لماذا يجب أن يرتقي الحكم البشري في قطاع النقل بالشاحنات إلى مستوى أعلى في بنية الذكاء الاصطناعي

على مدار العقد الماضي تقريبًا، كانت أهم نقاط الضغط في قطاع النقل بالشاحنات تدور حول السرعة والوصول. كانت الرؤية في الوقت الفعلي، وبيانات الأسعار، ومعلومات الشحن، والمسارات، وإطارات زمنية للرحلات، وغيرها من المتغيرات، غير واضحة إلى حد كبير. كان رد الصناعة على هذه التحديات هو دمج الذكاء الاصطناعي في لوحات الشحن الموسعة، وتعدد واجهات برمجة التطبيقات، ولوحات التحكم الرقمية المتنوعة للشحن، وتكامل أنظمة إدارة النقل (TMS).

الآن، يتزايد اعتماد الذكاء الاصطناعي بشكل مستمر في عمليات النقل اليومية، حيث يتم دمجه في الأدوات والأنظمة التي يستخدمها المرسلون، والناقلون، والوسطاء، والموردون.

لكن تحولًا غير متوقع أصاب قطاع النقل بالشاحنات. إن زيادة الوصول إلى البيانات والرؤى يعني أن المرسلين يغرقون في الخيارات. الآن، أكبر عنق زجاجة في النقل ليس نقص المعلومات، بل ما يُفعل بها. التغلب على ذلك يتطلب إعادة التفكير في موضع الحكم البشري داخل سير العمل ومعالجة الأماكن التي يُهدر فيها.

البنى التحتية للقرارات لم تصبح بعد ذكية

الواقع هو أن عمليات اتخاذ القرار لم تواكب بعد البنى التحتية الرقمية. تُغمر الفرق بكم هائل من المعلومات، لكن إجهاد القرار والشلل لا يزال يثقل العمليات.

المزيد من الخيارات، دون إطار واضح لتقييمها بشكل نقدي وسريع ومتسق، لا يؤدي إلى قرارات أفضل. في الواقع، لا تزال العديد من القرارات، مثل أي شحنات يتم قبولها، وكيفية تسعير الشحن الفوري، ومتى يتم إعادة توجيه الشاحنة، تُتخذ يدويًا. يُعرف قطاع النقل بالشاحنات بـ هوامش رقيقة، وغالبًا ما تُنفذ هذه القرارات التي تتطلب جهدًا يدويًا تحت ضغط زمني شديد وبشكل غير متسق حسب المرسل، واليوم، ومتطلبات اللحظة.

في الأساس، صُمم الذكاء الاصطناعي للعمل بسرعة، ومع ظهور الذكاء الاصطناعي الوكّالي، فإن ذلك سيزيد من تسارع عمليات اتخاذ القرار. ومع ذلك، تفتقر معظم الأساطيل حاليًا إلى البنية التحتية التي تمكّن الأشخاص من مواكبة الوتيرة. إنها فجوة بنيوية، وليست تقنية، تحتاج إلى معالجة عاجلة.

الخطر الحقيقي ليس استبدال الأشخاص بالذكاء الاصطناعي

هناك مخاوف متزايدة حول فقدان الوظائف بسبب الذكاء الاصطناعي، وهذه المخاوف في الغالب غير مبررة. لا يمكن إزالة الحكم البشري من سير العمل، لكن الثغرات في اتخاذ القرار — حتى مع وجود الذكاء الاصطناعي — تكشف عن تهديد أكثر إلحاحًا يجب الاعتراف به.

عندما يقضي المرسلون الماهرون ساعات عملهم في مسح لوحات الشحن يدويًا، ومقارنة الأسعار، ومطاردة رسائل التأكيد، فإنهم يؤدون مهامًا يمكن للخوارزميات إنجازها في أجزاء من الثانية. هذا ليس استخدامًا جيدًا للذكاء البشري، ويغرق الناس في عمليات اتخاذ قرار منخفضة الجودة. في الحالات التي تتطلب قرارات ذات قيمة عالية وتستلزم درجة كبيرة من التفكير النقدي والاستراتيجي، يصبح العبء المعرفي واضحًا بشكل صارخ.

يصبح الذكاء الاصطناعي أكثر كفاءة في استيعاب البيانات المنظمة وغير المنظمة، وتقديم التوصيات، وتحديد الأنماط، وحتى توفير قدرات تنبؤية. لكن اتخاذ القرار بشأن أي خيار هو الأنسب بناءً على ما تظهره البيانات—هذه مهارة لا يمتلكها إلا شخص مطلع ومتمرس.

رفع الخبرة البشرية إلى مستوى أعلى

سيستمر المرسلون والمخططون ذوو الخبرة في لعب دور قيم، ولكن فقط إذا توقفوا عن قضاء وقتهم في التصرف كمحركات بحث. الانتقال إلى مستوى أعلى يعني الابتعاد عن الأعمال الروتينية ذات المخاطر المنخفضة—ملء النماذج، والبحث عن الشحنات—والتركيز على الاستراتيجية والإشراف ذات المخاطر العالية. يجب على المرسلين والمخططين وضع معايير قرار قوية والالتزام بها، ومراجعة مخرجات الذكاء الاصطناعي وتوصياته، والتعامل مع المواقف المعقدة، وإدارة وبناء علاقات العملاء.

يجب على الشركات الاستفادة من المعرفة السياقية والقطاعية لفرقها التي تحول القرار الجيد إلى قرار ممتاز: احتياجات العملاء وأيهم يحتاج صيانة أكثر، والمسارات التي تحمل تكاليف خفية، والتفاوض على أسعار الشحن، وتوفير توجيه واضح لإدارة الأزمات، والمعرفة بالسائقين، وغيرها. بعبارة أخرى، يجب توجيه المواهب البشرية إلى المجالات التي لا يستطيع أي خوارزم أو نموذج مطابقتها.

كن متعمدًا في تصميم سير العمل الذي يحتوي على أسباب واضحة للإشراف البشري والتصعيد. حدّد أين لا يزال الحكم البشري مناسبًا، وابنِ سير العمل وفقًا لذلك. حدد نطاق تنفيذ الذكاء الاصطناعي حول سير عمل محدد وقابل للقياس، ثم أدخل نقاط تفتيش بشرية صريحة قبل التوسع أكثر.

من الضروري للقادة مواءمة تطوير المواهب والمهارات للذكاء الاصطناعي مع احتياجات الأعمال. يجب تقييم وتحديد المهارات التي ستحتاجها الشركة لتحقيق أهدافها الاستراتيجية خلال السنوات القليلة المقبلة، ومقارنتها بالقدرات التي تمتلكها الفرق حاليًا. يخلق ذلك مسارًا واضحًا وجدولًا زمنيًا لتثبيت مسار خطوط المهارات بما يتماشى مع تبني الذكاء الاصطناعي.

بعد ذلك، سد الفجوات الحقيقية في المعرفة والمهارات من خلال التعلم العملي. الاعتماد فقط على النظرية لن يزود الفرق بالثقة اللازمة للإشراف على الذكاء الاصطناعي. في الواقع، 85% من العاملين يواجهون صعوبة في تطبيق ما يتعلمونه في تدريب الذكاء الاصطناعي على متطلبات وظائفهم. يتيح الجمع بين التدريب والإرشاد والتطبيق العملي في بيئات العمل الواقعية للناس تطبيق المهارات الجديدة في وظائفهم اليومية.

لا تتعامل مع تدريب الذكاء الاصطناعي كورشة مهارات لمرة واحدة. تتطور المهارات وأولويات الأعمال وتتغير. يجب أن يتطور تطوير المواهب مع هذه التغييرات. الشركات التي تدير مواهب الذكاء الاصطناعي بشكل جيد تعتبرها جزءًا من تشغيل الأعمال، وليس كتمرين منفصل للموارد البشرية.

ما الذي تفعله أفضل الأساطيل بشكل مختلف بالفعل

الأساطيل التي نجحت في تنفيذ الذكاء الاصطناعي لا تعتبره أداة تقارير بل طبقة دعم في اتخاذ القرارات. يجعل الذكاء الاصطناعي المعلومات والبيانات مرئية ومتاحة، ويقوم البشر بوضع استراتيجيات حول كيفية التصرف بناءً عليها.

قاموا ببناء بنية تجعل العبء المعرفي على المشرف البشري في أدنى حد ممكن. بدلاً من الفرز بين عدد كبير من الخيارات المتوسطة تحت ضغط زمني شديد، يتم تقديم توصيات واضحة ومصفاة ومصنفة ومُعَدة سياقيًا لاتخاذ قرارات استباقية. في النهاية، دور المخطط هنا ليس العثور على الشحنات بل وضع الاستراتيجيات والتحقق من صحة التوصيات.

وبشكل حاسم، بناء بنية قرار صحيحة لتحقيق ذلك يعني وضع أسس بيانات تسمح لأدوات الذكاء الاصطناعي بأن تكون تلك الطبقة الاستباقية. لقد دمجوا خطوط أنابيب بيانات قوية ومدارة جيدًا ومتصلة عبر الأنظمة وسير العمل بحيث يعمل الذكاء الاصطناعي بأفضل أداء. لكن هذه الأساطيل استثناء؛ لا تزال إدارة البيانات تشكل مصدر قلق كبير في تبني الذكاء الاصطناعي في قطاع النقل، مع مخاوف حول تكامل البيانات ودقتها تقريبًا يتضاعف بين عامي 2025 و2026.

لذلك، يجب على الشركات التي تقيم منصات الذكاء الاصطناعي وتعِد بنية القرارات التأكد من أن الأنظمة تزود الذكاء الاصطناعي ببيانات شحن متسقة وعالية الجودة، وأداء المسارات، وأنماط سلوك العملاء، ورؤى محدثة حول الطرق والمسافات المحتملة المفقودة. يجب على الشركات تدقيق السلسلة بالكامل: من أين تأتي البيانات، وكيف تتحرك، من يتحكم فيها، وما الذي يتغير على طول الطريق.

إليك مخطط أساسي لتصحيح وتعزيز البيانات. أولاً، تحقق من أنظمة المصدر وسير العمل؛ المدخلات غير الموثوقة تعني مخرجات غير موثوقة. بعد ذلك، افحص خطوات التحويل والتحميل لتحديد أماكن فقدان البيانات أو تأخرها أو تعديلها.

يجب أيضًا التحقق من جودة البيانات نفسها لدعم أغراض اتخاذ القرار القوية. ركّز على الأساسيات التي تؤثر على القرارات أكثر: حداثة البيانات، اكتمالها، التكرار، القيم الفارغة، ومعرفات المفاتيح. إذا كان أي منها يحتوي على أخطاء، يصبح كامل خط الأنابيب غير موثوق. يجب أن يكون كل رقم قابلًا للتتبع إلى مصدره وأن يُستعاد بسرعة بعد أي عطل. الشركات التي تفشل في ضمان ذلك لا تملك خطوط أنابيب قوية بما يكفي لتناسب بنى القرار.

تمتلك الأساطيل البيانات، وتم حل أسئلة الوصول والرؤية. أكبر عائق أمام قيمة الذكاء الاصطناعي يكمن في الجانب البشري من العمليات، ولن تغلق المزيد من البيانات أو الأدوات أو الوصول أو الرؤى فجوة القيمة. ستُسهم بنية قرار أذكى، مبنية على أسس بيانات قوية وتصاميم سير عمل مدروسة حول المكان الذي يكون فيه الحكم البشري هو الأنسب، في ذلك.