Sriram Nagaswamy, Executive Vice President i FourKites – Interviewserie

FourKites er kendt for sin rolle i AI-dreven forsyningskæde-transformation og er udvikleren af Intelligent Control Tower™, der opererer på, hvad der beskrives som verdens største real-time synlighedsnetværk. Platformen muliggør oprettelse af komplette digitale tvillinge af forsyningskæder og integrerer AI-drevne digitale agenter til at understøtte automatisering, forbedre samarbejde og drive operationelle resultater for alle interessenter. I modsætning til traditionelle kontroltårne er FourKites’ løsning designet til at understøtte real-time-udførelse og intelligent opfyldelse på både forsynings- og kundefacader.

Hvad inspirerede den seneste ændring hos FourKites fra synlighed til kontroltårne, og hvordan identificerede du hullerne på markedet eller at dette var det rette tidspunkt at forfølge disse nye mål?

FourKites’ skift til kontroltårne og en ny digital arbejdsstyrke afspejler en større evolution i forsyningskæde- og logistikområdet. Simpelthen sagt er synlighed og indsigt ikke længere nok. Med den hurtige udvikling af AI og en vision om at gå ud over blot datalevering, prioriterer leverandører intelligent automatisering og løsninger, der kan ikke kun strømlinje operationer, men også levere på løftet om, at AI tager automatiske handlinger på indsigt fra real-time-data og synlighed.

Skiftet til vores intelligent kontroltårn og en digital arbejdsstyrke hjælper vores kunder med at opnå deres strategiske mål på måder, der ikke tidligere var mulige. Nu kan AI omforme forsyningskædeledelse fra reaktiv sporings til proaktiv orkestrering, som vi har sat os for at opnå i mange år, og muliggøre mere autonome og intelligente arbejdsprocesser.

Kan du fortælle os mere om din rejse i teknologi og AI og hvordan det førte dig til din nuværende rolle i FourKites?

Jeg startede min ingeniørkarriere for over 20 år siden i Chicago. Siden da har jeg dyrket en passion for alle aspekter af teknologi, fra signalbehandling, videokompression og computer vision til maskinlæring og SaaS-levering.

Den hurtige udvikling af AI har superchargeret denne passion, og ønsket om at være på forkanten af dets udvikling og adoption i forsyningskædeområdet har gjort det til en meget spændende tid at arbejde i branchen.

Den tidlige erfaring, samt stop på Logitech, Samsung og andre, førte mig til min nuværende rolle i FourKites, hvor jeg er ansvarlig for produktlevering, datavidenskab og giver mit team muligheder for vækst og platforme til at vise innovative arbejder i forsyningskædeområdet.

Hvordan ser du AI omforme landskabet i forsyningskæde-teknologi i de næste få år?

Vores mission har altid været at løse forsyningskædeudfordringer, samtidig med at vi hurtigt omfatter teknologiske innovationer. Fremover er det, der mest exciterer mig, at AI vil blive brugt på måder, vi ikke tidligere har set, og hjælpe kunder med at samle, behandle og tage handlinger på nye måder.

Forestil dig, at i stedet for at kræve manuelle indtastninger af grundlæggende information, kan brugere af alle typer blot tale til en app eller tage et billede af, hvad de ser, og LLM vil være i stand til at identificere og trække ud samme kvalitet af information.

Tag fx Port of New Jersey og Port of Newark Container Terminal som eksempel. De har videokameraer, der er tændt 24/7 og opdateres hvert 30. sekund. Hvis vi starter med at fange disse billeder, kan vi nøjagtigt vide, hvilke lastbiler kom ind og ud ved blot at se på nummerplader eller containernumre. De fleste havne har disse kameraer til rådighed 24/7, så demokratiseringen af data og mere naturlige måder at samle data på vil være den lavest hængende frugt, der kan revolutionere shipping og tracking.

Hvilke metrikker eller succesindikatorer er mest vigtige for dig, når du vurderer platformens indvirkning på kunder?

De vigtigste metrikker for at vurdere platformens kundeindvirkning inkluderer arbejdsprocessautomatiseringskapacitet, reduktion i manuelle opgaver og specifikke operationelle effektivitetsforbedringer. Vi ser på, hvordan vi kan reducere OTIF-straffe, mindske integrationsomkostninger, forbedre lastehåndteringsevne og muliggøre mere autonome og intelligente forsyningskædeledelse. Disse metrikker viser en konkrete evne til at levere værdi for kunder ved at omforme komplekse forsyningskædeprocesser.

Hvordan udnytter FourKites AI og maskinlæring til at give en konkurrencemæssig fordel i forsyningskæde-teknologimarkedet?

Vi udnytter AI og maskinlæring til at drive meningsfuld fremgang mod at eliminere i dagens udbredte datasiloer, og baner vejen for en mere effektiv metode til at overvåge, analysere og handle på forsyningskædedata i real-time.

Til den ende bruger vi AI til at hjælpe med at vurderere indvirkningen af disrupterede begivenheder, diagnosticere sporingsproblemer, få produktvejledning og mere. Vores nye AI-drevne digitale arbejdere automatiserer almindelige arbejdsprocesser, eliminerer 80% af rutineopgaver og øger lastehåndteringsevnen med 40%, mens de arbejder døgnet rundt.

Hvad adskiller FourKites’ løsning fra andre i branchen, især i forhold til AI-kapaciteter og integrationer?

Vi adskiller os ved at fokusere på slut-til-slut-arbejdsprocesser, omdanne generiske AI-modeller til forsyningskæde-domæneeksperter og opretholde et engagement i kontinuerlig læring og hurtig teknologisk adoption. Ved at integrere real-time-netværksdata, digitale tvillinge af kundernes forsyningskædeoperationer og en AI-dreven digital arbejdsstyrke tilbyder vi branchens mest omfattende og intelligente løsning.

Kan du dele indsigt i udviklingsprocessen bag FourKites’ kernefunktioner, herunder dens real-time-forsyningskædedata, digitale tvillinge og digitale arbejdere?

Udviklingsprocessen for FourKites’ kernefunktioner kendetegnes af hurtig eksperimentering, læring og en samarbejdende tilgang. Vi bruger et dedikeret R&D-hold, som vi kalder AI Guild, der fokuserer på at udforske de seneste teknologier, gennemføre interne tests og valideringer og dele indsigt på en måde, der bevæger sig så hurtigt som AI kan udvikle.

Ved at bryde komplekse opgaver ned i mindre, håndterbare handlinger og kontinuerligt evaluere og integrere nye AI-modeller, sikrer vi, at vores løsninger forbliver skarpe og tilpasningsdygtige.

Hvordan har fremskridt i cloud-computing og digitalisering påvirket, hvordan organisationer nærmer sig deres forsyningskædesynlighed og automatisering?

Fremskridt i cloud-computing og digitalisering har dybt påvirket forsyningskædesynlighed og automatisering ved at dramatisk reducere AI-træningsomkostninger, fjerne operationelle siloer og muliggøre mere komplekse og intelligente systemer i stor skala. Disse teknologiske skift har skabt et behov for kontinuerlig læring og tilpasning, der giver organisationer mulighed for at udvikle mere autonome, intelligente forsyningskædeløsninger med betydeligt reducerede infrastrukturomkostninger og øget operationel fleksibilitet.

Hvordan løser Intelligent Control Tower de nøglebegrænsninger i legacy-forsyningskædesystemer, såsom deres afhængighed af batchbehandling og manglende real-time-integration, for at muliggøre autonome handlinger og forbedre operationel effektivitet?

Der er ingen tvivl om, at legacy-systemer har skabt betydelige barrierer for virksomheder, der håber på at opnå mere dataintensive operationer og give større værdi ved at udnytte agens-ai og intelligent automatisering.

Trods betydelig innovation har vi fundet, at legacy-systemer stadig kæmper, når det kommer til real-time-data, da mange er designet til batchbehandling med relationelle databaser. Da FourKites var pioner på markedet for real-time-forsyningskædesynlighed, antog vi, at virksomhedsplanlægnings- og eksekutionssystemer ville forbruge den information, vi giver, og operationalisere den, men det skete aldrig, og vores kunder blev efterladt til at operationalisere deres data på egen hånd.

Nu flipper vores Intelligent Control Tower-løsning skriftet på legacy-systemer. I stedet for at afhænge af, at virksomhedssystemer forbruger data og operationaliserer den, kan virksomheder i stedet udnytte AI-drevne platforme som FourKites til at forbruge data fra legacy-systemer og integrere den i arbejdsprocesser, hvor både digitale og menneskelige arbejdere har den kontekst, de behøver.

Hvilke specifikke brugstilfælde eller kundeudfordringer blev prioriteret i udviklingen af Intelligent Control Tower, og hvordan skaber dens AI-drevne pakker, såsom Supplier Connect AI og Yard Connect AI, målbare værdier for forsyningskædeinteressenter?

I udviklingen af Intelligent Control Tower satte vi os for at realisere den vision, vi havde fra dag ét i FourKites: at gøre forsyningskæder mere effektive og robuste ved at løse kritiske udfordringer, såsom vurdering og afværning af disruptioner, automatisering af rutineopgaver, reduktion af manuel dokumentbehandling, forbedring af leverandør-samarbejde og mere.

Vi løser disse udfordringer ved at tilbyde skræddersyede pakker, der udnytter AI til at opnå operationelle forbedringer i de mest almindelige områder. Fx automatiserer vi rutine sporings- og sporingstiltag for at øge lastehåndteringsevnen med 40% og drive op til 30% reduktion i OTIF-straffe. Vi hjælper også afsendere med at fuldstændigt automatisere deres samarbejde med leverandører og levere mere effektivitet i indkøbsprocessen.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge FourKites.