الذكاء الاصطناعي في الخدمات اللوجستية الداخلية: فائدة العملاء حاسمة - الأعمال اللوجستية

كان هيلموت بريشينك من ويترون (في الصورة) وفرانزيسكوس كيرياكوبولوس، مؤسس 7LYTIX من لينز، النمسا، يناقشان ChatGPT، والتعلم الآلي في الخدمات اللوجستية، والتنبؤ بالطلب لتجار التجزئة للمواد الغذائية. يتفق كلاهما على أن تقنية الذكاء الاصطناعي توفر نطاقًا واسعًا من إمكانات التحسين لتحسين العمليات في مركز التوزيع بالإضافة إلى سلسلة التوريد بأكملها. لكن الجودة العالية للبيانات ليست العامل الحاسم الوحيد. ولا تقل أهمية بالنسبة لنماذج البيانات عن تجارب الأشخاص ومتطلبات المستهلكين.

قال بريشينك، المدير الإداري لشركة Witron، مازحا: "وبعد ذلك بين عشية وضحاها أصبح الجميع مؤثرين في مجال الذكاء الاصطناعي". أراد أن يتحدث عن الذكاء الاصطناعي الصناعي، والتنبؤ بالطلب، وقليلًا عن ChatGPT. يقوم كيرياكوبولوس وفريقه بتطوير حلول التعلم الآلي لقطاعي التجزئة والصناعة. فهو فيزيائي، بينما بريشينك عالم رياضيات. "هذا خليط خطير." حذر بريشينك. "بالطبع، لقد تعاملنا بالفعل مع LLMs (نماذج اللغات الكبيرة) في Witron. ومع ذلك، أود أن أطلب بعض الصفاء. لن ينتهي العالم من خلال استخدامها - ونحن نتحقق باستمرار مما إذا كانت هذه الأدوات مناسبة لمساعدة عملائنا أو مطورينا بشكل معقول في تنفيذ متطلبات العملاء الملموسة.

وافق كيرياكوبولوس على ذلك، لكنه قدم بالفعل طلبات التقديم. "إن حاملي شهادة LLM جيدون في معالجة التسلسلات - الطلبات، أو الديون، أو المبيعات، أو اتصالات العملاء. ويمكن استخدام ذلك في الخدمات اللوجستية البينية أيضًا. هناك الكثير من الضجيج، والكثير من المؤثرين ينشرون أنصاف الحقائق”. يقول بريشينك إن ويترون قد اختبر هذا بالفعل. كان المنافسون لنظام OPM يعلنون عن الذكاء الاصطناعي في خوارزمية التراص. "لكن النتائج لا يمكن أن تتفوق على وظائف نظام Witron OPM الخاص بنا. ولم يتم تطويرها باستخدام الذكاء الاصطناعي، ولكن بقدر كبير من الذكاء البشري، استنادًا إلى تطوير برمجيات قوية، والتواصل المكثف مع المستخدمين، وسنوات من الخبرة العملية. وعلينا دائما أن نتبع نهجا رصينا. لا يبحث عملاؤنا بشكل أساسي عن أداة جديدة. لديهم مشكلة ويحتاجون إلى حل عملي يعمل على تحسين العملية اللوجستية في مركز التوزيع أو في سلسلة التوريد، ويعمل بشكل مستقر في الاستخدام العملي، ويمكن دمجه بشكل مفيد في هيكل متطور.

لكن ألا تعيقنا هذه الرصانة في ألمانيا وأوروبا؟ "أنا بالتأكيد بحاجة إلى عائد على الاستثمار"، يؤكد بريشينك بقوة. قال كيرياكوبولوس: "يبلغ معدل حرق مطوري LLM 500 مليون دولار سنويًا ويحتاجون إلى بضعة مليارات أخرى". "هذا أمر لا يمكن تصوره في ألمانيا أو النمسا".

هل نتحمل مخاطر قليلة جدًا؟ بريشينك متشكك. "أنا لا أعتقد ذلك. عندما أنظر إلى الاستثمارات في Q-commerce، على سبيل المثال، أشعر بالدوار. هذا هو المكان الذي قام فيه الكثير من المستثمرين بالمخاطرة الكاملة. لكن السوق تطور إلى اتجاه مختلف تمامًا. فشلت معدلات النمو المتوقعة في الظهور. وفي هذه الأثناء، يجري التوحيد. لقد انتقل المستثمرون. يريد تجار التجزئة لدينا الذكاء الاصطناعي ويستثمرون في التكنولوجيا. ولكننا وعملاؤنا بحاجة إلى أدوات الذكاء الاصطناعي، مثل تحديد العينة أو الصورة، التي تتسم بالشفافية لحل المشكلات التي لم نتمكن من حلها من قبل أو لا يمكننا حلها إلا بجهد كبير.

يعمل مطورو 7LYTIX مع LLMs، لكن التركيز ينصب على التنبؤ بالطلب. "يمكننا تقديم قيم مضافة، لكن بعض الشركات في كثير من الأحيان لا تفهم في البداية ما هي القيمة المضافة للنموذج. المزيد من المبيعات من خلال التواصل الأفضل مع العميل أم المبيعات المفقودة؟ كثير من الناس لا يستطيعون حساب ذلك. قال كيرياكوبولوس: "هذا هو المكان الذي يحتاجون فيه إلى المساعدة منا". ويضيف بريشينك: "يمكن لعملاء Witron لدينا إجراء الحسابات بشكل جيد للغاية وقد أتقنوا أعمالهم على مدار عقود. لكنني أفهم ما يعنيه السيد كيرياكوبولوس: أولاً، نحتاج إلى توضيح ما يجب تحسينه. يسأل تجار التجزئة أنفسهم ما إذا كانوا يريدون تحسين شبكة سلسلة التوريد المستودع الحجم، سواء كانوا يريدون أن يكونوا أقرب إلى العميل، سواء لتقليل أوقات الإنتاجية، أو تغيير دورات التسليم، أو تقليل هدر الطعام ونفاذ المخزون، أو الحصول على مخزون أقل في المستودع. وفي هذا الصدد، تعلمنا الكثير مع عملائنا من مختلف أنحاء العالم. وعلمنا أيضًا أن متطلبات العطلات الرسمية في فنلندا تختلف عن تلك الموجودة في الولايات المتحدة، أو أن يوم الاثنين له متطلبات مختلفة عن يوم الخميس. يوافق كيرياكوبولوس. "نحن بحاجة إلى متطلب أولًا ثم إلى أداة ذكاء اصطناعي مقابلة. ولسنا بحاجة إلى التعلم العميق في كل مكان.

ما مدى الدقة المطلوبة؟

كيف يعمل التنبؤ بالطلب؟ "أولاً، نحتاج إلى الحصول على نظرة عامة على البيانات. هذا عمل شاق للعديد من تجار التجزئة. وأوضح كيرياكوبولوس أن الأمر لا يتعلق فقط بالسلع المخزنة، ولكن أيضًا بكمية البضائع الموجودة في المتجر، وكم تم بيعها، وما هي العوامل المؤثرة مثل العروض الترويجية، وعدد المبيعات المفقودة في المتجر، وغير ذلك الكثير. بالإضافة إلى ذلك، هناك بطاقات العملاء والمواسم وموقع المتجر أو العروض الخاصة. "ونحن بحاجة إلى معرفة ما يوجد في مركز التوزيع، وفي الغرفة الخلفية للمتجر، وفي الشاحنات على الطريق، لأن التحسين لا ينتهي عند المتجر. ومن المهم أيضًا تجنب القيود المفروضة على الشركات أو الأقسام، بالإضافة إلى مستودعات البيانات. إن جزءًا كبيرًا من البيانات المطلوبة معروف في الغالب، ولكن لسوء الحظ فإن الإدارات المختلفة تتبع اهتمامات مختلفة. ويوافق بريشينك على ذلك قائلاً: "حتى التصميم اللوجستي الشامل لا ينبغي أن يركز فقط على مركز التوزيع أو المصالح الرئيسية للمناطق اللوجستية الفردية، أو الأقسام التي تؤثر على العمليات مثل الشراء أو الشحن. ومن المهم إدراج سلسلة التوريد بأكملها في عملية التحسين - داخليًا وخارجيًا - وتجنب الانعزال قدر الإمكان، ماديًا ومن حيث تكنولوجيا المعلومات."

وتابع كيرياكوبولوس: "تتدفق البيانات إلى نماذج بسيطة للغاية". "خط الأساس هو تجارب الناس. هذا ليس الذكاء الاصطناعي بعد. نحن نتحدث عن الانحدارات. ثم نسأل أنفسنا هل أصبحنا أفضل؟ ويلي ذلك تحليلات السلاسل الزمنية وطرق التعلم الآلي الأولى. علينا دائمًا أن ننظر إلى مدى الدقة التي يمكننا تحقيقها خلال المستوى التالي مقابل مقدار القيمة المضافة للعميل والمستخدم.

وويترون؟ "علينا أن نتأكد من أن الميكانيكا تناسب النموذج. لأن الفيزياء يجب أن تعمل بنفس الطريقة. هل نقوم بتوريد الحالات أو القطع ؟ أو عنصر واحد مع كلا الخيارين؟ كم مرة يتم تسليم المتجر؟ ماذا يحدث عندما يتغير نطاق المنتج؟" أجاب بريشينك. ويترون تخلق المراكز اللوجستية المرونة لكل من المتجر والتجارة الإلكترونية. ومع ذلك، فإن مفتاح التنفيذ الناجح هو التفكير في العملية بشكل عكسي عبر جميع القنوات - من المستهلك إلى مركز التوزيع، وإذا لزم الأمر، حتى إلى الوراء، على طول الطريق إلى المورد. يرى تحديًا خاصة في تفسير النموذج. "نحن نختبر أنظمة الدفع والسحب مع عملائنا. بعض العمل أفضل من غيرها."

هل سيسمح مديرو المتاجر لنموذج الذكاء الاصطناعي بتحديد طلباتهم في المستقبل؟ تعرف كيرياكوبولوس الحجة من صناعة الأزياء. "إذا كان شخص ما يتسوق هناك لمدة 20 عامًا، فمن الصعب أن يشرح على الفور القيمة المضافة أو إقناع المستهلك بأن هذا النموذج قد يكون أفضل. ولكننا نجعل الأمر شفافًا - فنحن نقول ما هي العوامل التي نستخدمها، وكيف نوزنها، وأين ينطبق العامل المعني."

الإنسان هو الذي يملك السيطرة

يمكن للخبراء من النمسا أن ينظروا إلى المستقبل لمدة 18 شهرًا. يستخدمون واجهات لتوصيل النموذج بالأنظمة الحالية لمتاجر التجزئة أو الشركة المصنعة للصلب أو بائع الأحذية بالتجزئة. ضحك كيرياكوبولوس قائلاً: "لا أريد هدم كل شيء لاستخدام نموذج الذكاء الاصطناعي". وأكد بريشينك أن "هذه هي الطريقة الصحيحة - الاندماج في البنى القائمة".

ولكن ما مدى قوة النموذج؟ الكلمة المفتاحية: كوفيد 19. وأوضح الخبير النمساوي: "لم نتمكن من رؤية ذلك أيضًا". "كنا نعمل مع النموذج في مجال الخدمات اللوجستية المجمدة في ذلك الوقت. لم تكن التوقعات قصيرة المدى جيدة في البداية، ولكن بعد أسبوع واحد، عاد النموذج للعمل مرة أخرى. وبعد اسبوعين كان الوضع مستقرا. لكن التوقعات وحدها لا تكفي. يجب على العميل العمل معه - على سبيل المثال، تعزيز قنوات التسويق، أو تشغيل العروض الترويجية، أو تعديل الأسعار، إذا لزم الأمر.

قال بريشينك: "هذا أمر بالغ الأهمية". "هذا هو الوقت الذي يتولى فيه الناس السيطرة. لا تقلل أبدًا من أهمية الشعور الغريزي لمدير الخدمات اللوجستية أو فني الخدمة أو مشغل المتجر. وتشكل تجارب الناس ونموذج البيانات الذي يعمل بشكل جيد الأساس لاتخاذ قرارات ذكية ـ أي اتخاذ القرارات الصحيحة على المدى الطويل. وفي مركز التوزيع، ينطبق هذا أيضًا على تنفيذ استراتيجيات الصيانة أو "التشغيل الصحيح" للنظام. والأهم من ذلك، يجب أن تكون النماذج والأدوات والحلول مستقرة وأن تثبت نفسها في الاستخدام العملي، مما يوفر قيمًا مضافة حقيقية في الأعمال اليومية.

يوفر الذكاء الاصطناعي المعلومات، ويقرر الشخص المسؤول ويستمر في التحكم في العملية. "لقد أحدثنا ثورة في الفيزياء في المركز اللوجستي منذ أكثر من 20 عامًا. بفضل حل OPM، تمكنا من تكديس البضائع تلقائيًا على المنصات ولف الحاويات دون أخطاء وبطريقة مناسبة للتخزين. نحن الآن نتخذ الخطوة التالية ونختار البيانات والنماذج اللوجستية الشاملة. وأنا متأكد من أنني سأستمر في تجربة نموذج Witron AI الشامل للمستودع،" توقع بريشينك.