Євген ПАТАЛЯК

Business developer at WEZOM

Chat GPT вже тут: як застосувати можливості генеративного ШІ в логістиці

Всесвітній хайп навколо штучного інтелекту ChatGPT не вщухає вже декілька місяців, а його дебют в Україні днями наробив дуже багато шуму. Це дійсно революційний цифровий компаньйон, який наче зійшов до нас з кадрів голлівудської фантастики. Але для нас це ще один привід згадати про потенціал та можливості генеративного штучного інтелекту в логістичній галузі – адже він може вивести ефективність ланцюжків постачання на небачений рівень.

Як працює генеративний штучний інтелект

Аби розуміти можливості цього інструменту, варто у двох словах сказати декілька слів про принципи його роботи. Генеративним штучним інтелектом ми називаємо модель машинного навчання, що здатна вивчати вихідну вибірку даних та генерувати на її основі нові дані, яких не існувало раніше. Умовно кажучи, генеративний ШІ може пропустити крізь себе бібліотеку художньої літератури, визначити у «прочитаному» ключові закономірності та розподіли імовірностей, та врешті згенерувати новий роман. Саме так працює вищезгаданий ChatGPT – розробники з OpenAI навчали його на величезній базі даних веб-сторінок з мережі, аби навчити його природному спілкуванню та надавати відповіді буквально на будь-які питання користувачів. 

Можливості такого інструмента залежать від даних, на яких він навчається, та від фідбеку, який він отримує від користувачів. Сфера застосування генеративного ШІ вкрай широка – від генерації зображень та текстів, до предиктивного моделювання та глибокої роботизації. В транспортній та логістичній галузі він може бути застосований для безлічі задач - від маркетингу та клієнтської підтримки, до аналітики, забезпечення безпеки, автоматизації та оптимізації операцій. Нижче ми розглянемо декілька очевидних прикладів застосування генеративного ШІ на кшталт ChatGPT в логістиці.

Розумні чатботи

Штучний інтелект легко може замінити у вашій компанії цілий кол-центр, адже при відповідному навчанні моделі ML здатні надавати відповіді на рівні кваліфікованого оператора відділу підтримки. З доступом до оновлюваних логістичних даних ШІ-чатбот зможе відповідати на питання клієнтів про імовірний час доставлення вантажу, надавати актуальну інформацію щодо статусу та маршруту замовлення, забезпечувати будь-яку інформаційну та клієнтську підтримку в режимі 24/7. 

На відміну від сучасних чатботів генеративний ШІ буде набагато «людянішим» – тобто зможе спілкуватись з клієнтами природно та навчатися на власних помилках. Понад те, ШІ можна застосовувати для автоматизації та налагодження комунікації між окремими підрозділами компанії, логістичними провайдерами, їхніми контрагентами та іншими учасниками ланцюжків постачання. Можливості таких чатботів у комунікації – це очевидна можливість скоротити видатки, одночасно мінімізуючи непорозуміння та помилки. 

Автоматизація рутинних завдань

Генеративний ШІ ефективно проявляє себе у відносно простих завданнях, що потребують значних витрат цінного робочого часу фахівців. Підготовка контенту, доповідей, дорожніх карт, презентацій, квартальних та річних звітів, аналіз технічної та юридичної документації – усе в перспективі може взяти на себе штучний інтелект, який буде виступати справжнім цифровим асистентом менеджера. 

З іншого боку ШІ може виступити як засіб автоматизації процесу обробки замовлень в eCommerce, зводячи нанівець імовірність помилок та поліпшуючи клієнтський досвід. Інструмент на кшталт ChatGPT може стати основою для цифрового продавця-консультанта, що формуватиме пропозиції для покупців у форматі живого діалогу, з огляду на дані про попит, наявність товару та можливості його доставлення. 

Аналітика та прогнозування

Один з найперспективніших шляхів застосування ШІ в логістиці – його використання для аналізу великих масивів даних щодо роботи складів, руху транспорту, витрат ресурсів та часу на проведення операцій, перевезення та виконання замовлень тощо. Уявіть, що генеративний ШІ зможе проаналізувати дані про надзвичайні дорожні пригоди з вашим транспортом за останні 5 років та визначити найбезпечніші, найекономніші маршрути. Технологічні велетні на кшталт Hitachi вже не перший рік застосовують штучний інтелект для оптимізації операцій на складі, але генеративні платформи роблять впровадження таких можливостей набагато доступнішим.    

З іншого боку ШІ можна ефективно застосовувати для прогнозування коливань попиту – як з огляду на вже зібрану базу даних за минулі роки, так і з огляду на нові дані, що надходять в режимі реального часу. Штучний інтелект наразі надає найкращі можливості для моделювання різноманітних сценаріїв у ланцюжку постачання.

Розумні асистенти для водіїв

Логістичні гіганти на кшталт Amazon вже сьогодні намагаються підвищити ефективність автотранспорту, обладнуючи його телематичними системами зі штучним інтелектом. Ці системи мають з одного боку контролювати дотримання правил дорожнього руху та стандартів компанії, а з іншого боку – сприяти безпеці та надавати підтримку водіям через корисні функції. Втім зараз такі системи ще далекі від ідеалу – вони занадто часто інтерпретують дії водія неправильно і виступають скоріше додатковим джерелом стресу, ніж засобом підвищення безпеки. 

Генеративний ШІ, який зможе поводити себе «людяно» та вчитися на своїх помилках, може стати тією технологією, яка перетворить телематичні системи у вантажівках на мейнстрим. Адже йдеться про штучний інтелект, який може спілкуватись з водієм природною мовою, надавати цінну інформацію та попереджати про небезпеки, не відволікаючи водія від дороги. 

Проблеми впровадження генеративного ШІ

Хоча можливості того ж ChatGPT вражають, він наразі має обмеження, які заважають його впровадженню в бізнес. Проблема в тому, що генеративний ШІ не має власних суджень, і оперує не сенсом інформації, яку аналізує, а її окремими фрагментами. Відтак ChatGPT може помилятися та без жодних сумнівів видавати неправильні відповіді на питання користувачів. А зіткнувшись з незвичайними та рідкісними запитами він взагалі починає «марити» - видавати лінгвістично стрункий, але безглуздий текст. 

Відтак якість роботи генеративного ШІ залежить від якості даних, на яких він навчається, та від фідбеку, який він має постійно отримувати від користувачів та розробників. Крім того, аби отримати від робота необхідні результати, слід навчитись правильно формулювати перед ним завдання. Сьогодні генеративний ШІ ще не готовий вирішувати завдання автономно, без контролю людини. 

Перспективи генеративного ШІ в логістиці

Немає жодних сумнівів у тому, що ця технологія змінить бізнес як такий та спричинить потужні зрушення на ринку праці. Для логістики це, з одного боку, додаткові виклики – адже заради розвитку та збереження конкурентоздатності гравцям ринку доведеться стрімко віднайти експертизу в цих технологіях, впроваджувати засоби ШІ у WMS- та TMS- системи, або інвестувати в цілком новий софт. 

Але з іншого боку штучний інтелект зробить ланцюжки постачання набагато ефективнішими, дозволить компаніям скоротити видатки та використовувати робочий час свого персоналу набагато ефективніше. Правильна стратегія розвитку логістики через диджитал сьогодні може визначити успіх та долю компанії на роки вперед.

По темі:

Другие публикации автора: