Forklar AI-fordelen

 

Hvorfor blir åpenhet, integrasjon og tillit avgjørende innen logistikkteknologi? Peter MacLeod snakker med en ekspert.

På årets LogiMAT, hvis det var et tema som skar gjennom støyen tydeligere enn de fleste, ville det vært fart. Ikke bare hastigheten på operasjoner, men hastigheten på distribusjonen, hastigheten på innovasjonen, og til slutt The Big One: hastigheten på avkastningen på investeringen. For Inform Software fører den diskusjonen i økende grad til et bredere spørsmål: hvordan kan logistikkorganisasjoner ta i bruk mer intelligente systemer uten å miste åpenhet, kontroll eller tillit?

 

Da han snakket til meg på det travle utstillingsgulvet i Stuttgart, skisserte Informs SVP Inventory & Supply Chain, Dr. Bernd Heinrichs hvordan selskapet ser på at kunstig intelligens utvikler seg i forsyningskjede- og intralogistikkmiljøer.

 

Utvidelse av optimaliseringslaget

Inform har lenge vært assosiert med optimalisering i komplekse,{0} datadrevne miljøer. Men etter hvert som markedene blir mer volatile, blir optimaliseringssystemer bedt om å reagere raskere, innlemme flere signaler og støtte mer dynamisk{2}}beslutningstaking.

Det skiftet er spesielt relevant i miljøer der beslutninger er gjensidig avhengige. En endring i etterspørselsplanlegging kan påvirke varelager, transportkapasitet, arbeidsallokering eller tjenestenivå. En anbefaling i én del av operasjonen kan skape konsekvenser andre steder, noe som gjør åpenhet avgjørende for daglig bruk.

For Heinrichs er det her AI i logistikk må bevise sin praktiske verdi. "Jeg snakker ikke om AI. Jeg snakker om forklarbar AI," sier han. "Alt vi gjør, alt vi foreslår, har en forklaring. Ellers stoler ikke folk på det."

Tillit som et praktisk krav

I samtaler med kunder på tvers av ulike bransjer sier han at det samme spørsmålet kommer opp gjentatte ganger: "Hvorfor valgte systemet det alternativet og ikke et annet?"

 

Spørsmålet er viktig fordi logistikkbeslutninger sjelden tas av teknologi alene. De involverer planleggere, ledere, driftsteam og i mange tilfeller kunder eller eksterne partnere. Hvis disse interessentene ikke kan følge resonnementet bak en AI-støttet anbefaling, er det mindre sannsynlig at de vil handle på den.

 

For Heinrichs kan dette bli et meningsfullt differensieringspunkt for europeiske teknologileverandører. "Vi kan bygge AI like bra som alle andre, men vi kan legge til noe annet," sier han. "Det skal ikke være en svart boks."

Ettersom selskaper ser etter å bygge inn AI-applikasjoner i etablerte forretningsprosesser, blir denne forskjellen stadig viktigere. Systemer må være teknisk sterke, men de må også være forståelige nok til at brukere kan utfordre, validere og forbedre dem over tid.

 

Håndtere mindre forutsigbare miljøer

Driftsmiljøer blir vanskeligere å planlegge med historiske data alene. Etterspørselsmønstrene skifter, eksterne faktorer griper inn og markedsforholdene kan endre seg raskt, ofte før disse endringene er tydelig synlige i tallene. «Du må samle sanntidsdata- og ikke stole på historiske data alene,» sier han. "Du må reagere på volatilitet og integrere signaler fra forskjellige kilder i beslutningene dine."

Dette markerer et skifte fra mer statiske optimaliseringsmodeller til responsive systemer som kontinuerlig tar hensyn til ny informasjon. "Det blir mer dynamisk," legger han til. "Neste trinn er å gjøre det mer agent - å reagere på egen hånd på endringer i miljøet."

 

Fra nyheter til prognose

Et eksempel på Inform presentert for første gang på LogiMAT er en ny AI-basert tilnærming designet for å bringe eksterne hendelser direkte inn i prognoser og scenarioplanlegging. Utgangspunktet, sier Heinrichs, var et enkelt spørsmål: hvorfor ignorerer prognosemodeller så ofte det som skjer i verden rundt dem?

 

– Hvis du kjører en klassisk prognose i dag, er den basert på historiske tall, forklarer han. "Men i virkeligheten er etterspørselen stadig påvirket av hendelser som geopolitiske konflikter, forsyningskjedeavbrudd, ny regulering eller markedstrender. Denne informasjonen eksisterer, men vanligvis som nyheter, ikke som tall."

Den nye løsningen er designet for å lukke dette gapet. Brukere gir en tidsserie, for eksempel salgstall eller en markedsindikator, og beskriver kort konteksten. AI forsker deretter på relevante nyhetshendelser, analyserer historiske sammenhenger og genererer flere mulige fremtidsscenarier. Resultatet er en prognose ledsaget av en bevis-basert forklaring på hvorfor et marked kan utvikle seg i forskjellige retninger.

Menneske i sløyfen

For Heinrichs (bildet nedenfor) fører diskusjonen om AI også direkte til rollen som menneskelig ekspertise. AI kan identifisere mønstre, behandle store mengder informasjon og produsere scenarier i fart. Men verdien øker når folk kan legge til opplevelsen, konteksten og dømmekraften som data alene ikke kan gi.

"AI er bare så god som dataene den fungerer med og menneskene som er i stand til å gi dataene mening," sier han. "Det er derfor mennesket forblir en viktig del av loopen."

I praksis betyr det at planleggere og beslutningstakere-ikke fjernes fra prosessen. De forblir sentrale i det. Deres rolle er å validere scenarier, stille spørsmål ved antagelser og avgrense resultater basert på operasjonell kunnskap eller markedsintuisjon.

 

"Hvis folk forstår hvorfor systemet anbefaler noe, kan de bestemme om de skal stole på det, stille spørsmål ved det eller forbedre det," forklarer Heinrichs. "Det er der samarbeid mellom menneskelig dømmekraft og maskinintelligens blir virkelig kraftig."

 

Integrasjon og interoperabilitet

Et annet gjennomgående tema i kundediskusjoner er integrasjon. Etter hvert som logistikkoperasjoner blir mer sammenkoblet, blir muligheten til å koble AI-drevne applikasjoner med eksisterende systemer viktig. "Vi får alltid spørsmålet: hvordan integrerer jeg med ERP-systemet mitt, mine andre løsninger?" Heinrichs forteller meg. Informs svar har vært å standardisere koblinger og tilpasse seg store plattformer som SAP og Microsoft. Resultatet er en mer enkel integrasjonsvei, som reduserer både kostnader og implementeringstid.

 

"Det utgjør en stor forskjell," legger han til. "Og det gjør det også lettere for oss å ekspandere internasjonalt."
Dette er et avgjørende punkt i innføringen av AI. Selv den mest avanserte applikasjonen vil slite med å skape verdi hvis den skiller seg fra systemene der forretningsprosessene faktisk administreres. Logistikkbedrifter opererer allerede med etablerte IT-landskap, og nye løsninger må passe inn i disse miljøene uten å skape ytterligere kompleksitet.

 

 

Dataansvar

Med økt tilkobling og databruk kommer økt gransking rundt sikkerhet. Heinrichs bakgrunn innen cybersikkerhet informerer om en sterk holdning til dette spørsmålet. – Hvert produkt må ha et sikkerhetsstempel før det går ut, sier han. "Det er obligatorisk."

Ettersom AI-modeller trekker på bredere datakilder – inkludert eksterne feeds som nyheter og markedsinformasjon – vokser kompleksiteten ved å administrere og sikre disse dataene. "Mengden data vi bruker skaper en enorm etterspørsel når det gjelder datasikkerhet," bemerker Heinrichs. "Du må holde deg på toppen av det."

 

Et marked klart til å flytte

Det mest slående er kanskje Heinrichs vurdering av markedsstemningen. I stedet for å være forsiktig, ser han en økende appetitt på eksperimentering og rask fremgang.

– Kundene ber oss komme med ideer, sier han. "De er villige til å vinne raskt, feile raskt." Denne åpenheten skaper grobunn for intelligente løsninger som kan levere håndgripelige forbedringer uten tregheten til store-transformasjonsprosjekter.

 

For mange bedrifter vil ikke neste fase av digitalisering bli definert av AI alene. Det vil bli definert av AI som forklarer seg selv, kobler rent med eksisterende systemer og støtter beslutninger som folk kan stole på.