Sriram Nagaswamy, Executive Vice President i FourKites – Intervju-serie

FourKites er kjent for sin rolle i AI-drevet forsyningskjedetransformasjon og er utvikleren av Intelligent Control Tower™, som opererer på hva som beskrives som verdens største sanntids-synlighetnettverk. Plattformen muliggjør opprettelse av omfattende digitale tvillinger av forsyningskjeder og integrerer AI-drevne digitale agenter for å støtte automatisering, forbedre samarbeid og drive operasjonelle resultater for alle interessenter. I motsetning til tradisjonelle kontrolltårn, er FourKites’ løsning designet for å støtte sanntids-utførelse og intelligent fullføring over både forsynings- og kundefrontende operasjoner.

Hva inspirerte den nylige skiftet hos FourKites fra synlighet til kontrolltårn, og hvordan identifiserte dere gapet i markedet eller at dette var riktig tid å forfølge disse nye målene?

FourKites’ skifte til kontrolltårn og en ny digital arbeidsstyrke reflekterer en større evolusjon i forsyningskjedens og logistikksektoren. Enkelt sagt, er synlighet og innsikt ikke lenger nok. Med den raske utviklingen av AI og en visjon om å gå utover ren datalevering, prioriterer leverandørene intelligent automatisering og løsninger som kan strømlinje operasjoner og levere på løftet om at AI tar automatiserte handlinger på basis av sanntidsdata og synlighet.

Skiftet vårt til det intelligente kontrolltårnet og en digital arbeidsstyrke hjelper våre kunder å oppnå sine strategiske mål på måter som aldri før var mulig. Nå kan AI transformere forsyningskjedestyring fra reaktiv sporings til proaktiv orkestrering som vi satte oss som mål å oppnå for mange år siden, og muliggjør mer autonome og intelligente arbeidsflyter.

Kan du fortelle oss mer om din reise i teknologi og AI og hvordan det ledet deg til din nåværende rolle i FourKites?

Jeg startet min ingeniørkarriere for over 20 år siden i Chicago. Siden da har jeg fostret en lidenskap for alle aspekter av teknologi, fra signalbehandling, video-komprimering og datamaskin-syn, til maskinlæring og SaaS-levering.

Den raske utviklingen av AI har gitt nytt liv til denne lidenskapen, og ønsket om å være i forkant av dens utvikling og adopsjon i forsyningskjeden, har gjort det til en spennende tid å jobbe i industrien.

Den tidlige erfaringen, sammen med stopp ved Logitech, Samsung og andre, ledet meg til min nåværende rolle i FourKites, der jeg er ansvarlig for produktlevering, data-vitenskap og å gi mitt team med vekstmuligheter og plattformer for å vise innovativt arbeid i forsyningskjeden.

Hvordan ser du på hvordan AI vil forme landskapet i forsyningskjedeteknologi de neste årene?

Vår misjon har alltid vært å løse forsyningskjedeproblemer samtidig som vi raskt omfavner teknologiske innovasjoner. Når vi ser fremover, er det det som mest spenner meg som er at AI vil bli brukt på måter vi aldri før har tenkt mulig, og hjelpe kunder å samle inn, prosessere og ta handlinger på nye måter.

Forestall at i stedet for å kreve manuelle innputt for grunnleggende informasjon, kan brukere av alle typer bare snakke til en app eller ta et bilde av hva de ser, og LLM vil være i stand til å identifisere og trekke ut informasjon av samme kvalitet.

<p-Ta Port of New Jersey og Port of Newark Container Terminal, for eksempel. De har videokameraer som er på 24/7 og oppdateres hver 30. sekund. Hvis vi begynner å fange disse rammer, kan vi vite nøyaktig hvilke lastebiler gikk inn og ut ved å bare se på nummerplater eller containernumre. De fleste havner har disse kameraene tilgjengelige 24/7, så demokratiseringen av data og mer naturlige måter å samle inn data på, vil være det laveste hengende frukten som kan revolusjonere shipping og sporings.

Hvilke målinger eller suksessindikatorer er viktigst for deg når du vurderer plattformens påvirkning på kundene?

De viktigste målingene for å vurdere plattformens påvirkning på kundene inkluderer arbeidsflyt-automatiseringskapasitet, reduksjon i manuelle oppgaver og spesifikke operasjonelle effektivitetsforbedringer. Vi ser på hvordan vi kan redusere OTIF-straffer, minske integrasjonskostnader, forbedre lastehåndteringsevne og muliggjøre mer autonome og intelligente forsyningskjedestyring. Disse målingene viser en konkret evne til å levere verdi for kunder ved å transformere komplekse forsyningskjedeprosesser.

Hvordan utnytter FourKites AI og maskinlæring for å gi en konkurransefordel i forsyningskjedeteknologimarkedet?

Vi utnytter AI og maskinlæring for å drive meningsfullt fremgang mot å eliminere dagens utbredte datasiloer, og åpne vei for en mer effektiv metode for å overvåke, analysere og handle på forsyningskjededata i sanntid.

Til den ende, bruker vi AI for å hjelpe med å vurdere innvirkningen av disruptive hendelser, diagnostisere sporingsproblemer, få produktveiledning og mer. Våre nye AI-drevne digitale arbeidere automatiserer vanlige arbeidsflyter, eliminerer 80% av rutineoppdrag og øker lastehåndteringsevnen med 40% mens de arbeider døgnet rundt.

Hva skiller FourKites’ løsning fra andre i industrien, spesielt når det gjelder AI-kapasiteter og integrasjoner?

Vi skiller oss ved å fokusere på sluttpunkt-til-sluttpunkt-arbeidsflyt-utførelse, konvertere generiske AI-modeller til forsyningskjededomeneksperter, og opprettholde et engasjement for kontinuerlig læring og rask teknologisk adopsjon. Ved å integrere sanntidsnettverksdata, digitale tvillinger av kundens forsyningskjedeoperasjoner og en AI-drevet digital arbeidsstyrke, tilbyr vi den mest omfattende og intelligente løsningen i industrien.

Kan du dele innsikt i utviklingsprosessen bak FourKites’ kjernefunksjoner, inkludert sanntidsforsyningskjededata, digitale tvillinger og digital arbeidsstyrke?

Utviklingsprosessen for FourKites’ kjernefunksjoner kjennetegnes av rask eksperimentering, læring og en samarbeidende tilnærming. Vi bruker et dedikert FoU-team vi kaller AI Guild, som fokuserer på å utforske de siste teknologiene, gjennomføre interne tester og valideringer, og dele innsikt på en måte som flytter like raskt som AI kan utvikle.

Ved å bryte komplekse oppgaver ned i mindre, håndterbare handlinger og kontinuerlig evaluere og integrere nye AI-modeller, sikrer vi at våre løsninger forblir på topp og tilpasningsdyktige.

Hvordan har fremgangen i skytjenester og digitalisering påvirket måten organisasjoner nærmer seg sin forsyningskjedensynlighet og automatisering?

Fremgangen i skytjenester og digitalisering har hatt en stor innvirkning på forsyningskjedensynlighet og automatisering ved å dramatisk redusere AI-treningkostnader, fjerne operasjonelle siloer og muliggjøre mer komplekse og intelligente systemer i stor skala. Disse teknologiske skiftene har skapt et behov for kontinuerlig læring og tilpasning, og gjort det mulig for organisasjoner å utvikle mer autonome, intelligente forsyningskjedeløsninger med betydelig reduserte infrastrukturkostnader og økt operasjonell fleksibilitet.

Hvordan løser det intelligente kontrolltårnet de viktigste begrensningene til legacy-forsyningskjedesystemer, som deres avhengighet av batchbehandling og mangel på sanntids-integrasjon, for å muliggjøre autonome handlinger og forbedre operasjonell effektivitet?

Det er ingen tvil om at legacy-systemer har skapt betydelige hindringer for selskaper som håper å oppnå mer dataintensive operasjoner og levere større verdi ved å utnytte agens-ai og intelligent automatisering.

Til tross for betydelig innovasjon, har vi funnet at legacy-systemer fortsatt sliter når det gjelder sanntidsdata, da mange er designet for batchbehandling med relasjonsdatabaser. Da FourKites banebrytende sanntidsforsyningskjedensynlighetmarkedet, var vår antagelse at bedriftsplanleggings- og eksekveringssystemer ville forbruke informasjonen vi tilbyr og operationalisere den, men det skjedde aldri, og våre kunder ble etterlatt til å operationalisere sin egen data på egen hånd.

Nå, løser vårt intelligente kontrolltårn dette problemet. I stedet for å avhenge av bedriftssystemer for å forbruke data og operationalisere den, kan selskaper i stedet utnytte AI-drevne plattformer som FourKites for å forbruke data fra legacy-systemer og integrere den i arbeidsflyter der både digitale og menneskelige arbeidere har konteksten de trenger.

Hvilke spesifikke brukstilfeller eller kundeproblemer ble prioritet i utviklingen av det intelligente kontrolltårnet, og hvordan skaper AI-drevne pakker som Supplier Connect AI og Yard Connect AI målbare verdi for forsyningskjedestakeholdere?

I utviklingen av det intelligente kontrolltårnet, satte vi oss som mål å realisere visjonen vi hadde fra dag én i FourKites: å gjøre forsyningskjeder mer effektive og robuste ved å løse kritiske utfordringer, som å vurdere og mildne disruptiver, automatisere rutineoppdrag, redusere manuell dokumentbehandling, forbedre leverandør-samarbeid og mer.

Vi løser disse utfordringene ved å tilby tilpassede pakker som utnytter AI for å gjøre operasjonelle forbedringer i de mest vanlige områdene. For eksempel, automatiserer vi rutine sporings- og sporingsaktiviteter for å øke lastehåndteringsevnen med 40% og drive ned til 30% reduksjon i OTIF-straffer. Vi hjelper også fraktører å fullstendig automatisere sitt samarbeid med leverandører, og levere mer effektivitet i innkjøpsprosessen.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke FourKites.