Umelá inteligencia preniká do skladového plánovania, predpovedania dopytu aj dopravy. Matthew Sterner, Global Customer Marketing Leader pre dopravu, logistiku a skladovanie v spoločnosti Honeywell, však upozorňuje, že nasadenie technológie by nemalo predchádzať pochopeniu samotnej práce.
Rozhodnutia AI sú také kvalitné, ako kvalitné sú informácie, z ktorých vychádzajú. Duplicitné záznamy, chýbajúce údaje alebo oneskorené hlásenia môžu znížiť hodnotu aj pokročilého systému. Podniky preto potrebujú vedieť, kde sa úlohy hromadia, ktoré výnimky zostávajú bez reakcie a komu treba informáciu doručiť.

Najprv treba rozkresliť postup
V jednom prepravnom procese bolo približne 30 krokov a viaceré údaje sa zadávali opakovane. Zásielka mohla pokračovať napriek nesúladu informácií alebo vynechaniu špeciálnej požiadavky, napríklad sobotného spracovania pri piatkovom odoslaní. Po zmapovaní postupu tím určil, čo má zostať v rukách človeka a ktoré kontroly môže vykonávať systém. Čas pracovníka sa skrátil približne zo šiestich minút na 30 až 45 sekúnd.
Takáto automatizácia neodstraňuje ľudskú úlohu. Opakujúce sa činnosti preberie technológia, zatiaľ čo neštandardné situácie sa dostanú k pracovníkom s potrebným úsudkom. Firma však musí vopred nastaviť, čo môže systém vykonať sám, kedy treba schválenie a ako sa rieši eskalácia.
Predvídať nestačí
AI môže zachytiť signály náhleho rastu záujmu o produkt a pomôcť pripraviť zásoby. V doprave môže spojiť polohu vozidla s údajmi o počasí, upozorniť na pravdepodobné meškanie, navrhnúť inú trasu a upraviť odhad príchodu. Výsledkom však nebude odolnejšia prevádzka bez presných údajov a schopnosti konať.

Sterner odporúča začať menším projektom s merateľným cieľom. Pilot odhalí nedostatky dát, overí prínos a umožní zamestnancom pripraviť sa na zmenu spôsobu práce. Až potom by mala nasledovať širšia digitalizácia.







