อธิบายข้อดีของ AI

 

เหตุใดความโปร่งใส การบูรณาการ และความไว้วางใจจึงกลายเป็นปัจจัยชี้ขาดในเทคโนโลยีโลจิสติกส์ Peter MacLeod พูดคุยกับผู้เชี่ยวชาญ

ในงาน LogiMAT ปีนี้ ถ้ามีธีมที่ตัดเสียงรบกวนได้ชัดเจนกว่าส่วนใหญ่ก็คงจะเป็นความเร็ว ไม่ใช่แค่ความเร็วของการดำเนินงานเท่านั้น แต่ยังรวมถึงความเร็วในการปรับใช้ ความเร็วของนวัตกรรม และท้ายที่สุด The Big One: ความเร็วของผลตอบแทนจากการลงทุน สำหรับ Inform Software การอภิปรายดังกล่าวนำไปสู่คำถามที่กว้างขึ้น: องค์กรโลจิสติกส์จะนำระบบอัจฉริยะมาใช้ได้อย่างไรโดยไม่สูญเสียความโปร่งใส การควบคุม หรือความไว้วางใจ

 

ดร. Bernd Heinrichs รองประธานอาวุโสฝ่ายสินค้าคงคลังและห่วงโซ่อุปทานของ Inform พูดคุยกับฉันที่งานแสดงสินค้าที่พลุกพล่านในเมืองสตุ๊ตการ์ท โดยสรุปว่าบริษัทมองเห็นการพัฒนาปัญญาประดิษฐ์ในสภาพแวดล้อมของห่วงโซ่อุปทานและอินทราโลจิสติกส์อย่างไร

 

การขยายเลเยอร์การเพิ่มประสิทธิภาพ

ข้อมูลมีความเกี่ยวข้องกันมานานแล้วกับการเพิ่มประสิทธิภาพในสภาพแวดล้อมที่ซับซ้อนและขับเคลื่อนด้วยข้อมูล- แต่เมื่อตลาดมีความผันผวนมากขึ้น ระบบการปรับให้เหมาะสมจึงถูกขอให้ตอบสนองเร็วขึ้น รวมสัญญาณมากขึ้นและสนับสนุนการตัดสินใจที่มีพลวัตมากขึ้น-

การเปลี่ยนแปลงดังกล่าวมีความเกี่ยวข้องอย่างยิ่งในสภาพแวดล้อมที่การตัดสินใจต้องพึ่งพาอาศัยกัน การเปลี่ยนแปลงในการวางแผนอุปสงค์อาจส่งผลต่อสินค้าคงคลัง ความสามารถในการขนส่ง การจัดสรรแรงงาน หรือระดับการบริการ คำแนะนำที่ทำในส่วนหนึ่งของการดำเนินการสามารถสร้างผลที่ตามมาในส่วนอื่นได้ ซึ่งทำให้ความโปร่งใสเป็นสิ่งจำเป็นสำหรับการใช้งานในแต่ละวัน-ถึง-

สำหรับ Heinrichs นี่คือจุดที่ AI ในโลจิสติกส์จะต้องพิสูจน์คุณค่าเชิงปฏิบัติของมัน “ฉันไม่ได้พูดถึง AI ฉันพูดถึง AI ที่อธิบายได้” เขากล่าว “ทุกสิ่งที่เราทำ ทุกสิ่งที่เราเสนอ ล้วนมีคำอธิบาย ไม่เช่นนั้นคนจะไม่เชื่อ”

ความไว้วางใจเป็นข้อกำหนดในทางปฏิบัติ

ในการสนทนากับลูกค้าในอุตสาหกรรมต่างๆ เขากล่าวว่ามีคำถามเดียวกันเกิดขึ้นซ้ำแล้วซ้ำเล่า: "เหตุใดระบบจึงเลือกตัวเลือกนั้น ไม่ใช่ตัวเลือกอื่น"

 

คำถามนี้มีความสำคัญเนื่องจากการตัดสินใจด้านลอจิสติกส์มักไม่เกิดขึ้นจากเทคโนโลยีเพียงอย่างเดียว พวกเขาเกี่ยวข้องกับนักวางแผน ผู้จัดการ ทีมปฏิบัติการ และในหลายกรณี ลูกค้าหรือหุ้นส่วนภายนอก หากผู้มีส่วนได้ส่วนเสียเหล่านี้ไม่สามารถปฏิบัติตามเหตุผลที่อยู่เบื้องหลังคำแนะนำที่ AI สนับสนุน- พวกเขาก็มีโอกาสน้อยที่จะดำเนินการตามคำแนะนำนั้น

 

สำหรับ Heinrichs สิ่งนี้อาจกลายเป็นจุดสร้างความแตกต่างที่มีความหมายสำหรับผู้ให้บริการเทคโนโลยีในยุโรป "เราสามารถสร้าง AI ได้ดีเท่าใครๆ แต่เราสามารถเพิ่มสิ่งที่แตกต่างออกไปได้" เขากล่าว “มันไม่ควรจะเป็นกล่องดำ”

ในขณะที่บริษัทต่างๆ มองหาการฝังแอปพลิเคชัน AI ลงในกระบวนการทางธุรกิจที่จัดตั้งขึ้น ความแตกต่างนั้นจึงมีความสำคัญมากขึ้น ระบบจำเป็นต้องมีความแข็งแกร่งทางเทคนิค แต่ยังต้องเข้าใจได้เพียงพอสำหรับผู้ใช้ในการท้าทาย ตรวจสอบ และปรับปรุงเมื่อเวลาผ่านไป

 

การจัดการสภาพแวดล้อมที่คาดเดาได้น้อยลง

สภาพแวดล้อมในการปฏิบัติงานกลายเป็นเรื่องยากในการวางแผนด้วยข้อมูลในอดีตเพียงอย่างเดียว การเปลี่ยนแปลงรูปแบบอุปสงค์ ปัจจัยภายนอกเข้ามาแทรกแซง และสภาวะตลาดสามารถเปลี่ยนแปลงได้อย่างรวดเร็ว บ่อยครั้งก่อนที่การเปลี่ยนแปลงเหล่านั้นจะมองเห็นได้ชัดเจนในตัวเลข "คุณต้องรวบรวมข้อมูลแบบเรียลไทม์-และไม่ต้องพึ่งพาข้อมูลในอดีตเพียงอย่างเดียว" เขากล่าว “คุณต้องตอบสนองต่อความผันผวนและรวมสัญญาณจากแหล่งต่าง ๆ เข้ากับการตัดสินใจของคุณ”

นี่เป็นการเปลี่ยนจากโมเดลการปรับให้เหมาะสมแบบคงที่ไปสู่ระบบที่ตอบสนองซึ่งนำข้อมูลใหม่มาพิจารณาอย่างต่อเนื่อง “มันมีความไดนามิกมากขึ้น” เขากล่าวเสริม "ขั้นตอนต่อไปคือการทำให้มันมีความเป็นสารมากขึ้น โดยทำปฏิกิริยากับการเปลี่ยนแปลงของสภาพแวดล้อมด้วยตัวมันเอง"

 

จากข่าวสู่การพยากรณ์

ตัวอย่างหนึ่ง Inform ที่นำเสนอเป็นครั้งแรกที่ LogiMAT คือแนวทางใหม่ที่ใช้ AI- ซึ่งออกแบบมาเพื่อนำเหตุการณ์ภายนอกมาสู่การคาดการณ์และการวางแผนสถานการณ์โดยตรง จุดเริ่มต้นที่ไฮน์ริชส์กล่าวว่าเป็นคำถามง่ายๆ ว่าทำไมแบบจำลองการคาดการณ์จึงมักเพิกเฉยต่อสิ่งที่เกิดขึ้นในโลกรอบตัวพวกเขา

 

“หากคุณใช้การพยากรณ์แบบคลาสสิกในวันนี้ มันจะอิงตามตัวเลขทางประวัติศาสตร์” เขาอธิบาย “แต่ในความเป็นจริง ความต้องการได้รับอิทธิพลอย่างต่อเนื่องจากเหตุการณ์ต่างๆ เช่น ความขัดแย้งทางภูมิรัฐศาสตร์ การหยุดชะงักของห่วงโซ่อุปทาน กฎระเบียบใหม่ หรือแนวโน้มของตลาด ข้อมูลนี้มีอยู่ แต่โดยปกติจะเป็นข่าว ไม่ใช่ตัวเลข”

โซลูชันใหม่ได้รับการออกแบบมาเพื่อปิดช่องว่างดังกล่าว ผู้ใช้ระบุอนุกรมเวลา เช่น ตัวเลขยอดขายหรือตัวบ่งชี้ตลาด และอธิบายบริบทโดยย่อ จากนั้น AI จะค้นคว้าเหตุการณ์ข่าวที่เกี่ยวข้อง วิเคราะห์ความสัมพันธ์ในอดีต และสร้างสถานการณ์ในอนาคตที่เป็นไปได้หลายประการ ผลลัพธ์คือการคาดการณ์พร้อมด้วยคำอธิบายตามหลักฐาน-ว่าทำไมตลาดจึงอาจพัฒนาไปในทิศทางที่ต่างกัน

มนุษย์ในวง

สำหรับ Heinrichs (ภาพด้านล่าง) การอภิปรายเกี่ยวกับ AI ยังนำไปสู่บทบาทของความเชี่ยวชาญของมนุษย์โดยตรงอีกด้วย AI สามารถระบุรูปแบบ ประมวลผลข้อมูลปริมาณมาก และสร้างสถานการณ์ได้อย่างรวดเร็ว แต่คุณค่าของมันจะเพิ่มขึ้นเมื่อผู้คนสามารถเพิ่มประสบการณ์ บริบท และการตัดสินที่ข้อมูลเพียงอย่างเดียวไม่สามารถให้ได้

“AI จะดีก็ต่อเมื่อข้อมูลที่ใช้งานได้และผู้ที่สามารถให้ความหมายของข้อมูลนั้นได้” เขากล่าว “นั่นคือสาเหตุที่มนุษย์ยังคงเป็นส่วนสำคัญของวงจร”

ในทางปฏิบัติ นั่นหมายถึงผู้วางแผนและผู้มีอำนาจตัดสินใจ-จะไม่ถูกลบออกจากกระบวนการ พวกเขายังคงเป็นศูนย์กลางของมัน บทบาทของพวกเขาคือการตรวจสอบสถานการณ์ ตั้งคำถามกับสมมติฐาน และปรับปรุงผลลัพธ์ตามความรู้ในการปฏิบัติงานหรือสัญชาตญาณของตลาด

 

“หากผู้คนเข้าใจว่าเหตุใดระบบจึงแนะนำบางสิ่งบางอย่าง พวกเขาสามารถตัดสินใจว่าจะเชื่อถือ ตั้งคำถาม หรือปรับปรุงหรือไม่” Heinrichs อธิบาย "นั่นคือสิ่งที่การทำงานร่วมกันระหว่างการตัดสินใจของมนุษย์และความฉลาดของเครื่องจักรกลายเป็นเรื่องที่ทรงพลังมาก"

 

การบูรณาการและการทำงานร่วมกัน

ประเด็นสำคัญอีกประการหนึ่งในการสนทนากับลูกค้าคือการบูรณาการ เนื่องจากการดำเนินงานด้านลอจิสติกส์มีความเชื่อมโยงกันมากขึ้น ความสามารถในการเชื่อมโยงแอปพลิเคชันที่ขับเคลื่อนด้วย AI- กับระบบที่มีอยู่จึงกลายเป็นสิ่งจำเป็น "เรามักมีคำถามเสมอว่า ฉันจะผสานรวมกับระบบ ERP และโซลูชันอื่นๆ ของฉันได้อย่างไร" ไฮน์ริชส์บอกฉัน การตอบสนองของ Inform คือการสร้างมาตรฐานตัวเชื่อมต่อและสอดคล้องกับแพลตฟอร์มหลักเช่น SAP และ Microsoft ผลลัพธ์ที่ได้คือเส้นทางการบูรณาการที่ตรงไปตรงมามากขึ้น ซึ่งช่วยลดทั้งต้นทุนและเวลาในการดำเนินการ

 

“มันสร้างความแตกต่างอย่างมาก” เขากล่าวเสริม "และมันยังช่วยให้เราขยายธุรกิจไปต่างประเทศได้ง่ายขึ้นอีกด้วย"
นี่เป็นจุดสำคัญในการนำ AI มาใช้ แม้แต่แอปพลิเคชันที่ทันสมัยที่สุดก็ยังประสบปัญหาในการสร้างมูลค่าหากแยกจากระบบที่จัดการกระบวนการทางธุรกิจจริง ๆ บริษัทโลจิสติกส์ดำเนินธุรกิจด้วยภูมิทัศน์ด้านไอทีที่เป็นที่ยอมรับอยู่แล้ว และโซลูชั่นใหม่ๆ จะต้องเหมาะสมกับสภาพแวดล้อมเหล่านั้นโดยไม่สร้างความซับซ้อนเพิ่มเติม

 

 

ความรับผิดชอบต่อข้อมูล

ด้วยการเชื่อมต่อและการใช้ข้อมูลที่เพิ่มขึ้น จึงมีการตรวจสอบความปลอดภัยเพิ่มมากขึ้น ภูมิหลังของ Heinrichs ในด้านความปลอดภัยทางไซเบอร์บ่งบอกถึงจุดยืนที่เข้มแข็งในประเด็นนี้ “ผลิตภัณฑ์ทุกชิ้นต้องมีตราประทับเพื่อความปลอดภัยก่อนจะส่งออก” เขากล่าว "มันเป็นข้อบังคับ"

เนื่องจากโมเดล AI ใช้แหล่งข้อมูลที่กว้างขึ้น รวมถึงฟีดภายนอก เช่น ข่าวสารและข้อมูลการตลาด ความซับซ้อนในการจัดการและการรักษาความปลอดภัยของข้อมูลจึงเพิ่มมากขึ้น “ปริมาณข้อมูลที่เราใช้สร้างความต้องการอย่างมากในแง่ของความปลอดภัยของข้อมูล” Heinrichs กล่าว “คุณต้องอยู่เหนือมัน”

 

ตลาดพร้อมโอน

บางทีสิ่งที่โดดเด่นที่สุดคือการประเมินความเชื่อมั่นในตลาดของไฮน์ริชส์ แทนที่จะระมัดระวัง เขากลับมองเห็นความอยากที่จะทดลองและความก้าวหน้าอย่างรวดเร็วมากขึ้น

“ลูกค้าขอให้เราเสนอไอเดีย” เขากล่าว “พวกเขาเต็มใจที่จะชนะอย่างรวดเร็ว แต่ล้มเหลวอย่างรวดเร็ว” การเปิดกว้างดังกล่าวทำให้เกิดพื้นที่อุดมสมบูรณ์สำหรับโซลูชันอัจฉริยะที่สามารถส่งมอบการปรับปรุงที่จับต้องได้ โดยไม่ต้องอาศัยความเฉื่อยของ-โครงการเปลี่ยนแปลงขนาดใหญ่

 

สำหรับหลายๆ บริษัท AI ไม่ได้กำหนดขั้นตอนต่อไปของการเปลี่ยนแปลงทางดิจิทัลเพียงอย่างเดียว มันจะถูกกำหนดโดย AI ที่อธิบายตัวเอง เชื่อมต่อกับระบบที่มีอยู่อย่างชัดเจน และสนับสนุนการตัดสินใจที่ผู้คนสามารถไว้วางใจได้