Seuraava AI-ero: Miksi keskikokoisten logistiikkayritysten on korjattava infrastruktuurinsa ennen kuin ne voivat hyödyntää AI:ta

Keskustelu AI:sta tapahtuu usein keskittyy pääsyyn, oletuksena että kun yrityksellä on pääsy oikeisiin malleihin ja työkaluihin, seuraava haaste on selvittää, miten niitä käytetään. Keskikokoisille logistiikkayrityksille ongelma ei välttämättä ala siitä.

Monissa varastoissa ja kolmannen osapuolen logistiikkapalveluissa (3PL) väli harvoin johtuu puuttuvasta järjestelmästä. Useimmilla on jo varastonhallintajärjestelmä (WMS), yritysresurssien suunnitteluohjelmisto (ERP) tai kirjanpitojärjestelmä, kuljetusyhteydet ja EDI suurten asiakkaidensa kanssa. Ongelma on, mitä tapahtuu näiden järjestelmien välillä.

Piste‑piste‑yhteydet kerääntyvät ajan myötä. Asiakas tai kauppakumppani kytkeytyy toiseen suuntaan, toinen kumppani toiseen suuntaan ja lopulta kukaan ei näe kokonaiskuvaa siitä, mitä kommunikoi kenen kanssa. Integraatio riippuu myös ihmisistä, esimerkiksi kun joku syöttää tilauksia uudelleen asiakasportaalista tai sovittaa eilisen lähetykset taulukkoon joka aamu. 3PL ei välttämättä tiedä, että transaktio epäonnistui, ennen kuin asiakas soittaa kysyäkseen, missä tilaus on.

Mikään tästä ei näy IT‑omaisuuden luettelossa, minkä vuoksi ongelmaa on niin helppo aliarvioida. 

Ongelma on siirroissa

Suurimmat operatiiviset ongelmat tapahtuvat yleensä siirroissa, joissa tilaus, vastaanotto tai lähetys siirtyy yhdestä järjestelmästä tai yrityksestä toiseen:

• Myöhässä tai virheellisesti saapuva sisääntuleva tilaus voi johtaa menetettyyn lähetysten erään ja myöhäiseen lähetyspäivään. 
• Etukäteislähetysilmoitus, joka ei vastaa fyysisesti saapuvaa, voi pysäyttää vastaanoton, kun työntekijät tutkivat jokaisen lavan. 
• Lähetysvahvistus, joka ei koskaan saavu asiakkaan järjestelmään, voi aiheuttaa laskutuksen viivästymisen ja johtaa takaisinperintään, jossa jälleenmyyjä vähentää sakon noudattamatta jättämisestä.

3PL:lle nämä ongelmat monistuvat, koska jokaisella asiakkaalla on omat formaattinsa, sääntönsä ja odotuksensa. Varaston toiminta on yleensä sujuvaa, mutta sen ympärillä oleva tiedonkulku katkeaa. 

Tämä ero korostuu, kun yritykset ottavat AI:n käyttöönsä, koska se voi toimia vain saatavilla olevien tietojen kanssa. Chatbotin tai avustajan liittäminen yhteen järjestelmään voi olla hyvä demonstraatio, mutta se ei anna kyseiselle järjestelmälle näkyvyyttä operaatioon, joka ulottuu useisiin järjestelmiin.

Logistiikassa hyödylliset kysymykset ylittävät usein nämä rajat, joten vastaus tilaukseen saattaa vaatia tietoja WMS:stä, ERP:stä sekä kuljetus- tai asiakasjärjestelmästä. AI-työkalu, joka näkee vain yhden osan tästä prosessista, toimii epätäydellisestä näkökulmasta.

Yritysten, joiden infrastruktuuri mahdollistaa AI:n työskentelyn tarvitsemallaan tiedolla ja yritysten, joiden järjestelmät pysyvät erillään, välinen kuilu kasvaa, ja juuri siellä seuraava AI-ero syntyy. 

AI tarvitsee perustan, jonka kanssa se voi oikeasti toimia

Aidosti AI-valmis infrastruktuuri tulisi kuvata operatiivisessa mielessä eikä teknisessä. Jokainen tärkeä tapahtuma, kuten tilaus, vastaanotto, varastosiirto tai lähetys, pitäisi kulkea yhteisen keskuksen läpi sen sijaan, että se olisi erillisten yhteyksien kokoelma. Kauppakumppanin lähettämä formaatti ei enää saa olla varaston ongelma. X12, EDIFACT, XML tai JSON tulisi normalisoida samaan tilaukseen ennen kuin alapuolella oleva taho joutuu miettimään formaattia.

Tiimien on tiedettävä, milloin jokin epäonnistuu minuuteissa, ennen kuin ongelma saavuttaa asiakkaan. Sama tieto, jota työntekijät käyttävät näiden ongelmien tunnistamiseen ja ratkaisemiseen, tulisi olla myös ohjelmistojen ja AI-agenttien saatavilla puhtaiden API-rajapintojen kautta, jotka säilyttävät olemassa olevat oikeudet. Lisäksi on oltava kirjaus tapahtuneesta, jotta kun AI ehdottaa jotain, henkilö voi tarkistaa miksi. 

Kun nämä ehdot täyttyvät, AI:n lisääminen on paljon suoraviivaisempaa. Tämä ei tarkoita, että keskikokoinen yritys tarvitsee korvata koko teknologiakokonaisuutensa. Itse asiassa keskikokoinen 3PL ei lähes koskaan tarvitse uutta WMS:ää tai ERP:tä pelkästään tullakseen AI-valmiiksi. Käytännöllisempi lähestymistapa on jättää ydinjärjestelmät koskemattomiksi ja korjata niiden väliset yhteydet.

Yksi keskuspiste, johon kaikki järjestelmät ja kumppanit kytkeytyvät, on paljon helpompi hallita kuin yksittäisten linkkien verkko.

AI voi auttaa rakentamaan infrastruktuuria

Tässäkin AI voi olla erityisen hyödyllinen keskikokoisille yrityksille. Perinteisesti integraatio on vaatinut ihmisten lukevan kumppanin määrittelyt, kartoittavan kenttiä käsin ja testaavan näitä kartoituksia yksi kumppani kerrallaan. Yhden kumppanin kartoitus voi viedä viikkoja käytännön työtä, testausta sekä takaisinkytkentää kumppanin kanssa.

Nykyiset AI-mallit pystyvät lukemaan määrittelyt ja esimerkkitiedostot, ehdottamaan kartoituksia ja testaamaan niitä todellisia tapahtumia vastaan. Henkilö voi sitten tarkistaa ja hyväksyä tuloksen.

AI voi vähentää manuaalista työtä, joka vaaditaan EDI‑kartoituksen ensimmäisen version tuottamiseksi. Asiantuntija voi aloittaa luonnoksesta, tarkistaa ja korjata sen ennen kuin lähettää sen kumppanin olemassa olevan tarkistusjakson läpi, mikä mahdollistaa asiantuntijoiden käyttävän vähemmän aikaa kenttä kerrallaan tapahtuvaan kartoitusten rakentamiseen säilyttäen samalla hallinnan lopulliseen tulokseen.

Mutta on tärkeä ero AI:n käyttämisen ja AI:n luottamisen välillä integraatiossa.

Kun teen näin, käytän lähestymistapaa, jota kutsun “Ehdota, Perusta, Vahvista, Vahvista”.

AI ehdottaa kumppanin asetuksia ja kenttäkartoitusta. Se perustuu todelliseen spesifikaatioon ja esimerkkitiedostoihin sen sijaan, että se keksisi kenttiä tai koodeja. Erillinen tarkistusprosessi vertaa kartoitusta kenttä kerrallaan todellista asiakirjaa vastaan. Sen jälkeen henkilö vahvistaa tuloksen ennen kuin se päätyy live‑asiakasvirtaan.

Opimme, miksi tämä kurinalaisuus on tärkeä, testaamalla AI:n luomia karttoja todellisia tuotantodokumentteja vastaan.

Yhdessä testissä AI:n luoma kartta luki varastosiirtoasiakirjan ilman virheitä, mutta pudotti silti kaikki 15 riviä. Toisessa testissä se säilytti kaikki kuusi osapuolta lähetystilauksessa, mutta menetti koodin, joka tunnisti, mikä osapuoli oli vastaanottaja, sekä katuosoitteen. Automaattinen tarkistuksemme merkitsi kartan puhtaaksi, ja EDI‑asiantuntija havaitsi aukon.

Jopa viitetiedot voivat olla virheellisiä. Standarditiedosto, jonka väitettiin olevan tarkistettu, oli eri mieltä julkaistun standardin kanssa jokaisessa testaamassamme kiistanalaisessa segmentissä.

Opetus on, että osittainen tulos voi olla vaikeampi havaita kuin puuttuva. Vahvistuksen on vertailtava jokainen kenttä todellisessa asiakirjassa siihen, mitä kartta on tallentanut. Vain sen varmistaminen, että asiakirja jäsentyy, ei riitä.

Luotettavat tulokset riippuvat mallin ympärillä olevasta kurinalaisuudesta, sekä sen käytöstä että sen tulosten tarkastuksesta.

Arvo alkaa ennen kuin AI tekee päätöksen

Infrastruktuurityöllä on myös arvoa kauan ennen kuin AI‑agentti tekee operatiivisia suosituksia. Yhteistyökumppanimme 3PL käytti SAPia varastojärjestelmänsä rinnalla. Jokainen sisään tuleva vastaanotto vaati kolme–viisi minuuttia manuaalista syöttöä, ja SAPin varastotiedot olivat noin 20 minuuttia jäljessä laituria.

Kun kaksi järjestelmää kytkettiin suoraan, viive muuttui lähes reaaliaikaiseksi. Toiminta säästi yli 980 työ­tuntia vuodessa, joista 775 tuntia ulostulotyössä. Taulukkolaskenta‑seuranta poistui, kun taas tarrat, rahtikirjat ja pakkauslistat alkoivat muodostua automaattisesti. Varasto säilytti olemassa olevat työnkulunsa, joten kukaan lattialla ei tarvinnut uudelleenkoulutusta.

Opetus, jonka saimme tästä projektista, oli suurempi kuin työvoimasäästöt. Kun kaksi järjestelmää jakavat yhden ajantasaisen kuvan, juuri tämä kuva on se, mitä AI‑agentti tarvitsee ollakseen hyödyllinen.

Niiden yhdistäminen on askel, joka mahdollistaa kaiken sen jälkeisen.

AI‑valmius alkaa integraatiosta

Yrityksille, jotka päättävät mistä aloittaa, integraation tulisi olla ensisijainen, ja AI hoitaa suuren osan integraatiotyöstä. Liian usein operaatioiden tekemä virhe on pitää AI:ta vain prosessin lopussa olevana tekijänä. Se voi auttaa tekemään integraatiotyön nopeammaksi ja edullisemmaksi alussa, ja sitten auttaa päätöksenteossakun se perusta on paikallaan.

Keskikokoiset logistiikkayritykset eivät välttämättä tarvitse lisää teknologiaa. Monilla on jo tarvitsemansa järjestelmät. Mahdollisuus on saada nämä järjestelmät toimimaan yhdessä. Siellä AI voi ottaa roolin, joka ylittää pelkän toisen vastauksen tuottamisen näytöllä.