Ranh giới AI tiếp theo: Tại sao các công ty logistics tầm trung cần cải thiện hạ tầng của mình trước khi có thể khai thác AI

Cuộc trò chuyện về AI thường tập trung vào việc tiếp cận, với giả định rằng khi một công ty đã có quyền truy cập vào các mô hình và công cụ phù hợp, thách thức tiếp theo là tìm cách sử dụng chúng. Đối với các công ty logistics tầm trung, đó không nhất thiết là nơi vấn đề bắt đầu.

Trong nhiều kho và nhà cung cấp dịch vụ logistics bên thứ ba (3PL), khoảng cách hiếm khi là do thiếu một hệ thống. Hầu hết đã có một hệ thống quản lý kho (WMS), một phần mềm hoạch định nguồn lực doanh nghiệp (ERP) hoặc gói kế toán, các kết nối với nhà vận chuyển và EDI với các khách hàng lớn hơn của họ. Vấn đề là những gì xảy ra giữa các hệ thống đó.

Các kết nối điểm-đến-điểm tích lũy theo thời gian. Một khách hàng hoặc đối tác thương mại được kết nối theo một cách, một đối tác khác lại được kết nối theo cách khác và cuối cùng không ai có được cái nhìn toàn diện về những gì giao tiếp với gì. Việc tích hợp cũng phụ thuộc vào con người, như khi ai đó nhập lại đơn hàng từ cổng thông tin khách hàng hoặc đối chiếu các lô hàng của ngày hôm qua trong bảng tính mỗi sáng. Một 3PL có thể không biết giao dịch đã thất bại cho đến khi khách hàng gọi hỏi đơn hàng của họ ở đâu.

Tất cả những điều đó không xuất hiện trên danh sách tài sản CNTT, vì vậy rất dễ đánh giá thấp vấn đề.

Vấn đề nằm ở các điểm chuyển giao

Các vấn đề vận hành lớn nhất thường xảy ra tại các điểm chuyển giao, nơi một đơn hàng, phiếu nhập kho hoặc lô hàng di chuyển từ hệ thống hoặc công ty này sang hệ thống hoặc công ty khác:

• Một đơn hàng nhập vào đến muộn hoặc không đúng định dạng có thể gây mất đợt xử lý và mất ngày giao hàng.
• Một thông báo giao hàng trước (ASN) không khớp với những gì thực tế đến có thể làm dừng việc nhận hàng trong khi nhân viên điều tra từng pallet.
• Một xác nhận giao hàng không bao giờ đến hệ thống của khách hàng có thể gây chậm trễ trong việc lập hoá đơn và dẫn đến việc trả lại tiền, khi nhà bán lẻ khấu trừ phạt vì vi phạm quy chuẩn.

Đối với một 3PL, những vấn đề này nhân lên vì mỗi khách hàng có các định dạng, quy tắc và mong đợi riêng. Sàn kho thường hoạt động tốt, nhưng luồng thông tin xung quanh nó bị gián đoạn.

Sự khác biệt này trở nên quan trọng hơn khi các công ty đưa AI vào hoạt động của mình vì AI chỉ có thể làm việc với thông tin có sẵn. Kết nối một chatbot hoặc trợ lý AI với một hệ thống có thể là một buổi trình diễn tốt, nhưng nó không cung cấp cho hệ thống đó khả năng nhìn thấy toàn bộ hoạt động trải rộng qua nhiều hệ thống.

Trong logistics, các câu hỏi hữu ích thường vượt qua những ranh giới đó, vì vậy một câu trả lời về một đơn hàng có thể yêu cầu thông tin từ WMS, ERP và hệ thống vận tải hoặc khách hàng. Một công cụ AI chỉ có thể nhìn thấy một phần của quy trình đó sẽ làm việc dựa trên một bức tranh không đầy đủ.

Có một khoảng cách ngày càng tăng giữa các công ty có hạ tầng cho phép AI làm việc với thông tin cần thiết và các công ty có hệ thống vẫn còn rời rạc, và đó là nơi ranh giới AI tiếp theo đang xuất hiện.

AI cần một nền tảng thực sự có thể làm việc được

Một hạ tầng thực sự sẵn sàng cho AI nên được mô tả bằng các thuật ngữ vận hành thay vì các thuật ngữ công nghệ. Mỗi sự kiện quan trọng, như một đơn hàng, phiếu nhập kho, di chuyển hàng tồn kho hoặc lô hàng, nên đi qua một trung tâm chung thay vì một tập hợp các kết nối riêng lẻ. Định dạng mà đối tác thương mại gửi không nên còn là vấn đề của kho. X12, EDIFACT, XML hoặc JSON nên chuẩn hoá thành cùng một đơn hàng trước khi bất kỳ ai ở phía hạ lưu phải suy nghĩ về định dạng.

Các đội cần biết khi có sự cố xảy ra trong vòng vài phút, trước khi vấn đề tới được khách hàng. Thông tin giống như nhân viên sử dụng để xác định và giải quyết các sự cố đó cũng phải có sẵn cho phần mềm và các tác nhân AI thông qua các API sạch sẽ, duy trì các quyền hiện có. Cũng cần có một bản ghi lại những gì đã xảy ra để khi AI đề xuất điều gì đó, người dùng có thể kiểm tra lý do.

Khi những điều kiện này được đáp ứng, việc thêm AI trở nên dễ dàng hơn rất nhiều. Điều đó không có nghĩa là một công ty tầm trung cần thay thế toàn bộ ngăn xếp công nghệ của mình. Trên thực tế, một 3PL tầm trung hầu như không bao giờ cần một WMS hoặc ERP mới chỉ để trở nên sẵn sàng cho AI. Cách tiếp cận thực tế hơn là để nguyên các hệ thống cốt lõi và sửa chữa các kết nối giữa chúng.

Một trung tâm duy nhất mà mọi hệ thống và đối tác kết nối tới dễ quản lý hơn rất nhiều so với một mạng lưới các liên kết riêng lẻ.

AI có thể giúp xây dựng hạ tầng

Đây cũng là nơi AI có thể đặc biệt hữu ích cho các công ty tầm trung. Truyền thống, việc tích hợp đòi hỏi con người phải đọc các thông số kỹ thuật của đối tác, ánh xạ các trường dữ liệu bằng tay và kiểm tra các ánh xạ đó từng đối tác thương mại một. Một bản đồ đối tác duy nhất có thể mất hàng tuần công việc thực tế, kiểm tra cũng như trao đổi qua lại với đối tác.

Các mô hình AI hiện tại có khả năng đọc các thông số kỹ thuật và tệp mẫu, đề xuất ánh xạ và kiểm tra chúng với các giao dịch thực tế. Sau đó một người có thể xem xét và phê duyệt kết quả.

AI có thể giảm bớt công việc thực tế cần thiết để tạo ra phiên bản đầu tiên của bản đồ EDI. Chuyên gia có thể bắt đầu với một bản nháp, sau đó xem xét và chỉnh sửa trước khi gửi qua chu kỳ xem xét hiện có của đối tác, cho phép các chuyên gia dành ít thời gian hơn để xây dựng các bản đồ trường theo trường trong khi vẫn kiểm soát kết quả cuối cùng.

Nhưng có một sự khác biệt quan trọng giữa việc sử dụng AI cho việc tích hợp và tin tưởng AI với việc tích hợp.

Khi thực hiện điều này, tôi sử dụng một phương pháp tôi gọi là “Đề xuất, Nền tảng, Xác minh, Xác nhận.”

AI đề xuất cấu hình đối tác và bản đồ trường. Nó dựa trên các đặc tả và tệp mẫu thực tế thay vì tự tạo ra các trường hoặc mã. Một quy trình xác minh riêng biệt so sánh bản đồ trường‑theo‑trường với một tài liệu thực. Sau đó một người xác nhận kết quả trước khi nó đến luồng khách hàng thực tế. 

Chúng tôi đã hiểu tại sao kỷ luật này quan trọng bằng cách thử nghiệm các bản đồ do AI tạo ra so với các tài liệu sản xuất thực tế.

Trong một thử nghiệm, một bản đồ do AI tạo ra đã đọc tài liệu chuyển kho với không lỗi nào và vẫn bỏ qua tất cả 15 mục dòng. Trong một thử nghiệm khác, nó giữ lại tất cả sáu bên trên một đơn hàng vận chuyển nhưng mất mã xác định bên nào là người nhận, cùng với địa chỉ đường. Kiểm tra tự động của chúng tôi gọi bản đồ là sạch, và một chuyên gia EDI đã phát hiện ra khoảng trống.

Kể cả dữ liệu tham chiếu cũng có thể sai. Một tệp tiêu chuẩn tuyên bố đã được kiểm tra chéo lại lại không khớp với tiêu chuẩn đã công bố trên mọi đoạn tranh cãi mà chúng tôi đã kiểm tra.

Bài học là một kết quả một phần có thể khó phát hiện hơn một kết quả thiếu. Việc xác minh phải so sánh mọi trường trong một tài liệu thực với những gì bản đồ đã ghi lại. Xác nhận rằng một tài liệu được phân tích không đủ. 

Kết quả đáng tin cậy phụ thuộc vào kỷ luật xung quanh mô hình, từ cách nó được sử dụng đến cách các đầu ra của nó được xem xét.

Giá trị bắt đầu trước khi AI đưa ra quyết định

Công việc hạ tầng cũng có giá trị từ rất sớm trước khi một AI agent đưa ra các khuyến nghị vận hành. Một công ty 3PL mà chúng tôi hợp tác đã chạy SAP song song với hệ thống kho của mình. Mỗi phiếu nhập kho mất ba đến năm phút nhập liệu thủ công, và tồn kho trong SAP chậm khoảng 20 phút so với bến cảng.

Khi hai hệ thống được kết nối trực tiếp, độ trễ đó trở nên gần như thời gian thực. Hoạt động đã tiết kiệm hơn 980 giờ lao động mỗi năm, trong đó có 775 giờ cho công việc xuất kho. Việc theo dõi bằng bảng tính đã biến mất, trong khi nhãn, vận đơn và danh sách đóng gói bắt đầu được tạo tự động. Kho vẫn giữ quy trình làm việc hiện có, vì vậy không có ai trên sàn cần được đào tạo lại. 

Bài học chúng tôi rút ra từ dự án đó lớn hơn lợi nhuận về lao động. Khi hai hệ thống chia sẻ một hình ảnh hiện tại duy nhất, hình ảnh đó chính là những gì một AI agent cần để hữu ích.

Kết nối chúng là bước làm cho mọi thứ sau đó trở nên khả thi. 

Sự sẵn sàng AI bắt đầu với việc tích hợp

Đối với các công ty đang quyết định bắt đầu từ đâu, tích hợp nên được đặt lên hàng đầu, với AI thực hiện phần lớn công việc tích hợp. Thường thì sai lầm mà các bộ phận vận hành mắc phải là coi AI chỉ là thứ chỉ thuộc về cuối quy trình. Nó có thể giúp thực hiện công việc tích hợp nhanh hơn và ít tốn kém hơn ở giai đoạn đầu, sau đó giúp đưa ra quyết định một khi nền tảng đó đã được thiết lập. 

Các công ty logistics tầm trung không nhất thiết cần nhiều công nghệ hơn. Nhiều công ty đã có sẵn các hệ thống họ cần. Cơ hội là làm cho những hệ thống đó hoạt động cùng nhau. Đó là nơi AI có thể đóng vai trò vượt ra ngoài việc chỉ tạo ra một câu trả lời khác trên màn hình.