האם בינה מלאכותית תעצב מחדש את תעשיית הלוגיסטיקה?

בינה מלאכותית (AI) יוצרת לחץ טרנספורמטיבי חסר תקדים על תעשיית הלוגיסטיקה. ככל שנתונים הופכים ל"תשתית התחרותית המרכזית", עסקי לוגיסטיקה אינם נמדדים עוד לפי גודל המחסן או גודל הצי, אלא לפי יכולתם להתחבר, לעבד ולחזות בזמן אמת.

תעשיית הלוגיסטיקה מאופיינת בתהליכים חוזרים רבים ומטפלת בכמויות גדולות של נתונים, כך שבינה מלאכותית יכולה לסייע באוטומציה של תהליכים אלה. (תמונה להמחשה).

מ"לוגיסטיקה" למרוץ טכנולוגי.

במשך שנים רבות, לוגיסטיקה נתפסה לעתים קרובות כענף שירותי "תמיכה", הקשור לאחסון, הובלה ואספקת סחורות. עם זאת, תחת לחץ האספקה ​​המהירה במיוחד במסחר האלקטרוני והתנודות המתמידות בשרשרת האספקה ​​העולמית, דרך פעולה זו משתנה במהירות.

פרופסור חבר ד"ר נגוין טאן צ'ונג - יו"ר איגוד פיתוח משאבי אנוש הלוגיסטיקה של וייטנאם (VALOMA), מאמין כי הטכנולוגיה משנה באופן מהותי את אופן פעולתן של עסקים ואת מבנה שרשראות האספקה ​​הגלובליות. בעוד שבעבר לוגיסטיקה מילאה בעיקר תפקיד תומך, היא הפכה כיום למגזר שירותים בסיסי עבור הכלכלה הדיגיטלית, הכלכלה הירוקה והסחר הבינלאומי.

בינה מלאכותית צומחת כטכנולוגיה המשפיעה ביותר בתחום הלוגיסטיקה בעשורים האחרונים. היא כבר קיימת בפעילויות תפעוליות רבות כגון אופטימיזציה של נתיבי הובלה, חיזוי ביקוש למטענים, ניהול מחסנים חכם, אוטומציה של נמלים, אופטימיזציה של מכולות, הפחתת פליטות פחמן וניתוח נתוני שרשרת אספקה ​​בזמן אמת.

"המטרה המרכזית של עסקים בתעשיית שירותי הלוגיסטיקה היא לשפר את פריון העבודה ואת יעילות העסק. בהקשר זה, בינה מלאכותית הופכת לכלי תומך חשוב מאוד, המסייע לעובדים ולמנהלים לקבל החלטות מהירות ומדויקות יותר", הצהיר מר צ'ואנג, והוסיף כי אחד היתרונות הגדולים ביותר של בינה מלאכותית הוא הפחתת עלויות ביניים ואופטימיזציה של הפעילות. תעשיית הלוגיסטיקה כוללת תהליכים חוזרים רבים והיא מטפלת בכמויות גדולות של נתונים, כך שבינה מלאכותית יכולה לתמוך באוטומציה של תהליכים, להחליף פעולות ידניות ולשפר את יעילות ניהול שרשרת האספקה.

פרופסור חבר ד"ר נגוין בין מין - מנהל המכון לטכנולוגיה דיגיטלית וכלכלה (אוניברסיטת המדע והטכנולוגיה של האנוי ) - מאמין כי בינה מלאכותית אינה עוד רק אפשרות ייחוס, אלא הפכה ל"תשתית תחרותית מרכזית" עבור תעשיית הלוגיסטיקה. הלחץ לשינוי עבר מ"צריך לעשות" ל"חובה לעשות" כדי לשרוד. בצטטו סקר של דלויט, ד"ר מין הצהיר כי בתוך חמש השנים הקרובות, אחוז ארגוני שרשרת האספקה ​​המיישמים או מתכוננים ליישם בינה מלאכותית צפוי לעלות מ-28% ל-82%. במקביל, עד 71% ממנהיגי העסקים מאמינים שאם לא יאמצו בינה מלאכותית בזמן, הפעילות העסקית שלהם מסתכנת בשיבוש.

"עכשיו אנחנו לא שואלים אם להשתמש בבינה מלאכותית או לא, אלא איך להשתמש בבינה מלאכותית, היכן להשתמש בבינה מלאכותית, והאם השימוש בבינה מלאכותית בטוח", הדגיש מר מין.

בינתיים, מר נגו נגוק הואן, נציג העסקים של סמסונג SDS באסיה-פסיפיק, טען כי לוגיסטיקה אינה עוד רק בעיה תפעולית, אלא הפכה לבעיה של יכולות חיזוי נתונים וסיכונים. "השאלה כעת אינה עוד האם יש צורך בבינה מלאכותית, אלא האם עסקים יכולים לפעול ללא בינה מלאכותית", הצהיר מר הואן.

לדברי מר הואן, שרשראות האספקה ​​הגלובליות הופכות מורכבות יותר ויותר עקב השפעת המגפה, תנודות גיאופוליטיות ומגמות של העברת ייצור למקום אחר. בהקשר זה, עסקים רבים נעים לעבר מודל "היפר-אוטומציה", המשלב בינה מלאכותית עם טכנולוגיות אוטומציה כדי לייעל את כל תהליך הלוגיסטיקה.

נתונים ומשאבי אנוש יקבעו את התחרותיות.

למרות שבינה מלאכותית מציעה פוטנציאל גדול, הפער בין תחולת הטכנולוגיה לבין יישומה בפועל בעסקי לוגיסטיקה וייטנאמיים נותר משמעותי למדי.

פרופסור חבר ד"ר נגוין טאן צ'ונג ציין כי רוב עסקי הלוגיסטיקה הווייטנאמיים נמצאים כיום רק בשלב הבסיסי של תהליכי דיגיטציה; מספר העסקים המיישמים בפועל בינה מלאכותית באופן שיטתי בניתוח נתונים, חיזוי או תמיכה בקבלת החלטות עדיין צנוע למדי.

לדבריו, האתגרים הנוכחיים טמונים לא רק בטכנולוגיה אלא גם באיכות הנתונים, קישוריות המערכות, יכולות משאבי אנוש, תשתיות לוגיסטיות, כושר השקעה וחשיבה טרנספורמטיבית של עסקים.

צוואר הבקבוק הגדול ביותר, כפי שצוין על ידי מומחים רבים, הוא נתונים. מר נגוין טיין דונג, מנהל הנדסת בינה מלאכותית בקבוצת CMC, מאמין שרוב עסקי הלוגיסטיקה עדיין פועלים באמצעות מודלים מסורתיים. למרות שהנתונים עברו דיגיטציה בכל מחלקה, הם נותרים מקוטעים, בעוד שתהליכים תפעוליים והחלטות ניהוליות עדיין נפרדים בין המחלקות. בינה מלאכותית הוכחה כיעילה במשימות רבות כגון חיזוי, אופטימיזציה תפעולית, תמיכה בקבלת החלטות ואוטומציה של תהליכים. עסקים יכולים לעבור ממודל ליניארי איטי למודל אדפטיבי חכם בזמן אמת על ידי יישום בינה מלאכותית.

מנקודת מבט של יישום אסטרטגי, פרופסור חבר ד"ר נגוין בין מין מאמין שעסקים צריכים להתחיל עם פלטפורמה מונעת נתונים במקום לרדוף אחר מערכות בינה מלאכותית יקרות. עסקים צריכים לתעדף דיגיטציה וסטנדרטיזציה של נתונים, כי "ללא נתונים אמינים, בינה מלאכותית תישאר רק ברמת ההדגמה". במקביל, עסקים צריכים ליישם פרויקטים בקנה מידה קטן שניתן למדוד ביעילות באמצעות מדדי ביצועים תוך 90 יום, כגון אופטימיזציה של נתיבי רכב או אוטומציה של מיון סחורות.

פרופסור חבר ד"ר נגוין בין מין ציין גם כי עסקים צריכים לבנות מנגנוני ניהול סיכונים הקשורים לאבטחת מידע, אתיקה של בינה מלאכותית, אחריות ותהליכי אישור בעת יישום טכנולוגיה זו בפעילותם.

מלבד נתונים, גם משאבי אנוש מהווים עניין מדאיג במיוחד. לדברי פרופסור חבר ד"ר נגוין טאן צ'ונג, מטרת ההכשרה הנוכחית אינה להפוך את כל הסטודנטים למומחי בינה מלאכותית, אלא לעזור ללומדים להבין, לדעת כיצד להשתמש וליישם בינה מלאכותית בעבודתם לאחר סיום הלימודים. "בעבר, סטודנטים למדו Word ו-Excel, אך כעת הם צריכים לדעת מהי בינה מלאכותית, כיצד היא מיושמת וכיצד להשתמש בה בעבודתם", ציין ד"ר צ'ונג.

מומחים רבים מאמינים כי בהקשר של שרשראות אספקה ​​גלובליות הולכות וגוברות הדורשות מהירות, שקיפות וחוסן גדולים יותר, בינה מלאכותית תהפוך לכלי מכריע לתחרותיות של עסקי לוגיסטיקה.

וייטנאם שואפת כיום לכך ש-100% מעסקי שירותי הלוגיסטיקה יאמצו טרנספורמציה דיגיטלית עד שנת 2035, ובכך יפחיתו את עלויות הלוגיסטיקה לכ-10-12% מהתמ"ג. עם זאת, כדי להשיג מטרה זו, עסקי לוגיסטיקה אינם יכולים להסתפק בפתרונות דיגיטציה בודדים.

לה מין

מקור: https://daidoanket.vn/ai-se-tai-dinh-hinh-nganh-logistics.html