Testują pierwszą na rynku sztuczną inteligencję do planowania procesów transportowych. Poprawi terminowość i zredukuje puste przebiegi

Sztuczna inteligencja nie jest tematem nowym. Nawet przedstawiciele firmy przyznają, że dziś może “z powodzeniem tworzyć rozbudowane i wybiegające daleko w przyszłość harmonogramy przewozów”.

Algorytmy pracują szybko, nie popełniają błędów i nieustannie korygują wyjściowe założenia, np. na podstawie aktualnej sytuacji na drogach lub w oparciu o czas pracy poszczególnych kierowców. Daje to nieskończony potencjał do wielopoziomowej optymalizacji procesów transportowych – przekonuje Grzegorz Borowicz, dyrektor zarządzający w Omedze Pilzno.

Tym niemniej firma od blisko pięciu lat szukała rozwiązania, które usprawniłoby ściśle prace planistów. To oni, mówiąc obrazowo, łączą ze sobą w codziennej pracy dwa zbiory danych – z jednej strony informacje o dostępnych pojazdach i kierowcach, a z drugiej – o zleceniach.

Miesięcznie mamy kilka tysięcy zleceń. Kilkanaście osób musi te transporty łączyć z pojazdami biorąc pod uwagę preferencje kierowcy i czas jego pracy, szczegóły dotyczące samego zlecenia, aktualną sytuację na drogach oraz nadzwyczajne wydarzenia, takie jak np. blokady dróg. A to wszystko musi być jeszcze optymalne kosztowo – tłumaczy w rozmowie z Trans.INFO Bartłomiej Martyka, manager projektu sztucznej inteligencji w Omedze Pilzno.

Dodatkowym wyzwaniem jest sytuacja, gdy z powodu nagłego wypadku któryś z “elementów tej układanki się wyłamuje”. – Bo na przykład rozchorował się kierowca, albo był jakiś wypadek na drodze. Wówczas planista musi szybko szukać rozwiązania. W tym właśnie widzimy największy potencjał sztucznej inteligencji – dodaje.

Połączenie setek różnych zleceń z setkami środków transportu, wymagają dużych nakładów pracy, która zabiera cenny czas. Sztucznej inteligencji zajmuje to sekundy, a potrafi ona również stale czuwać nad wszystkimi przewozami jednocześnie, by na bieżąco wyłapywać ewentualne problemy – wtóruje mu Adrian Mirowski, prezes zarządu w Snarto, która stworzyła testowane obecnie rozwiązanie.

Wspomaganie danymi

Obecnie planiści i sztuczna inteligencja pracują jednocześnie nad tymi samymi zadaniami. Wyniki ich prac będą porównywane, co da jasny obraz sytuacji, w których AI proponuje inne rozwiązania niż pracownicy. Szukane również będą przyczyny takiego stanu rzeczy.

Pierwsze wnioski można wyciągać po pierwszym tygodniu, jednak testy potrwają przynajmniej miesiąc. Potrzeba czasu, by sztuczna inteligencja wszystkiego się nauczyła. A uczy się od ludzi, stąd też ciągły nadzór człowieka nad nią jest w tym momencie niezbędny – tłumaczy Martyka.

Algorytm będzie proponował zawsze jedno, najlepsze jego zdaniem rozwiązanie. Odpowiedzialność za jego wybór ponosi jednak planista. Jeśli nie zgodzi się z sugerowanym rozwiązaniem, odrzuci je. A wówczas AI znajdzie kolejne.

Rozbieżności są możliwe chociażby w przypadku, kiedy sztuczna inteligencja nie będzie mieć pewnych informacji, które ma planista. Przykład?

Jeśli nie podaliśmy informacji o tym, że jeden z naszych kierowców nie ma paszportu, sztuczna inteligencja będzie mogła przypisać go do transportu do Anglii. Tymczasem obecnie bez takiego dokumentu nie jest możliwe przekroczenie granicy. Planista więc sugestię wysłania w trasę tego kierowcy odrzuci. My zaś, na etapie testów, dowiemy się, jakie dodatkowe, tego typu informacje trzeba wpisać, by uniknąć tego typu błędów w przyszłości – tłumaczy manager projektu.

Kluczowe cele

Omega Pilzno przekonuje, że głównymi celami nowego rozwiązania są “usprawnienia w obszarze terminowości” i “redukcja pustych przebiegów”.

Wynikać to będzie ściśle z przewagi silnika sztucznej inteligencji nad planistami. Bez takiego algorytmu ktoś 12 godzin wcześniej może nie zdawać sobie sprawy, że już jest spóźniony. W momencie, kiedy narzędzie zasygnalizuje planiście, że z terminowością będzie problem, ten może je prosić o szybkie znalezienie rozwiązania. Dziś zajmują się tym sami pracownicy, jednak nie ukrywajmy, że bardzo trudne jest obserwowanie cały czas informacji o lokalizacji pojazdu, o utrudnieniach na trasie, a do tego dynamiczne reagowanie na zmiany – wyjaśnia Bartłomiej Martyka.

– Z tym wszystkim będzie się też ściśle, w konsekwencji, wiązała redukcja pustych kilometrów – dodaje.

Bolączki AI

Inwestycje w narzędzia wykorzystujące sztuczną inteligencję nie dziwią. Z badań McKinsey Global Institute wynika, że “firmy, które wcześnie wdrożą technologie oparte na sztucznej inteligencji, mogą podwoić swoje przepływy pieniężne, podczas gdy w przypadku spóźnialskich przepływy pieniężne spadną o około 20 proc. w stosunku do dzisiejszych poziomów” – przypomina portal bito.com.

Rynek transportowy, ale i inne branże, bardzo mocno koncentrują się na danych, które posiadają i na usystematyzowanym sposobie ich zbierania. Od jakiegoś czasu obserwujemy trend data driven, polegający na podejmowaniu decyzji biznesowych w oparciu o dane, nie o emocje – komentuje Martyka.

Oczywiście, nie brak przeszkód, choć ich analizowanie zmienia się z biegiem lat. Jeszcze w 2017 r. z badania McKinsey’a, omawianego na portalu bito.com wynikało, że wśród największych przeszkód stojących na drodze inwestycji w technologie cyfrowe są: wymogi dotyczące ochrony danych (79 proc. ankietowanych), wymogi bezpieczeństwa technicznego (63 proc.) oraz brak wykwalifikowanych pracowników (55 proc.). Dwa lata później przedstawiciele firm nadal skarżyli się na podobne bolączki, jednak ich procentowy udział się zmniejszył – na przykład w przypadku braku pracowników – do 48 proc.

Obecnie sytuacja ma wyglądać jeszcze inaczej.

Pamiętajmy, że po wejściu w życie wymogów związanych z RODO przestaliśmy się tak bać o swoje dane. Nie widać też obaw po stronie pracowników. Wykwalifikowanych ekspertów można znaleźć a ci, którzy dotąd nie korzystali z narzędzi wspomaganych sztuczną inteligencją, nie boją się ich, a wręcz dopytują o ich wdrożenie – zapewnia manager projektu.

Jego zdaniem kluczową przeszkodą w stosowaniu AI jest dziś jakość danych lub ich brak.

Nie boję się o wewnętrzne bazy danych, ale o urządzenia które dostarczają dane z zewnątrz. Na przykład o działanie systemów telematycznych w ciężarówkach. Jeśli choć na chwilę przestaną działać, sztuczna inteligencja nie będzie wiedziała, jaki czas pracy został kierowcy, jaką lokalizację ma ciężarówka. Będzie więc bezużyteczna – tłumaczy Bartłomiej Martyka.

A takie sytuacje będą się zdarzać.

Zdarzają się techniczne problemy, na przykład brak zasięgu umożliwiający pobranie danych z urządzeń wykorzystywanych przez kierowcę. Jest to dziś właściwie jedyna rzecz, której się obawiam. Musimy mieć świadomość, że braki danych będą się pojawiać. Mamy 700 pojazdów, to jest żywy organizm i zawsze coś może przez chwilę szwankować – kwituje.