Umělá inteligence se prosazuje ve skladech, plánování i dopravě. Podle Matthewa Sternera, Global Customer Marketing Leadera pro dopravu, logistiku a skladování ve společnosti Honeywell, by ale firmy neměly začínat výběrem nástroje. Nejdříve musí zjistit, kde se práce zdržuje, jak spolehlivá jsou data a které kroky skutečně vyžadují automatizaci.
AI dokáže zpracovat záznamy z podnikových systémů i méně strukturované informace. Pokud však údaje obsahují duplicity, chyby nebo chybějící kontext, doporučení systému nebude dostatečně spolehlivé. Viditelnost proto neznamená pouze sbírat více dat, ale také zajistit, aby se správná informace dostala včas k člověku, který může jednat.

Automatizace jako výsledek analýzy
V jednom přepravním procesu se přibližně 30 kroky se opakovalo ruční zadávání údajů. Zásilka mohla pokračovat i při nesouladu informací nebo při opomenutí zvláštního požadavku, například sobotního zpracování u páteční expedice. Po zmapování procesu bylo možné oddělit činnosti s přidanou hodnotou od kontrol vhodných pro automatizaci. Čas pracovníka klesl zhruba ze šesti minut na 30 až 45 sekund.
Význam takové změny není jen v rychlosti. Systém může obsloužit opakující se úkony a neobvyklé případy předat pracovníkům. Podnik však musí určit, kdy může software jednat sám, kdy potřebuje schválení a kdo nese odpovědnost za výjimky.
Praktické využití v provozu
AI může pomoci odhadnout náhlý růst poptávky a připravit rozmístění zásob. V dopravě lze kombinovat polohu vozidla s počasím, odhadnout zpoždění, navrhnout alternativu a upravit čas příjezdu. Taková funkce má smysl pouze při kvalitních vstupech a rychlé reakci týmu.

Sterner doporučuje začít malým projektem s měřitelným cílem. Pilotní nasazení odhalí slabiny dat, ověří přínos a pomůže zaměstnancům pochopit nový způsob práce. Teprve poté má smysl rozšiřovat automatizaci napříč provozem.







