Er der plads til AI i logistiksektoren?

oprindeligt udgivet på Medium den 23. august 2021
af Ülari Kalamees

AI (Kunstig Intelligens) - hvad er det? Findes der overhovedet et virkeligt intelligent system? Næppe. Alligevel bruges denne term bredt i dag. Når et program eller system kan analysere nogle data eller lave nogle forudsigelser baseret på tidligere hændelser, så bliver det automatisk kaldt AI. Det lyder bare så cool. Folk er egentlig ikke så interesserede i, om et system er virkeligt intelligent eller ej. De forventer bare, at det gør noget smart. De forventer, at det gør noget, som den menneskelige hjerne ikke er i stand til. Fair nok.

Så selvom vi ikke bruger denne term korrekt, hvad er så de smarte ting, vi kunne nyde godt af inden for logistik? For at holde fokus vil jeg koncentrere mig om kommunikationsdelen af logistik: hvordan man vælger de rette logistikpartnere, hvordan man får en smidig kommunikation, hvordan man undgår manuelle interaktioner, hvordan man øger effektiviteten, hvordan man hæver kvaliteten af transportbeslutninger og så videre.

Starte fra bunden

Jeg vil starte med at skitsere den generelle proces for at vælge logistikpartnere - den måde, det fungerer på i dag, og har gjort i årtier.

For det første skal du vælge de rette partnere at arbejde sammen med. Normalt gøres dette ved hjælp af fragtindkøbsprocessen. En offentlig invitation sendes til alle relevante logistikvirksomheder for at deltage i transportudbuddet. I invitationen forklares omfanget og betingelserne. Forventninger. Statistiske data for den foregående periode. Inputfiler. Frister. Grundlag for kvalifikation til næste runder. Og så videre. Endelig udvælges 1-5 hovedpartnere. Derudover udvælges 5-15 partnere til at dække uventede leveringer ad hoc.

Dette var den nemme del. Nu skal alt opsættes. Yderligere detaljer skal aftales. Hvordan man afgiver transportordrer, hvordan man kommunikerer, fakturering, tracking, lastninger, særlige arrangementer osv. Hvis API-forbindelser er involveret - så skal dette bygges og opsættes.

Så begynder det egentlige arbejde. Med gamle partnere er det nemmere - samarbejdet er allerede etableret. Med nye partnere er der altid udfordringer i begyndelsen. Kommunikationen tager tid at falde på plads. Måske skal API-forbindelsen justeres. Leveringerne er ikke så smidige i begyndelsen. Det sædvanlige. Og så næste år - start forfra.

Alt i alt burde der være rigelig plads til AI og smarte løsninger. Men hvordan helt præcist?

Få eksempler fra felten

For nogle år siden var jeg involveret i et projekt kaldet AiToldYou.com. Denne løsning er rettet mod logistikvirksomheder. Men den fungerer faktisk også på andre områder. Denne løsning forudsiger transportordrer pr. kunde (kunde = virksomhed i dette eksempel). Det viser sig, at der er et relativt stabilt mønster i gennemsnitlige kundebookinger. Virksomheder har tendens til at have meget lignende (hvis ikke identiske) transportbookinger over en vis tidsperiode. Enten er det råmaterialer til produktion eller simpelthen forsyninger, der forbruges i et stabilt tempo. Under alle omstændigheder er der et mønster. Det ville være forholdsvis nemt at spotte en manglende booking, hvis du kun havde meget få kunder. Men hvad nu hvis du har hundredvis? Og pludselig opdager du, at du ikke har hørt fra 5 af dine mellemstore kunder i 2 måneder? Men hvad nu hvis du havde et system, der kunne fortælle dig, at du har misset to bookinger fra følgende kunder? Den sande styrke ved en sådan tilgang er at sende et bookingforslag til din kunde, lige inden de ville have brug for at booke deres næste booking. Fedt, ikke?

Måske en af de mest oplagte opgaver at angribe med AI-lignende løsninger er at forvælge den bedste logistikpartner til en given forsendelse. Ideen i sig selv er langt fra unik, og der er hundredvis (hvis ikke tusindvis) af løsninger, der tilbyder dette. Den seneste jeg hørte om var www.pickrr.com - men som sagt, er der mange lignende løsninger. Nogle mere avancerede, nogle med en lidt anden tilgang, men ideen er den samme - baseret på pris, leveringstid og tidligere data vil systemet foreslå den bedste løsning til dig.

Det eneste, man skal holde øje med, er, at den foreslåede logistikpartner virkelig er den bedste for dig, ikke den mest lukrative for det system, der foreslår løsningen.

En anden udfordrende opgave at håndtere er at overvåge, hvilke varer der leveres/ankommer rettidigt. Mere præcist vil vi gerne vide, om varer bliver forsinket og ikke vil blive leveret til tiden. Normalt betyder det automatisk, at nogle efterfølgende processer sandsynligvis vil blive forsinket og til sidst forårsage en masse problemer. På den anden side, hvis vi får en sådan advarsel på forhånd, kunne vi gøre noget ved det.

Igen er ideen ikke ny. Og det er heller ikke en teknisk sofistikeret ting at implementere. Systemet skal blot spore forsendelsens aktuelle fremskridt og sammenligne dette med den angivne ETA (Estimated Time of Arrival). Alligevel er udfordringen ofte datakvaliteten. Hvis vi vil opbygge et sådant system, der kan advare os, hvis noget sandsynligvis vil blive forsinket, så ønsker vi ikke at få en falsk rapport, der lister hundredvis og atter hundredvis af forsendelser, som ikke har modtaget den relevante statusopdatering fra transportøren.

Transportpriskalkulator. Måske den mindst AI-lignende ting på listen. Men igen, hvis jeg ville lægge 5 forskellige logistikprislister frem på bordet - så er chancerne for, at du ville begå en fejl ved at læse mindst én af dem. At gøre det mange-mange gange om dagen er ikke kun irriterende, men ville være den perfekte ting at overlade til en maskine. Så på en måde kvalificerer denne opgave sig - en smart ting, som en maskine kan gøre.

Ingen af ovenstående er egentlige AI-værdige opgaver. Nyttige - ja. Men bare ikke så imponerende, som du måske ville forvente af en virkelig intelligent maskine. Så jeg blev nysgerrig efter, om AI-flagskibene Alexa/Siri/Google ved noget om logistik? Jeg lavede en test og prøvede at spørge Siri "hvor meget ville det koste at sende 1 palle, 500 kg, fra Berlin, Tyskland til Paris, Frankrig. Svaret var... forventeligt skuffende. Den listede bare de øverste websteder fra Googles søgeresultater, hvor jeg selv kunne tjekke/spørge/anmode om priser. Sandt nok, Siri er ikke beregnet til det. Men dette er præcis det spørgsmål, som mange indkøbsspecialister stiller deres logistikchef dagligt.

På den anden side er denne opgave ikke så ligetil, som den måske umiddelbart ser ud. Transportpriser afhænger af hundredvis af små aspekter som fra hvor, til hvor, varermængder, samlede volumener, varernes natur, transportmiddel, situationen på transportmarkedet, sæsonbestemthed, tilladte tidsrammer, samlastninger, tilgængelige ressourcer, hvem der spørger, hvem der bliver spurgt osv. osv. osv. Igen, i de fleste tilfælde er et indikativt prisniveau mere end nok. Et officielt tilbud fra et transportfirma er ikke nødvendigt for at estimere transportomkostningerne for et projekt eller en forsendelse - et estimat ville være mere end nok.

Selv hvis prisniveauet er kendt, forbliver den praktiske udfordring. Hvordan når man ud til den relevante logistikvirksomhed? De fleste af dem har deres egne kundeportaler, hvor du kan indtaste dine detaljer og derefter booke forsendelsen. Så skal du finde en anden tjenesteudbyder og indtaste de samme detaljer igen. Men hvad nu hvis du har brug for en mere skalérbar løsning? Hvad nu hvis du har 10 forsendelser om dagen? Hvordan med 100? 1000?

Der er tusindvis af forskellige logistikvirksomheder derude. Men der er ingen fælles API-standard i logistikbranchen. Så hver gang du har brug for at bygge en forbindelse til en af logistikvirksomhederne, skal du starte forfra.

Vores tilgang til emnet

Vi hos Cargoson har vores egen tilgang til emnet. Vi har valgt de samme to spørgsmål, som vi så ofte hører blive stillet:

Hvor meget ville det ca. koste at sende mine varer fra A til B?

Hvordan når man ud til den relevante transportør?

For at besvare det første spørgsmål sigter vi efter en tjeneste, der ville tage højde for de mest relevante faktorer og estimere den forventede markedspris for den pågældende forsendelse. Ingen faktiske prisanmodninger, ingen dedikerede prislister, ingen transportørbaserede prismodeller. Vi sigter efter et system, der på ugentlig basis ville analysere transportordredata fra forskellige kilder, justere resultaterne med givne nøglefaktorer og derefter ud fra disse data generere det forventede prisniveau for den pågældende forsendelse. Det er ligegyldigt, om forsendelsen skal sendes lige om hjørnet eller skal hentes fra den anden side af verden. Du skal bare indtaste de mest relevante parametre for forsendelsen: fra hvor, til hvor og noget om mængder, og systemet vil foreslå det forventede transportprisniveau. Når tiden er inde, kan den faktiske prisanmodning sendes ud, og så vil de officielle tilbud blive modtaget - men for indikationen vil det indledende forslag være der.

At estimere transportomkostningen for enhver forsendelse er en matematisk, ikke en AI-opgave.

For at besvare det andet spørgsmål har vi allerede bygget kernen til vores API-oversætter. Der er tusindvis af forskellige logistikvirksomheder derude. Men der er ingen fælles API-standard i logistikbranchen. Vores mål er at skabe én. Så der ville være ét kontaktpunkt, og meddelelserne ville derefter automatisk blive videresendt til den relevante logistikvirksomheds API.