แต่เราทำให้มันโปร่งใส - เราบอกว่าปัจจัยใดที่เราใช้ เราให้น้ำหนักกับพวกเขาอย่างไร และในกรณีที่ใช้ปัจจัยที่เกี่ยวข้อง"
มนุษย์มีอำนาจควบคุม
ผู้เชี่ยวชาญจากออสเตรียสามารถมองอนาคตในอีก 18 เดือนข้างหน้า พวกเขาใช้อินเทอร์เฟซเพื่อเชื่อมต่อโมเดลกับระบบที่มีอยู่ของผู้ค้าปลีก ผู้ผลิตเหล็ก หรือผู้ค้าปลีกรองเท้า "ฉันไม่ต้องการฉีกทุกอย่างเพื่อใช้โมเดล AI" Kyriakopoulos หัวเราะ "นี่เป็นวิธีที่ถูกต้อง – การรวมเข้ากับสถาปัตยกรรมที่มีอยู่" Prieschenk ยืนยัน
แต่โมเดลนี้แข็งแกร่งแค่ไหน? คำสำคัญ: โควิด 19 "เราไม่สามารถเห็นสิ่งนั้นได้เช่นกัน" ผู้เชี่ยวชาญชาวออสเตรียอธิบาย "เรากำลังทำงานกับแบบจำลองในการขนส่งแบบแช่แข็งในเวลานั้น การคาดการณ์ในระยะสั้นไม่ดีนักในตอนเริ่มต้น แต่หลังจากผ่านไปหนึ่งสัปดาห์ แบบจำลองก็กลับมาทำงานอีกครั้ง หลังจากผ่านไปสองสัปดาห์ มันก็มีความเสถียร แต่การคาดการณ์อย่างเดียวก็คือ ยังไม่พอ ลูกค้าต้องทำงานด้วย เช่น เพิ่มช่องทางการตลาด จัดโปรโมชัน หรือปรับราคา ถ้าจำเป็น"
"นั่นเป็นสิ่งสำคัญ" Prieschenk กล่าว "นี่คือเวลาที่ผู้คนเข้าควบคุม อย่าประเมินความรู้สึกของผู้จัดการโลจิสติกส์ ช่างเทคนิค หรือผู้ดำเนินการร้านค้าต่ำเกินไป ประสบการณ์ของผู้คนและรูปแบบข้อมูลที่ทำงานได้ดีเป็นพื้นฐานสำหรับการตัดสินใจที่ชาญฉลาด เช่น การตัดสินใจที่ถูกต้องในระยะยาว ในศูนย์กระจายสินค้ายังนำไปใช้กับการดำเนินการตามกลยุทธ์การบำรุงรักษาหรือ ' การทำงานที่ถูกต้อง ' ของระบบ และที่สำคัญ แบบจำลอง เครื่องมือ และโซลูชันต้องมีความเสถียรและพิสูจน์ตัวเองในการใช้งานจริง มูลค่าในธุรกิจวันต่อวัน"
AI ให้ข้อมูล ผู้รับผิดชอบตัดสินใจและยังคงควบคุมกระบวนการต่อไป "เราปฏิวัติฟิสิกส์ในศูนย์ลอจิสติกส์เมื่อ 20 ปีที่แล้ว ด้วยโซลูชัน OPM เราได้จัดการให้สินค้าวางซ้อนกันบนพาเลทและคอนเทนเนอร์แบบม้วนโดยอัตโนมัติโดยไม่มีข้อผิดพลาดและเป็นมิตรกับร้านค้า ตอนนี้เรากำลังก้าวไปอีกขั้นและเลือกใช้ สำหรับข้อมูลและโมเดลลอจิสติกส์แบบ end-to-end และฉันมั่นใจว่าจะยังคงได้สัมผัสกับโมเดล Witron AI แบบ end-to-end สำหรับคลังสินค้า" Prieschenk คาดการณ์
