Odsłuchaj ten artykuł
Fot. materiały prasowe
Różne rodzaje sztucznej inteligencji zrewolucjonizują pracę. Jak wykorzystać je w logistyce?
Chociaż sztuczna inteligencja jest już od dłuższego czasu wykorzystywana w biznesie, to dopiero niedawny wzrost popularności platform AI sprawił, że szerzej przebiła się do świadomości publicznej. W rezultacie coraz więcej firm zaczęło szeroko komunikować, że wykorzystuje sztuczną inteligencję w rozmaitych zastosowaniach związanych z logistyką i łańcuchem dostaw.
Ten artykuł przeczytasz w 6 minut
Nie każda technologia AI jest taka sama – różnią się możliwościami i funkcjonalnościami.
W dzisiejszych czasach entuzjazm wobec AI osiąga szczyt. To zatem idealny moment, by lepiej zrozumieć różne formy sztucznej inteligencji i dowiedzieć się, jak optymalnie wykorzystać ją w obszarze logistyki. Porozmawialiśmy o tym z Louisą Loran, globalną dyrektor Google ds. strategicznych branż transportu i logistyki.
Czytaj dalej i dowiedz się:
- jakie są rodzaje sztucznej inteligencji,
- jakie wyzwania i możliwości stoją przed AI i logistyką?
Generatywna sztuczna inteligencja
Logicznym punktem wyjścia, gdy mówimy o sztucznej inteligencji, jest oczywiście generatywne AI (ang. generative AI), z którym wielu konsumentów już miało styczność. Miliony ludzi na całym świecie eksperymentowały już z tą technologią, tworząc niezliczoną ilość materiałów wideo, audio, obrazów i tekstów. Jednak dopiero teraz zaczynamy dostrzegać pierwsze próby jej zastosowania przez przedsiębiorstwa.
Jak więc można wykorzystać AI w obszarze logistyki i łańcucha dostaw?
AI będzie z pewnością miało zastosowanie w chatbotach, do odpowiadania na pytania klientów. Co więcej, tego typu interfejsy można wykorzystać do zadawania pytań dotyczących systemów i baz danych. Jak zauważa Loran, niektórzy klienci Google już zbudowali infrastruktury danych, które umożliwiają wykorzystanie rozwiązań AI.
A co z wykorzystaniem generatywnej sztucznej inteligencji w praktycznym, codziennym kontekście pracy logistyków? W rozmowie z Trans.INFO Loran stwierdziła, że AI można wykorzystać do wzmocnienia autonomii pracowników pierwszej linii w nieosiągalny dotąd sposób:
Na początku pewnie najczęściej będziemy natykać się na AI w obszarach takich jak prowadzenie rozmów i wyszukiwanie (informacji – przyp.red.). Dla przykładu, pracownik fabryki lub portu, za pośrednictwem interfejsu użytkownika, przy pomocy telefonu czy w inny sposób, będzie rozmawiać ze sztuczną inteligencją, która pomoże mu zrozumieć konsekwencje jego decyzji. Dzięki temu managerowie średniego szczebla będą mogli skoncentrować się na zadaniach o większej wartości dodanej niż zarządzanie raportowaniem. Takie rozwiązanie da pracownikom liniowym większą autonomię w podejmowaniu szybkich decyzji i wprowadzaniu zmian”.
Jak wyjaśnia Loran, w przeszłości pracownicy pierwszej linii albo nie mieli dostępu do pewnych informacji, albo nie rozumieli dlaczego były im one przekazywane. Informacje były też komunikowane bardziej na zasadzie polecenia niż budowania ich zaangażowania poprzez dwustronną interakcję.
Dzięki AI osoba pytająca czy ma przesunąć załadunek kontenera będzie mogła także komunikować się z drugim człowiekiem w ramach jednej pętli, co pozwoli na zrozumienie, z czym obecnie boryka się osoba na pierwszym froncie.
Loran przypomina jednak, że pełne wykorzystanie potencjału AI wymaga zadawania odpowiednich pytań:
Jeśli pracownik w porcie zapyta o to, jak najszybciej wrócić do domu, system udzieli odpowiedzi. Może to nie być właściwa odpowiedź z punktu widzenia firmy, ale jest to pytanie, które może zadać jakaś osoba i system na nie odpowie. Modele te są obecnie dostrajane i (oczywiście) można je dostosować w dowolny wybrany sposób, jednak nie chcemy chyba, żeby pracodawcy dostrajali je do odpowiedzi na pytania: „Jak maksymalnie skrócić mój dzień pracy?”. Chcę wierzyć, że chęć obsługi klientów i budowania dochodowego biznesu są ważniejsze”.
Zrozumienie różnych form sztucznej inteligencji i unikanie generalizacji
Loran zwraca uwagę, że jednym z częstych błędów popełnianym przez wiele osób jest generalizowanie sztucznej inteligencji.
Podkreśla, że istnieją różne rodzaje AI, w tym bardziej tradycyjna, taka jak sztuczna inteligencja dokumentów czy wizyjna, które wspierają digitalizację treści.
Oprócz tego istnieje również predykcyjna sztuczna inteligencja służąca prognozowaniu, oraz AI oparta na regułach, używana w badaniach operacyjnych do optymalizacji, alokacji i planowania w ramach określonych ograniczeń.
Wreszcie funkcjonuje też wspomniana wcześniej generatywna sztuczna inteligencja, zdolna do uzupełniania zdań lub tłumaczenia w różnych trybach.
Jak tłumaczy Loran, nie chodzi o to, aby wdrażać wszystkie te formy w ten sam sposób.
Jedna działa bardziej na zasadzie 1 do 1, druga jest oczywiście generatywna, a inna na przykład pozwala liderowi biznesowemu nałożyć pewne ograniczenia, w ramach których jego zespoły będą ją optymalizować – wyjaśnia.
Przyszłe wyzwania i możliwości
Kolejnym aspektem, który organizacje będą musiały wziąć pod uwagę w kontekście sztucznej inteligencji, jest sposób przekazywania kompetencji między pokoleniami.
Chociaż wielu z nas dopiero poznaje platformy sztucznej inteligencji, wiele młodych talentów z pokolenia Z, dopiero wkraczających na rynek pracy, już bardzo dobrze sobie radzi z AI, szczególnie z jej generatywną odmianą. Następne pokolenie, pokolenie Alfa, zapowiada się jeszcze lepiej pod względem umiejętności związanych z AI.
Tak wysoki poziom kompetencji w zakresie sztucznej inteligencji będzie niewątpliwie dużym atutem dla firm. Jednak i w tym przypadku należy wziąć pod uwagę zagrożenia i potencjalne złe nawyki.
Jak zatem wykorzystać te młode, wschodzące talenty, aby wspierały rozwój organizacji i aby nie skierowały firmy na złe tory z powodu braku znajomości szerszego kontekstu?
Według Loran, kluczem będzie otwartość umysłu na wszystkich poziomach organizacji.
Szczególnie ważne jest, by młodzi przyszli pracownicy kwestionowali wyniki generatywnej sztucznej inteligencji w taki sam sposób, w jaki obecnie krytycznie podchodzimy do mediów.
Uwielbiam ciekawość i krytyczne podejście młodych pokoleń. Obawiam się jednak, że często traktują odpowiedzi wygenerowane przez LLM (ang. Large language model, duży model językowy) jako jedyne prawdziwe. W rzeczywistości odpowiedź zależy od modelu bazowego, zbioru danych, na podstawie którego został on dostrojony, sposobu sformułowania pytania, itd. Taka odpowiedź oferuje im jeden punkt widzenia w podobny sposób jak często robią to media – wytłumaczyła ekspertka.
– Dlatego, podobnie jak w wielu innych obszarach, istotna jest świadomość własnego punktu widzenia i chęć poznania perspektywy innych – dodała.
Liderzy również będą musieli zachować czujność i, jeżeli zajdzie taka potrzeba, wykazać się dociekliwością.
Członkowie wyższej kadry kierowniczej, którzy pewnie mają mniejszą wiedzę na temat detali, ale większą znajomość szerszego kontekstu, będą musieli wykazać się ciekawością, by zrozumieć, dlaczego dana osoba przedstawia nowy punkt widzenia. Myślę więc, że pojawi się poczucie, że wolniejsze tempo prowadzi do lepszych wyników, częściej też będziemy spotykać się z odwróconym mentoringiem – powiedziała Loran Trans.INFO.
Sukces odniosą ci liderzy, którzy będą potrafili zachować poczucie kierunku, jednocześnie pozostając otwarci na uczenie się.
Bez świadomości dokąd zmierzamy, będziemy kręcić się w kółko. Nie będziemy wiedzieć dokąd podążamy. Z drugiej strony, bez otwartości na poznawanie, wybieranie i, co też ważne, odrzucanie, prawdopodobnie będziemy stać w miejscu – dodała Loran.