ИИ в логистике: гонка за временем, деньгами и клиентами
Интерес к использованию искусственного интеллекта во всех отраслях сейчас небывало высок. И действительно, распространение чат-ботов сделало нейросети доступными для разнообразных экспериментов. Однако пока потенциал ИИ как дисраптора для ряда индустрий обсуждать можно лишь теоретически – слишком зыбко представление о будущем регулировании ИИ-сферы и амбициях разработчиков в отношении монетизации своих пока условно бесплатных решений. Но пользу хайп вокруг нейросетей уже принес: бизнес стал больше внимания уделять ИИ-возможностям корпоративных ИТ-систем. Какие возможности сегодня есть у ИИ в логистике и чего ждать в будущем?
Драйверы роста
Прежде всего, стимулировать внедрение ИИ во всех сферах – и логистика не станет исключением – будет удешевление технологии. И в первую очередь это будет происходить за счет сокращения стоимости самого обучения нейросетей. По оценкам ARK Invest, речь идет о ежегодном снижении на 70 % затрат на обучение – и этот тренд сохранится примерно до 2030 года. А если технология будет дешевле, то и доступ к ней получит большее число пользователей – в том числе предприятий.
Вторым драйвером роста является та выгода, которую дает применение ИИ бизнесу. Конечно, если использовать технологию только для генерации картинок для соцсетей, промышленное предприятие вряд ли сможет получить заметную финансовую выгоду. Но ведь этот функционал ИИ – лишь вершина айсберга. Даже если не смотреть в разрезе отдельных отраслей, а опираться на оценки аналитиков по производительности работников всей интеллектуальной сферы, то даже здесь ожидают роста в 4 раза или на 200 трлн долларов. По крайне мере, такие прогнозы дают в ARK Invest.
Транспортные расходы
Между тем, многие отрасли, включая логистику, обращают своё внимание на потенциал применения искусственного интеллекта уже сегодня. Интенсивная конкуренция на рынках стимулирует интерес к применению инновационных инструментов, особенно если они могут предоставить реальные экономические преимущества. В этом контексте логистика не является исключением, тем более что здесь непростая рыночная обстановка.
Одна из болевых точек – затраты на транспорт. Именно здесь многие компании теряют деньги и время из-за банальной неэффективности процессов. Несмотря на то, что многие компании перешли к оцифровке транспортной составляющей, в них все еще используется ручное построение маршрутов, что требует много времени и приводит к созданию шаблонных и затратных маршрутов.
Проще говоря, высококвалифицированные логисты руками формируют маршруты – изо дня в день, из года в год. Но даже большой опыт работ не позволяет им найти оптимальные маршруты и распределить нагрузку между водителями. Проведенное нами исследование показывает, что 15 % транспортных маршрутов являются лишними, что приводит к дополнительным затратам на топливо, к износу транспортных средств и увеличению оплаты труда водителей. Если перевести в деньги, то российские компании ежегодно теряют на этом около 800 млрд рублей.
Фактически у логистических компаний в связи с этим есть два пути развития: либо предоставлять качественные услуги за большие деньги, либо идти путем демпинга, допуская при этом срывы сроков, потери и пр. Понятно, что ни тот, ни другой вариант не особо устраивают клиентов: они хотят и дешево, и качественно. И под эти требования приходится подстраиваться, ведь конкуренция на рынке высокая и за клиентов надо бороться.
При этом нужно учитывать и еще один тренд, который сейчас фиксируют и на бизнес-рынке, и на массовом – это потребность в быстрой доставке. Даже заказ из гипермаркета клиент хочет получить сегодня-завтра – что уж говорить про магазин, который потеряет деньги, если ему не привезут товар ровно к тому времени, когда закончатся его запасы. Т.е. доставка день в день стала крайне востребованной.
ИИ спешит на помощь
В общем, ситуация непростая, и выйти из нее победителем логистическим компаниям может помочь в первую очередь искусственный интеллект. То, что работает уже сегодня, это ИИ-модули в системах, которые позволяют рассчитывать маршруты движения транспорта с высоким уровнем детализации.
И замечу, что учитывать при этом надо не только пробки, километраж, режим работы водителя, склада, запланированный интервал доставки. Параметров в действительности очень много – более 70. Вряд ли человек сможет просчитать маршруты, опираясь на все факторы – а ИИ сможет. А выгода очевидна: ИИ позволяет сократить транспортные издержки на 15-20 %, а в некоторых случаях – и на 40%.
Представим ситуацию: автомобиль приезжает на погрузку в логистический хаб, а все ворота для погрузки заняты. Водитель вынужден ждать, срок доставки сдвинется, потому что за время ожидания может измениться ситуация на дорогах, закончиться часы приема грузов в месте назначения и т.д.
Но срыв сроков – далеко не единственное последствие – можно потерять и деньги. Да и страдать от влияния человеческого фактора на логистические процессы могут не только логистические компании, но и любые другие, у которых есть транспортные департаменты. Приведу пример из практики. Водитель компании-заказчика приезжает на склад поставщика в субботу за полчаса до закрытия – логист при составлении маршрута не обратил внимание, что в субботу склад закрывается на час раньше. Отгрузить товар ему не успевают, так как на складе фиксированный график работы. А утром в понедельник цены поставщик автоматически пересчитывает и отгрузить товар по старым ценам уже возможности нет. И так уж совпало, что именно на этот период пришлись взлеты и падения курса валют. В итоге заказчик (разумеется, после длительных переговоров на повышенных тонах) вынужден был заплатить существенно большую сумму, чем планировал. Если бы у компании-заказчика за составление маршрутов отвечал ИИ, а не человек, такой бы ситуации не случилось – система учла бы дифференцированные часы работы.
Замечу, что схожая ситуация и с использованием ИИ при составлении маршрутов движения сотрудников по складу. Люди, конечно, не машины и сэкономить на топливе не получится, но ИИ можно научить учитывать все возможные факторы – вплоть до сроков годности товаров и оставшегося количества единиц хранения в крупных упаковках после предыдущей сборки.
Потенциал для роста
Перспективы использования ИИ в логистике огромны. Причина в первую очередь в экономике: ИИ может повысить маржинальность этого бизнеса, а сама технология становится дешевле и поэтому доступнее. К тому же надо учитывать и тот факт, что логистический бизнес (и логистические процессы) в нашей стране пока нельзя отнести к сферам с высокой цифровой зрелостью. А значит, те предприятия, которые сейчас будут идти в сторону цифры, будут внедрять решения более продвинутые, с встроенными ИИ-компонентами. Так что, на мой взгляд, стоит ожидать роста проникновения ИИ в логистике.
Опубликовано 07.08.2023