
از «لجستیک» تا مسابقه فناوری.
برای سالهای متمادی، لجستیک اغلب به عنوان یک صنعت خدمات «پشتیبانی» مرتبط با انبارداری، حمل و نقل و تحویل کالا در نظر گرفته میشد. با این حال، تحت فشار تحویل فوق سریع در تجارت الکترونیک و نوسانات مداوم زنجیره تأمین جهانی، این روش عملیاتی به سرعت در حال تغییر است.
دکتر نگوین تان چونگ، دانشیار - رئیس انجمن توسعه منابع انسانی لجستیک ویتنام (VALOMA)، معتقد است که فناوری اساساً در حال تغییر نحوه عملکرد مشاغل و همچنین ساختار زنجیرههای تأمین جهانی است. در حالی که قبلاً لجستیک عمدتاً نقش حمایتی داشت، اکنون به یک بخش خدماتی اساسی برای اقتصاد دیجیتال، اقتصاد سبز و تجارت بینالمللی تبدیل شده است.
هوش مصنوعی در دهههای اخیر به عنوان تأثیرگذارترین فناوری در حوزه لجستیک در حال ظهور است. این فناوری در حال حاضر در بسیاری از فعالیتهای عملیاتی مانند بهینهسازی مسیرهای حمل و نقل، پیشبینی تقاضای بار، مدیریت هوشمند انبار، اتوماسیون بنادر، بهینهسازی کانتینر، کاهش انتشار کربن و تجزیه و تحلیل دادههای زنجیره تأمین در لحظه حضور دارد.
آقای چونگ اظهار داشت: «هدف اصلی کسبوکارها در صنعت خدمات لجستیک، بهبود بهرهوری نیروی کار و کارایی کسبوکار است. در این زمینه، هوش مصنوعی در حال تبدیل شدن به یک ابزار پشتیبانی بسیار مهم است که به کارگران و مدیران کمک میکند تا تصمیمات سریعتر و دقیقتری بگیرند.» وی افزود که یکی از بزرگترین مزایای هوش مصنوعی، کاهش هزینههای واسطهگری و بهینهسازی عملیات است. صنعت لجستیک فرآیندهای تکراری زیادی دارد و حجم زیادی از دادهها را مدیریت میکند، بنابراین هوش مصنوعی میتواند از اتوماسیون فرآیند پشتیبانی کند، جایگزین عملیات دستی شود و کارایی مدیریت زنجیره تأمین را بهبود بخشد.
دکتر نگوین بین مین، دانشیار - مدیر موسسه فناوری و اقتصاد دیجیتال (دانشگاه علوم و فناوری هانوی ) - معتقد است که هوش مصنوعی دیگر فقط یک گزینه مرجع نیست، بلکه به یک "زیرساخت رقابتی اصلی" برای صنعت لجستیک تبدیل شده است. فشار برای تحول از یک "باید انجام شود" به یک "حتماً باید انجام شود" برای بقا تغییر کرده است. دکتر مین با استناد به یک نظرسنجی Deloitte اظهار داشت که طی پنج سال آینده، انتظار میرود درصد سازمانهای زنجیره تأمین که از هوش مصنوعی استفاده میکنند یا برای استفاده از آن آماده میشوند، از ۲۸٪ به ۸۲٪ افزایش یابد. در عین حال، تا ۷۱٪ از رهبران کسبوکار معتقدند که اگر به موقع هوش مصنوعی را اتخاذ نکنند، عملیات تجاری آنها با خطر اختلال مواجه میشود.
آقای مین تأکید کرد: «اکنون ما نمیپرسیم که آیا از هوش مصنوعی استفاده کنیم یا نه، بلکه میپرسیم که چگونه از هوش مصنوعی استفاده کنیم، کجا از هوش مصنوعی استفاده کنیم و آیا استفاده از هوش مصنوعی ایمن است یا خیر.»
در همین حال، آقای نگو نگوک هوآن، نماینده تجاری سامسونگ SDS در آسیا و اقیانوسیه، استدلال کرد که لجستیک دیگر صرفاً یک مشکل عملیاتی نیست، بلکه به مشکلی در زمینه دادهها و قابلیتهای پیشبینی ریسک تبدیل شده است. آقای هوآن اظهار داشت: «اکنون دیگر سوال این نیست که آیا هوش مصنوعی مورد نیاز است یا خیر، بلکه سوال این است که آیا کسبوکارها میتوانند بدون هوش مصنوعی فعالیت کنند یا خیر.»
به گفته آقای هوآن، زنجیرههای تأمین جهانی به دلیل تأثیر همهگیری، نوسانات ژئوپلیتیکی و روند جابجایی تولید، به طور فزایندهای پیچیده میشوند. در این زمینه، بسیاری از مشاغل به سمت یک مدل "فوق اتوماسیون" حرکت میکنند که هوش مصنوعی را با فناوریهای اتوماسیون ترکیب میکند تا کل فرآیند لجستیک را بهینه کند.
دادهها و منابع انسانی، رقابتپذیری را تعیین میکنند.
اگرچه هوش مصنوعی پتانسیل بالایی ارائه میدهد، اما شکاف بین کاربردپذیری این فناوری و اجرای واقعی آن در کسبوکارهای لجستیکی ویتنام همچنان قابل توجه است.
دکتر نگوین تان چونگ، دانشیار، اظهار داشت که اکثر کسبوکارهای لجستیک ویتنامی در حال حاضر تنها در مرحله اولیه دیجیتالی کردن فرآیندها هستند؛ تعداد کسبوکارهایی که واقعاً هوش مصنوعی را به طور سیستماتیک در تجزیه و تحلیل دادهها، پیشبینی یا پشتیبانی تصمیمگیری به کار میگیرند، هنوز بسیار کم است.
به گفته او، چالشهای فعلی نه تنها در فناوری، بلکه در کیفیت دادهها، اتصال سیستم، قابلیتهای منابع انسانی، زیرساختهای لجستیکی، ظرفیت سرمایهگذاری و طرز فکر تحولآفرین کسبوکارها نیز نهفته است.
همانطور که بسیاری از کارشناسان اشاره کردهاند، بزرگترین گلوگاه، دادهها هستند. آقای نگوین تین دونگ، مدیر مهندسی هوش مصنوعی در گروه CMC، معتقد است که اکثر کسبوکارهای لجستیکی هنوز با استفاده از مدلهای سنتی فعالیت میکنند. اگرچه دادهها در هر بخش دیجیتالی شدهاند، اما همچنان پراکنده هستند، در حالی که فرآیندهای عملیاتی و تصمیمات مدیریتی هنوز بین بخشها مجزا هستند. هوش مصنوعی در بسیاری از وظایف مانند پیشبینی، بهینهسازی عملیاتی، پشتیبانی از تصمیمگیری و اتوماسیون فرآیند، مؤثر بوده است. کسبوکارها میتوانند با استفاده از هوش مصنوعی از یک مدل خطی و کند به یک مدل تطبیقی هوشمند و بلادرنگ منتقل شوند.
از منظر پیادهسازی استراتژیک، دانشیار دکتر نگوین بین مین معتقد است که کسبوکارها باید به جای دنبال کردن سیستمهای گرانقیمت هوش مصنوعی، با یک پلتفرم دادهمحور شروع کنند. کسبوکارها باید دیجیتالی کردن و استانداردسازی دادهها را در اولویت قرار دهند، زیرا «بدون دادههای قابل اعتماد، هوش مصنوعی فقط در سطح آزمایشی باقی خواهد ماند.» در عین حال، کسبوکارها باید پروژههای کوچکی را اجرا کنند که بتوان آنها را با استفاده از شاخصهای کلیدی عملکرد (KPI) در عرض ۹۰ روز به طور مؤثر اندازهگیری کرد، مانند بهینهسازی مسیرهای وسایل نقلیه یا خودکارسازی مرتبسازی کالاها.
دکتر نگوین بین مین، دانشیار، همچنین خاطرنشان کرد که کسبوکارها هنگام بهکارگیری این فناوری در عملیات خود، باید سازوکارهای مدیریت ریسک مربوط به امنیت دادهها، اخلاق هوش مصنوعی، مسئولیتپذیری و فرآیندهای تأیید را ایجاد کنند.
علاوه بر دادهها، منابع انسانی نیز از اهمیت ویژهای برخوردارند. به گفته دانشیار دکتر نگوین تان چونگ، هدف آموزش فعلی تبدیل همه دانشجویان به متخصصان هوش مصنوعی نیست، بلکه کمک به زبانآموزان برای درک، دانستن نحوه استفاده و بهکارگیری هوش مصنوعی در کارشان پس از فارغالتحصیلی است. دکتر چونگ خاطرنشان کرد: «پیش از این، دانشجویان ورد و اکسل را یاد میگرفتند، اما اکنون باید بدانند هوش مصنوعی چیست، چگونه به کار میرود و چگونه در کار خود از آن استفاده کنند.»
بسیاری از کارشناسان معتقدند که در چارچوب زنجیرههای تأمین جهانی که به طور فزایندهای رقابتی میشوند و سرعت، شفافیت و انعطافپذیری بیشتری را میطلبند، هوش مصنوعی به ابزاری تعیینکننده برای رقابتپذیری کسبوکارهای لجستیک تبدیل خواهد شد.
ویتنام در حال حاضر هدف خود را این قرار داده است که تا سال ۲۰۳۵، ۱۰۰٪ از کسبوکارهای خدمات لجستیکی، تحول دیجیتال را بپذیرند و در نتیجه هزینههای لجستیک را تقریباً به ۱۰ تا ۱۲ درصد از تولید ناخالص داخلی کاهش دهند. با این حال، برای دستیابی به این هدف، کسبوکارهای لجستیکی نمیتوانند صرفاً به راهحلهای دیجیتالیسازی فردی بسنده کنند.
منبع: https://daidoanket.vn/ai-se-tai-dinh-hinh-nganh-logistics.html






نظر (0)