בינה מלאכותית באינטרלוגיסטיקה: תועלת הלקוח היא הקובעת - עסקים לוגיסטיים

הלמוט פרישנק מוויטרון (בתמונה) ופרנציקוס קיריאקופולוס, מייסד 7LYTIX מלינץ, אוסטריה, דנו ב-ChatGPT, למידת מכונה בלוגיסטיקה ותחזית ביקוש לקמעונאי מזון. שניהם מסכימים - טכנולוגיית AI מציעה מגוון רחב של פוטנציאל אופטימיזציה לאופטימיזציה של תהליכים במרכז ההפצה כמו גם בשרשרת האספקה ​​כולה. אבל איכות נתונים גבוהה היא לא הגורם המכריע היחיד. חשובים לא פחות עבור מודלים של הנתונים הם החוויות של האנשים והדרישות של הצרכנים.

"ואז בין לילה כולם היו משפיענים בינה מלאכותית", התבדח פרישנק, מנכ"ל וויטרון. הוא רצה לדבר על AI תעשייתי, חיזוי ביקוש וקצת על ChatGPT. Kyriakopoulos וצוותו מפתחים פתרונות למידת מכונה למגזר הקמעונאי והתעשייה. הוא פיזיקאי, בעוד פרישנק הוא מתמטיקאי. "זו תערובת מסוכנת." פרישנק הזהיר. "כמובן, כבר עסקנו ב- LLMs (Large Language Models) ב-Witron. עם זאת, אבקש שלווה מסוימת. העולם לא יגיע לקיצו באמצעות השימוש בהם - ואנו מוודאים ללא הרף אם כלים כאלה מתאימים לעזור באופן סביר ללקוחות שלנו או למפתחים שלנו ביישום דרישות הלקוח הקונקרטיות".

קיריאקופולוס הסכים, אבל כבר מתאר בקשות. "חברות LLM טובות בעיבוד רצפים - הזמנות, חיובים, מכירות או תקשורת עם לקוחות. זה יכול לשמש גם בתחום הלוגיסטיקה. יש הרבה הייפ, הרבה משפיענים מתרוצצים ומפיצים חצאי אמיתות”. וויטרון כבר חווה את זה, אומר פרישנק. מתחרים למערכת OPM פרסמו AI באלגוריתם הערימה. "אבל התוצאות לא יכולות לנצח את הפונקציונליות של Witron OPM שלנו. אלה לא פותחו עם AI, אלא עם הרבה מאוד אינטליגנציה אנושית, המבוססת על פיתוח תוכנה מוצק, תקשורת אינטנסיבית עם המשתמשים ושנים של ניסיון מעשי. אנחנו תמיד צריכים לנקוט בגישה מפוכחת. הלקוחות שלנו בעצם לא מחפשים כלי חדש. יש להם בעיה וצריכים פתרון עובד שמייעל את התהליך הלוגיסטי במרכז ההפצה או בשרשרת האספקה, שעובד יציב בשימוש מעשי וניתן לשילוב מועיל במבנה גדל".

אבל האם הפיכחות הזו לא מעכבת אותנו בגרמניה ובאירופה? "אני בהחלט צריך החזר ROI", מדגיש פרישנק בתוקף. "למפתחי LLM יש קצב שריפה של 500 מיליון דולר בשנה והם צריכים עוד כמה מיליארדים", אמר קיריאקופולוס. "זה יהיה בלתי נתפס בגרמניה או באוסטריה".

האם אנחנו לוקחים פחות מדי סיכונים? פרישנק סקפטי. "אני לא חושב כך. כשאני מסתכל על ההשקעות ב-Q-commerce, למשל, אני מקבל סחרחורת. זה המקום שבו הרבה משקיעים לקחו סיכון מלא. אבל השוק התפתח לכיוון אחר לגמרי. שיעורי הצמיחה החזויים לא הופיעו. בינתיים מתרחש גיבוש. המשקיעים המשיכו הלאה. הקמעונאים שלנו רוצים בינה מלאכותית ומשקיעים בטכנולוגיה. אבל אנחנו והלקוחות שלנו זקוקים לכלי בינה מלאכותית, כמו זיהוי מדגם או תמונה, שהם שקופים כדי לפתור בעיות שלא יכולנו לפתור קודם לכן או שיכולנו לפתור רק במאמץ רב".

מפתחי 7LYTIX עובדים עם LLMs, אבל ההתמקדות היא בחיזוי ביקוש. "אנחנו יכולים לספק ערכים מוספים, אבל חלק מהחברות לרוב לא מבינות בהתחלה מה יהיה הערך המוסף של המודל. יותר מכירות באמצעות תקשורת טובה יותר עם הלקוח או אובדן מכירות? הרבה אנשים לא יכולים לחשב את זה. זה המקום שבו הם צריכים עזרה מאיתנו", קבע קיריאקופולוס. Prieschenk מוסיף: "לקוחות Witron שלנו יכולים לחשב טוב מאוד ושכללו את העסק שלהם במשך עשרות שנים. אבל אני מבין למה מתכוון מר קיריאקופולוס: ראשית, עלינו להבהיר מה יש לייעל. הקמעונאים שואלים את עצמם האם הם רוצים לייעל את רשת שרשרת האספקה, ה מחסן גודל, האם הם רוצים להיות קרובים יותר ללקוח, האם להפחית את זמני התפוקה, לשנות את מחזורי האספקה, להפחית את בזבוז המזון והמלאי, או להחזיק פחות מלאי במחסן. מהבחינה הזו, למדנו הרבה יחד עם לקוחותינו ממקומות שונים בעולם. למדנו גם שהדרישות לחגים בפינלנד שונות מאלו שבארה"ב, או שיום שני טומן בחובו דרישות שונות מאשר יום חמישי". קיריאקופולוס מסכים. "אנחנו צריכים קודם כל דרישה ואחר כך כלי AI מתאים. ואנחנו לא צריכים למידה מעמיקה מסביב".

כמה דיוק נדרש?

איך עובדת חיזוי הביקוש שלו? "ראשית, עלינו לקבל סקירה כללית של הנתונים. זוהי עבודה מפרכת עבור קמעונאים רבים. זה לא רק על סחורה מאוחסנת, אלא גם על כמות הסחורה בחנות, כמה נמכרה, אילו גורמים משפיעים כמו מבצעים קיימים, כמה מכירות אבודות יש בחנות ועוד הרבה יותר", הסביר קיריאקופולוס. בנוסף, ישנם כרטיסי לקוח, עונות, מיקום החנות או מבצעים מיוחדים. "ואנחנו צריכים לדעת מה יש במרכז ההפצה, בחדר האחורי של החנות, במשאיות על הכביש, כי האופטימיזציה לא נגמרת בחנות. כמו כן, חשוב להימנע מהגבלות חוצות חברות או חטיבות כמו גם מאגמי נתונים. חלק עיקרי מהנתונים הנדרשים ידוע ברובו, אך מחלקות שונות למרבה הצער רודפות אחר תחומי עניין שונים". פרישנק הסכים: "אפילו עיצוב לוגיסטי הוליסטי לא צריך להתמקד רק במרכז ההפצה או בתחומי העניין המרכזיים של אזורים לוגיסטיים בודדים, או מחלקות המשפיעות על תהליך כגון רכש או משלוח. חשוב לשלב את כל שרשרת האספקה ​​בתהליך האופטימיזציה – הן פנימית והן חיצונית – ולהימנע ככל האפשר ממגורות, הן פיזית והן מבחינת IT”.

"הנתונים זורמים למודלים פשוטים מאוד", המשיך קיריאקופולוס. "הבסיס הוא החוויות של האנשים. זה עדיין לא AI. אנחנו מדברים על רגרסיות. ואז אנחנו שואלים את עצמנו אם הפכנו לטובים יותר. לאחר מכן, ניתוח סדרות זמן ושיטות למידת מכונה ראשונות. אנחנו תמיד צריכים לבחון כמה דיוק אנחנו יכולים להשיג בשלב הבא לעומת כמה הוא הערך המוסף עבור הלקוח והמשתמש”.

ווויטרון? "עלינו לוודא שהמכניקה מתאימה לדגם. כי הפיזיקה חייבת לעבוד באותו אופן. האם אנו מספקים מארזים או חלקים? או פריט אחד עם שתי האפשרויות? באיזו תדירות יש משלוחים לחנות? מה קורה כשמגוון המוצרים משתנה?" ענה פרישנק. ויטרון מרכזים לוגיסטיים יוצרים גמישות הן לחנות והן למסחר האלקטרוני. המפתח להטמעה מוצלחת, לעומת זאת, הוא לחשוב את התהליך לאחור בכל הערוצים – מהצרכן ועד מרכז ההפצה ובמידת הצורך גם אחורה, כל הדרך אל הספק. הוא רואה אתגר במיוחד ביכולת ההסבר של המודל. "אנו חווים מערכות דחיפה ומשיכה עם הלקוחות שלנו. חלקם עובדים טוב יותר מאחרים".

האם מנהלי חנויות יתנו למודל AI לציין את ההזמנות שלהם בעתיד? קיריאקופולוס מכיר את הטיעון מתעשיית האופנה. "אם מישהו קונה שם כבר 20 שנה, אז קשה להסביר מיד את הערך המוסף או לשכנע את הצרכן שאולי הדגם הזה טוב יותר. אבל אנחנו עושים את זה שקוף - אנחנו אומרים באילו גורמים אנחנו משתמשים, איך אנחנו משקללים אותם, והיכן הגורם המתאים חל".

לאדם יש את השליטה

המומחים מאוסטריה יכולים להסתכל 18 חודשים אל העתיד. הם משתמשים בממשקים כדי לחבר את הדגם למערכות הקיימות של הקמעונאי, יצרן הפלדה או קמעונאי הנעליים. "אני לא רוצה להרוס הכל כדי להשתמש במודל AI", צחק קיריאקופולוס. "זו הדרך הנכונה - השילוב בארכיטקטורות קיימות", אישר פרישנק.

אבל עד כמה הדגם חזק? מילת מפתח: קוביד 19. "גם את זה לא הצלחנו לראות", הסביר המומחה האוסטרי. "עבדנו אז עם המודל בלוגיסטיקה קפואה. התחזית לטווח הקצר לא הייתה טובה בהתחלה, אבל לאחר שבוע, המודל עבד שוב. אחרי שבועיים זה היה יציב. אבל התחזית לבדה לא מספיקה. הלקוח צריך לעבוד איתה – למשל לחזק ערוצי שיווק, להפעיל מבצעים או להתאים מחירים במידת הצורך”.

"זה חיוני," אמר פרישנק. "זה הזמן שבו אנשים משתלטים על השליטה. לעולם אל תזלזל בתחושת הבטן של מנהל לוגיסטי, טכנאי שירות או מפעיל חנות. החוויות של אנשים ומודל נתונים מתפקד היטב הם הבסיס לקבלת החלטות אינטליגנטיות – כלומר, החלטות נכונות בטווח הארוך. במרכז ההפצה זה חל גם על יישום אסטרטגיות תחזוקה או 'תפעול נכון' של המערכת. וחשוב מכך, המודלים, הכלים והפתרונות צריכים להיות יציבים ולהוכיח את עצמם בשימוש מעשי, ולספק ערכים מוספים אמיתיים בעסקים היומיומיים".

AI מספק מידע, האחראי מחליט וממשיך לשלוט בתהליך. "עשינו מהפכה בפיזיקה במרכז הלוגיסטי לפני יותר מ-20 שנה. עם פתרון OPM, הצלחנו שסחורה מוערמת אוטומטית על משטחים ומכולות גלילים ללא שגיאות ובאופן ידידותי לחנות. כעת אנו עושים את הצעד הבא ובוחרים במודלים לוגיסטיים מקצה לקצה. ואני בטוח שעדיין אחווה מודל AI Witron מקצה לקצה עבור המחסן", ניבא פרישנק.