Το Επόμενο Χάσμα στην ΤΝ: Γιατί οι Μεσαίου Μεγέθους Εταιρείες Logistics Πρέπει να Διορθώσουν την Υποδομή τους Πριν Μπορέσουν να Εκμεταλλευτούν την ΤΝ

Η συζήτηση γύρω από την ΤΝ συχνά εστιάζει στην πρόσβαση, με την υπόθεση ότι μόλις μια εταιρεία έχει πρόσβαση στα σωστά μοντέλα και εργαλεία, η επόμενη πρόκληση είναι να καταλάβει πώς να τα χρησιμοποιήσει. Για τις μεσαίου μεγέθους εταιρείες logistics, αυτό δεν είναι απαραίτητα το σημείο όπου ξεκινά το πρόβλημα.

Σε πολλά αποθήκες και παρόχους τρίτων logistics (3PL), το χάσμα σπάνια οφείλεται σε έλλειψη συστήματος. Οι περισσότεροι έχουν ήδη ένα σύστημα διαχείρισης αποθήκης (WMS), λογισμικό διαχείρισης πόρων επιχείρησης (ERP) ή λογιστικό πακέτο, συνδέσεις μεταφορέα και EDI με τους μεγαλύτερους πελάτες τους. Το πρόβλημα είναι τι συμβαίνει μεταξύ αυτών των συστημάτων.

Οι συνδέσεις σημείο-προς-σημείο συσσωρεύονται με τον χρόνο. Ένας πελάτης ή εμπορικός συνεργάτης συνδέεται με έναν τρόπο, ένας άλλος συνεργάτης συνδέεται με διαφορετικό τρόπο και τελικά κανείς δεν έχει πλήρη εικόνα του τι επικοινωνεί με τι. Η ενσωμάτωση εξαρτάται επίσης από τους ανθρώπους, όπως όταν κάποιος επανεισάγει παραγγελίες από μια πύλη πελάτη ή εξοφλεί τις αποστολές της προηγούμενης ημέρας σε ένα φύλλο εργασίας κάθε πρωί. Ένα 3PL μπορεί να μην γνωρίζει ότι μια συναλλαγή απέτυχε μέχρι να καλέσει ένας πελάτης για να ρωτήσει πού είναι η παραγγελία του.

Τίποτα από αυτά δεν εμφανίζεται σε μια λίστα περιουσιακών στοιχείων IT, γι’ αυτό είναι τόσο εύκολο να υποτιμηθεί το πρόβλημα. 

Το Πρόβλημα Εντός των Μεταβιβάσεων

Τα μεγαλύτερα λειτουργικά προβλήματα τείνουν να συμβαίνουν στις μεταβιβάσεις, όπου μια παραγγελία, παραλαβή ή αποστολή μετακινείται από ένα σύστημα ή εταιρεία σε άλλη:

• Μια εισερχόμενη παραγγελία που φτάνει αργά ή είναι κατεστραμμένη μπορεί να σημαίνει χαμένη παρτίδα και χαμένη ημερομηνία αποστολής. 
• Μια προειδοποίηση αποστολής που δεν ταιριάζει με ό,τι φθάνει φυσικά μπορεί να σταματήσει τη λήψη ενώ οι υπάλληλοι ελέγχουν κάθε παλέτα. 
• Μια επιβεβαίωση αποστολής που δεν φθάνει ποτέ στο σύστημα του πελάτη μπορεί να δημιουργήσει καθυστέρηση στη χρέωση και να οδηγήσει σε επιστροφή χρημάτων, όπου ένας λιανοπωλητής αφαιρεί ποινή για παραβίαση συμμόρφωσης.

Για ένα 3PL, αυτά τα προβλήματα πολλαπλασιάζονται επειδή κάθε πελάτης έχει τα δικά του φορμά, κανόνες και προσδοκίες. Η λειτουργία της αποθήκης συνήθως τρέχει ομαλά, αλλά η ροή των πληροφοριών γύρω της διακόπτεται. 

Αυτή η διάκριση γίνεται πιο σημαντική καθώς οι εταιρείες εισάγουν την ΤΝ στις λειτουργίες τους, επειδή μπορεί να λειτουργήσει μόνο με τις διαθέσιμες πληροφορίες. Η σύνδεση ενός chatbot ή copilot σε ένα σύστημα μπορεί να είναι καλή επίδειξη, αλλά δεν δίνει σε αυτό το σύστημα ορατότητα σε μια λειτουργία που εκτείνεται σε πολλά συστήματα.

Στη logistics, οι χρήσιμες ερωτήσεις συχνά διασχίζουν αυτά τα όρια, έτσι μια απάντηση σχετικά με μια παραγγελία μπορεί να απαιτεί πληροφορίες από το WMS, το ERP και ένα σύστημα μεταφοράς ή πελάτη. Ένα εργαλείο ΤΝ που μπορεί να δει μόνο ένα μέρος αυτής της διαδικασίας εργάζεται με ελλιπή εικόνα.

Υπάρχει ένα αυξανόμενο χάσμα μεταξύ εταιρειών των οποίων η υποδομή επιτρέπει στην ΤΝ να λειτουργεί με τις πληροφορίες που χρειάζεται και εταιρειών των οποίων τα συστήματα παραμένουν αποσυνδεδεμένα, και αυτό είναι το σημείο όπου εμφανίζεται το επόμενο χάσμα στην ΤΝ. 

Η ΤΝ Χρειάζεται μια Βάση με την οποία Μπορεί Πραγματικά να Λειτουργήσει

Μια πραγματικά έτοιμη για ΤΝ υποδομή πρέπει να περιγράφεται με λειτουργικούς όρους και όχι με τεχνολογικούς. Κάθε σημαντικό γεγονός, όπως μια παραγγελία, παραλαβή, κίνηση αποθέματος ή αποστολή, πρέπει να περνά μέσω ενός κοινόχρηστου κόμβου αντί για μια συλλογή ξεχωριστών συνδέσεων. Η μορφή που στέλνει ένας εμπορικός συνεργάτης δεν πρέπει να αποτελεί πρόβλημα της αποθήκης. Τα X12, EDIFACT, XML ή JSON πρέπει να κανονικοποιηθούν στην ίδια παραγγελία πριν κάποιος κατέβει στη ροή χρειαστεί να σκεφτεί τη μορφή.

Οι ομάδες πρέπει να γνωρίζουν πότε κάτι αποτυγχάνει μέσα σε λίγα λεπτά, πριν το πρόβλημα φτάσει σε έναν πελάτη. Οι ίδιες πληροφορίες που χρησιμοποιούν οι υπάλληλοι για να εντοπίσουν και να επιλύσουν αυτά τα ζητήματα πρέπει επίσης να είναι προσβάσιμες σε λογισμικό και πράκτορες ΤΝ μέσω καθαρών API που διατηρούν τα υπάρχοντα δικαιώματα. Επίσης χρειάζεται ένα αρχείο του τι συνέβη ώστε όταν η ΤΝ προτείνει κάτι, ένα άτομο να μπορεί να ελέγξει το γιατί. 

Όταν αυτές οι προϋποθέσεις είναι σε ισχύ, η προσθήκη της ΤΝ γίνεται πολύ πιο απλή. Αυτό δεν σημαίνει ότι μια μεσαίου μεγέθους εταιρεία πρέπει να αντικαταστήσει όλο το τεχνολογικό της σύστημα. Στην πραγματικότητα, ένα μεσαίου μεγέθους 3PL σχεδόν ποτέ δεν χρειάζεται νέο WMS ή ERP απλώς για να γίνει έτοιμο για ΤΝ. Η πιο πρακτική προσέγγιση είναι να αφήσουμε τα βασικά συστήματα όπως είναι και να διορθώσουμε τις συνδέσεις μεταξύ τους.

Ένας ενιαίος κόμβος στον οποίο συνδέονται όλα τα συστήματα και οι συνεργάτες είναι πολύ πιο εύκολο να διαχειριστεί κανείς από ένα δίκτυο μοναδικών συνδέσεων.

Η ΤΝ Μπορεί να Βοηθήσει στην Κατασκευή της Υποδομής

Αυτό είναι επίσης το σημείο όπου η ΤΝ μπορεί να είναι ιδιαίτερα χρήσιμη για μεσαίου μεγέθους εταιρείες. Παραδοσιακά, η ενσωμάτωση απαιτούσε ανθρώπους να διαβάζουν τις προδιαγραφές των συνεργατών, να χαρτογραφούν πεδία με το χέρι και να δοκιμάζουν αυτές τις χαρτογραφήσεις έναν συνεργάτη τη φορά. Ένας ενιαίος χάρτης συνεργάτη μπορεί να απαιτήσει εβδομάδες πρακτικής εργασίας, δοκιμών καθώς και αλληλεπιδράσεων με τον συνεργάτη.

Τα τρέχοντα μοντέλα ΤΝ είναι ικανά να διαβάζουν προδιαγραφές και δείγματα αρχείων, να προτείνουν χαρτογράφηση και να τη δοκιμάζουν ενάντια σε πραγματικές συναλλαγές. Ένα άτομο μπορεί στη συνέχεια να ελέγξει και να εγκρίνει το αποτέλεσμα.

Η AI μπορεί να μειώσει την απαιτούμενη χειροκίνητη εργασία για την παραγωγή της πρώτης έκδοσης ενός χάρτη EDI. Ο ειδικός μπορεί να ξεκινήσει με ένα προσχέδιο, να το ελέγξει και να το διορθώσει πριν το στείλει μέσω του υπάρχοντος κύκλου ελέγχου του συνεργάτη, επιτρέποντας στους ειδικούς να δαπανούν λιγότερο χρόνο στην κατασκευή των χαρτών πεδίο προς πεδίο, διατηρώντας παράλληλα τον έλεγχο του τελικού αποτελέσματος.

Αλλά υπάρχει μια σημαντική διάκριση μεταξύ της χρήσης της AI για ενσωμάτωση και της εμπιστοσύνης στην AI για την ενσωμάτωση.

Κατά την εκτέλεση αυτού, χρησιμοποιώ μια προσέγγιση που ονομάζω «Πρόταση, Εδάφωση, Επαλήθευση, Επιβεβαίωση».

Η AI προτείνει τη ρύθμιση του συνεργάτη και τη χαρτογράφηση πεδίων. Βασίζεται στην πραγματική προδιαγραφή και στα δείγματα αρχείων αντί να εφευρίσκει πεδία ή κωδικούς. Μια ξεχωριστή διαδικασία επαλήθευσης συγκρίνει τη χαρτογράφηση πεδίο προς πεδίο με ένα πραγματικό έγγραφο. Στη συνέχεια, ένα άτομο επιβεβαιώνει το αποτέλεσμα πριν φτάσει σε μια ζωντανή ροή πελατών.

Μάθαμε γιατί αυτή η πειθαρχία είναι σημαντική δοκιμάζοντας χάρτες που δημιουργήθηκαν από AI έναντι πραγματικών παραγωγικών εγγράφων.

Σε μια δοκιμή, ένας χάρτης που δημιουργήθηκε από AI διάβασε ένα έγγραφο μεταφοράς αποθήκης χωρίς κανένα σφάλμα και εξακολουθούσε να παραλείπει όλα τα 15 στοιχεία γραμμής. Σε άλλη δοκιμή, διατήρησε όλα τα έξι μέρη σε μια παραγγελία αποστολής, αλλά έχασε τον κωδικό που ταυτοποιούσε ποιο μέρος ήταν το «ship‑to», καθώς και τη διεύθυνση οδού. Ο αυτοματοποιημένος έλεγχός μας χαρακτηρίστηκε ως «καθαρός» χάρτης, και ένας ειδικός EDI εντόπισε το κενό.

Ακόμη και τα δεδομένα αναφοράς μπορεί να είναι λανθασμένα. Ένα αρχείο προτύπων που ισχυριζόταν ότι είχε ελεγχθεί διασταυρωτικά, διαφωνούσε με το δημοσιευμένο πρότυπο σε κάθε αμφισβητούμενο τμήμα που δοκιμάσαμε.

Το μάθημα είναι ότι ένα μερικό αποτέλεσμα μπορεί να είναι πιο δύσκολο να εντοπιστεί από ένα ελλιπές. Η επαλήθευση πρέπει να συγκρίνει κάθε πεδίο σε ένα πραγματικό έγγραφο με ό,τι κατέγραψε ο χάρτης. Η επιβεβαίωση ότι ένα έγγραφο αναλύεται δεν αρκεί.

Αξιόπιστα αποτελέσματα εξαρτώνται από την πειθαρχία που περιβάλλει το μοντέλο, από το πώς χρησιμοποιείται μέχρι το πώς ελέγχονται τα αποτελέσματά του.

Η Αξία Ξεκινά Πριν η AI Πάρει Απόφαση

Η εργασία υποδομής έχει αξία πολύ πριν ένας πράκτορας AI αρχίσει να δίνει λειτουργικές συστάσεις. Ένας 3PL με τον οποίο συνεργαστήκαμε λειτουργούσε με SAP παράλληλα με το σύστημα αποθήκης του. Κάθε παραλαβή εισερχόμενου εμπορεύματος απαιτούσε τρία έως πέντε λεπτά χειροκίνητης εισαγωγής, και το απόθεμα στο SAP καθυστέρησε περίπου 20 λεπτά από το αποβάθρα.

Μόλις τα δύο συστήματα συνδέθηκαν άμεσα, αυτή η καθυστέρηση έγινε σχεδόν σε πραγματικό χρόνο. Η λειτουργία εξοικονόμησε πάνω από 980 εργατοώρες ετησίως, συμπεριλαμβανομένων 775 ωρών σε έξοδο εργασιών. Η παρακολούθηση μέσω υπολογιστικών φύλλων εξαφανίστηκε, ενώ ετικέτες, φορτωτικές και λίστες συσκευασίας άρχισαν να παράγονται αυτόματα. Η αποθήκη διατήρησε τις υπάρχουσες ροές εργασίας, οπότε κανένας στο πάτωμα δεν χρειάστηκε να εκπαιδευτεί εκ νέου.

Το μάθημα που αντλήσαμε από αυτό το έργο ήταν μεγαλύτερο από τις εξοικονομήσεις εργασίας. Μόλις δύο συστήματα μοιράζονται μια ενιαία τρέχουσα εικόνα, αυτή η ίδια εικόνα είναι αυτό που χρειάζεται ένας πράκτορας AI για να είναι χρήσιμος.

Η σύνδεσή τους είναι το βήμα που καθιστά όλα τα επόμενα δυνατά.

Η Ετοιμότητα για AI Ξεκινά με την Ενσωμάτωση

Για τις εταιρείες που αποφασίζουν από πού να ξεκινήσουν, η ενσωμάτωση πρέπει να έρθει πρώτα, με την AI να εκτελεί μεγάλο μέρος της εργασίας ενσωμάτωσης. Πολλές φορές το λάθος που κάνουν οι λειτουργίες είναι να αντιμετωπίζουν την AI ως κάτι που ανήκει μόνο στο τέλος της διαδικασίας. Μπορεί να βοηθήσει να γίνει η εργασία ενσωμάτωσης πιο γρήγορη και λιγότερο δαπανηρή στην αρχή, και να βοηθήσει στις αποφάσεις μόλις αυτή η βάση είναι σε θέση.

Οι εταιρείες λογιστικής μεσαίου μεγέθους δεν χρειάζονται απαραίτητα περισσότερη τεχνολογία. Πολλές έχουν ήδη τα συστήματα που χρειάζονται. Η ευκαιρία είναι να κάνουμε αυτά τα συστήματα να λειτουργούν μαζί. Εκεί είναι που η AI μπορεί να παίξει ρόλο που υπερβαίνει τη δημιουργία μιας ακόμη απάντησης στην οθόνη.