Umělá inteligence v logistice získává praktickou roli

Umělá inteligence se v logistice prosazuje především tam, kde firmy mají velké množství provozních dat a potřebují z nich získat použitelné závěry. Dvě oblasti s praktickým potenciálem představují plánování rozvozů a bezpečnost vozových parků.

Přesnější odhad času na zastávkách

Plánování tras často vychází z pevných průměrů. Ty však nemusí odpovídat skutečnosti u konkrétního zákazníka nebo typu dodávky. Modely AI mohou porovnávat historická data a zohlednit například druh zboží, použité vozidlo, zákazníka i předchozí průběh doručení.

Výsledkem může být realističtější odhad délky jednotlivých zastávek. Plánovači tak získají podklad pro harmonogramy, které lépe odpovídají běžnému provozu a mohou podpořit včasné doručení. Přínos nevzniká samotným nasazením AI, ale kvalitnějším rozhodováním založeným na vlastních datech firmy.

Bezpečnost jako práce se vzorci

Provozovatelé flotil zároveň zpracovávají informace z telematiky, kamer, systémů pro kontrolu shody a tabulek. Bez vhodné analýzy je obtížné rozpoznat, zda jde o jednorázovou událost, nebo o opakující se chování.

Strojové učení může pomoci označit řidiče, u nichž by měl smysl cílený koučink, a následně sledovat jeho výsledek. Kontext získaný z více zdrojů umožňuje vést věcnější rozhovory a nesoustředit se pouze na jediný incident. Podporovanými cíli jsou snížení počtu nehod, problémů s dodržováním pravidel a provozního rizika.

Nejdřív problém, potom nástroj

Další vývoj může přinést agentní AI, která bude pomáhat dopravním plánovačům, osvojí si jejich pracovní postupy a převezme rutinní úkoly. Firmy by však měly začínat u konkrétní potřeby. Investice má smysl tehdy, když lze její výsledek spojit s lepším plánováním, bezpečností nebo kontrolou provozu.