대부분의 배송업체, 운송업체 및 물류 서비스 제공업체는 데이터 수집과 데이터 기반 의사결정의 중요성을 이해하고 있습니다. 시간이 지남에 따라 수집된 데이터는 인텔리전스를 제공하여 기업이 장기적인 의사 결정을 내릴 수 있도록 지원합니다. 한편, 실시간 데이터를 사용하여 문제 발생 시 수정 또는 재계획 방법과 같은 현명한 결정을 내릴 수 있습니다.
인공지능은 기업이 데이터를 최대한 활용하는 데 도움이 되는 강력한 도구입니다. 이는 여러 형태를 취합니다. '통계 AI'를 통해 사용자는 방대한 양의 정보를 분석해 숨겨진 패턴을 찾고 현명한 결정을 내릴 수 있다. 한편, 기업은 과거 데이터를 사용하여 프로세스 최적화와 같은 "목적 추구" 애플리케이션에 사용할 수 있는 "기호적 AI" 모델을 프로그래밍할 수 있습니다. Jonah Mcintire(사진), 최고 네트워크 책임자트랜스포레온, A Trimble Company에서 더 자세히 알아봅니다.
자동화 대 AI – 차이점 이해
자동화와 AI는 마치 동의어인 것처럼 같은 호흡으로 이야기되는 경우가 많습니다. 그러나 서로 연결되어 있더라도 둘 사이에는 중요한 차이점이 있습니다. 자동화에는 일상적이고 관리적인 작업을 소프트웨어에 위임하는 작업이 포함됩니다. 성직자입니다. 반면, 진정한 AI는 의사결정권을 넘겨주는 것입니다. 소프트웨어에는 설정된 매개변수가 제공되지만 이를 사용하여 예상치 못한 결론을 도출합니다. 사용자는 AI에게 다양한 자유도를 부여할 수 있습니다. 보다 신중한 접근 방식은 소프트웨어가 옵션을 계산하고 사람이 승인할 권장 사항을 제공하도록 허용하는 것입니다. 그러나 인간에게 알리지 않고도 자율적으로 결론에 도달하고 결정을 내리는 것도 가능합니다.
그렇다면 물류 운송 분야에서 AI가 가장 큰 영향을 미칠 수 있는 곳은 어디일까요? 짧은 대답은 '어디서나'입니다. 실제로 미래 지향적인 배송업체, 운송업체 및 물류 서비스 제공업체는 이미 AI를 기술 스택에 통합하고 있습니다.
명심해야 할 몇 가지 고려 사항이 있습니다. AI는 점수를 매기기 쉽고 잘 알려진 개별 변수가 있는 구체적인 재무 가치를 갖춘 의사결정에 가장 적합합니다. 빠른 의사결정 주기도 중요합니다. 인간과 마찬가지로 AI도 실험을 통해 학습합니다. 따라서 결정이 매년 내려진다면 소프트웨어가 피드백을 받을 만큼 충분한 데이터를 수집하는 데 수십 년이 걸릴 것입니다. 현실적으로는 AI 모델이 하루에 수천 건의 결정을 분석하기를 원합니다. 이상적으로 플레이어는 자신의 데이터뿐만 아니라 업계 전반에서 수집한 데이터를 사용하여 훈련된 모델을 사용합니다. 이 협업("플랫폼"이라고도 함) 접근 방식을 통해 모든 사람이 앞서 나갈 수 있습니다.
그렇다면 AI가 자율 조달, 실시간 ETA 도구 및 탈탄소화를 통해 기업이 데이터를 활용하는 방식을 어떻게 변화시킬 수 있을까요?
실시간 ETA 도구
화주와 운송업체 간의 단절은 오랫동안 물류 운송 산업의 과제였습니다. 가시성, 투명성 및 효율성을 향상하려면 로드 수신자와 로드 제공자를 연결해야 합니다. 예를 들어, 화물의 도착 시간을 예측하는 것은 전통적으로 양쪽 모두의 어려움이었습니다.화주그리고 통신사. 파업, 교통 체증, 기계적인 문제 등 지연의 일반적인 원인은 사람의 눈에는 전혀 무작위로 보일 수 있습니다. 그러나 AI 모델이 수년간의 데이터를 분석하면 숨겨진 패턴이 드러납니다. 일반적으로 상황이 정말 전례가 없는 경우를 제외하고 AI는 ETA를 훨씬 더 잘 예측하고 AI 지원 실시간 ETA 도구의 도움으로 회사는 로드가 도착할 때마다 로드를 받을 준비가 되어 있는지 확인할 수 있습니다.
조달 및 견적 자동화
현물 구매는 상징적 AI의 완벽한 사용 사례입니다. 기업은 예산이 정해져 있고 리드 타임과 운송업체 유형에 대한 명확한 제약이 있기 때문입니다. 이 외에도 협상의 구조는 상대적으로 간단합니다. 참가자는 제안을 하고, 응답을 기다리고, 반대 제안을 하고, 제안을 수락하거나 협상을 종료할 수 있습니다. 이를 통해 소프트웨어가 독립적으로 목표를 쉽게 추구할 수 있어 수천 시간의 수동 관리 시간을 절약할 수 있습니다.
이것은 단지 하나의 예일 뿐입니다. 조달 공간에서 통계 AI는 엄청난 양의 데이터를 사용하여 가격을 예측함으로써 입찰에 혁명을 일으킬 수도 있습니다. 예를 들어, AI는 운송업체에 화물 입찰에 대한 입찰을 요청하는 대신 선택한 수의 운송업체에 해당 입찰과 가격 제안을 제시할 수 있습니다. 제시된 가격으로 입찰된 화물을 운송업체가 수락하지 않는 경우 AI는 필요에 따라 추가 입찰 라운드를 시작할 수 있습니다.
AI는 또한 물류 서비스 판매자에게 혁신적인 효과를 줄 수 있어 예상 시장 요율을 기반으로 현물 운송에 대한 즉각적이고 정확한 가격을 자동으로 고객에게 제공할 수 있습니다. 이 기능을 통해 부하 직원은 견적을 내는 기회의 양을 늘리고 궁극적으로 더 많은 새로운 비즈니스를 성사시킬 수 있습니다.
탈탄소화
물류 운송 부문은 탄소 배출을 줄여야 한다는 압력을 받고 있습니다. 최종 사용자 고객은 탈탄소화를 위해 배송업체에 기대고 있습니다. 한편, 화주들은 지속 가능성 관행에 따라 계약을 맺고, 환경을 책임지는 운송업체에 더 긴 화물 계약을 제공하고, 심지어 저탄소 운송에 대한 프리미엄을 지불함으로써 운송업체에 동일한 압력을 가하고 있습니다.
지속 가능성이 이제 수익에 영향을 미치고 있는 상황에서 탈탄소화가 화주와 운송업체 모두의 최우선 의제로 떠오르는 것은 놀라운 일이 아닙니다. 그렇다면 AI가 이 모든 것을 어떻게 도울 수 있을까요? 가장 먼저 강조해야 할 점은 조달과 달리 지속 가능성에 관해서는 단 하나의 '올바른' 답이 없는 경우가 많다는 것입니다. 기업은 '비용 대 배출' 또는 '확실성 대 배출'의 균형을 신중하게 조정하면서 최적의 전략에 대해 서로 다른 아이디어를 가질 수 있습니다. 그러나 배송업체, 운송업체 및 물류 서비스 제공업체가 위험 성향을 결정하면 AI는 이들이 목표를 달성하는 데 중요한 역할을 할 수 있습니다.
기업은 일반적으로 두 가지 사고방식 중 하나를 채택합니다. 첫 번째는 회사가 X배출량 이상을 허용하지 않기로 결정하는 배출권 거래 전략입니다. 두 번째는 회사가 배출량을 상쇄하기로 결정하는 탄소세입니다. 이 두 가지 전략 모두에서 화주와 운송업체는 조달 이벤트에 '배출량 톤당 가격'을 고려할 수 있습니다. 통계 AI는 유용한 의사결정 도구가 될 수 있습니다. 예를 들어, 각 배송에 어떤 운송 모드를 사용해야 하는지 결정할 때입니다.
물류 운송 분야 AI의 미래는 협업입니다
우리는 물류 운송에 AI를 활용하는 중요한 변곡점에 있습니다. 행정 업무를 줄이고 기업이 보다 효율적이고 지속 가능해 지도록 도울 준비가 되어 있습니다. 그러나 이를 달성하려면 효과적인 데이터 수집 및 공유가 필요합니다. 여기에서 업계 관계자 간의 협력이 필요합니다. 모든 사람을 위한 긍정적인 결과를 극대화하려면 배송업체, 운송업체 및 물류 서비스 제공업체가 AI 모델에 제공할 데이터를 공유할 수 있는 협업 디지털 플랫폼이 필요합니다. 이러한 접근 방식을 통해 우리는 업계의 디지털화 및 탈탄소화 목표 달성을 향한 진전을 크게 가속화할 수 있습니다.
