人工智能可以在供應鍊中“消除所有人類接觸點”。這是什麼意思？

分析師和業内人士表示，人工智能可能會撼動運輸業——改變供應鍊的管理方式并減少人們從事的工作數量。

據行業高管稱，人行道機器人、自動駕駛卡車和客戶服務機器人以及可以預測中斷或解釋為什麼可能錯過銷售預測的生成人工智能正在路上。

“人工智能可能能夠完全（或幾乎）消除供應鍊中的所有人工接觸點，包括‘背景’任務，”摩根士丹利以 Ravi Shanker 為首的分析師上個月在一份研究報告中表示。

“貨運空間正處于由颠覆性技術驅動的代際轉變的風口浪尖，包括。自主、電動汽車、區塊鍊和無人機。人工智能是這些可能出現的變革性技術中最新出現的一種——也許是迄今為止最強大的技術，”分析師補充道。

例如，該銀行表示，預計 2024 年将有數百輛自動駕駛卡車在美國開始營運，将每英裡成本降低 25% 至 30%，并最終完全消除對司機的需求（其時間表是“超過三年”）。

沒有更多的空架子？

供應鍊通常很長且涉及多個方面：一家公司可能從世界不同地區的制造商處采購，然後将元件運送到中央裝配廠，然後再将貨物分發給全球客戶。

生産和運輸貨物本已是一個複雜的過程，但因 Covid-19 大流行和俄羅斯-烏克蘭戰争而中斷——這導緻計算機晶片等元件短缺和貨運路線改變。這種複雜性意味着公司通常不知道他們的産品從流程的一端到另一端發生了什麼。

“這就是人工智能（和機器學習）發揮作用的地方。通過預測流動的運輸網絡可能出現的問題……在它發生之前，人工智能/機器學習系統可以……甚至有可能完全避免中斷情況，”摩根士丹利的分析師補充道。

這是投資公司 Jefferies 分析師提出的一個主題，他們對生成人工智能将對運輸和物流産生的影響做出了多項預測。這包括預測需求、預測卡車何時需要維護、制定最佳運輸路線和實時跟蹤貨物。

“随着卡車和物流領域采用生成人工智能，卡車司機短缺、州際貿易中斷的極地漩渦以及雜貨店貨架上嬰兒配方奶粉的缺乏将成為遙遠的記憶，”以斯蒂芬妮摩爾為首的分析師表示，在 6 月 6 日發表的研究報告中寫道。

走向主流

生成式人工智能将成為航運巨頭馬士基的重要組成部分其首席技術和資訊官 Navneet Kapoor 表示，該公司的營運情況。

“人工智能和機器學習，它們已經存在了很長時間......多年來，它已經從有趣的研究項目發展成為公司内部更‘真實’的項目......現在，随着生成人工智能的出現......我們有一個将 AI 納入主流的真正關鍵機會，”卡普爾在電話中說。

卡普爾說，馬士基已經使用人工智能多年，現在正在“積極尋求”将其更大規模地整合到其業務流程和功能中的方法。它已經被使用的一種方法是幫助客戶更好地計劃。

“我們正在使用人工智能來建立我們所謂的預測貨物到達模型，以提高客戶預定的可靠性……可靠性是一個大問題，即使是在大流行之後，這樣他們就可以更好地規劃供應鍊、庫存，并降低成本下來，”卡普爾說。

馬士基還希望在航運路線擁擠時使用 AI 推薦解決方案，例如建議貨物是否應該空運或儲存。而且，Kapoor 說，該公司希望使用一種被稱為大型語言模型的生成式人工智能——學習如何從大量資料中識别、總結和生成文本和其他類型的内容——來更好地了解銷售過程。

“你可以全面了解客戶去年與你進行的所有交易，你可以找出 [例如] 你可能在某個業務領域失去交易的根本原因，”卡普爾說。

雙刃劍

潛在的失業情況如何？

“在我看來，生成式人工智能是，[a] 一生中會發生一次的破壞......是以在更傳統的環境中将會有工作崗位的流失，但我也相信它會創造新的工作崗位，比如以前的每一次技術颠覆都有。

摩根士丹利指出的一個威脅來自“高科技數字進入者”對該行業的影響，分析師為運輸公司描述了一把雙刃劍：人工智能可能會幫助他們提高效率，但它也可能減少對第三方服務的需求- 組織包裝、儲存和運輸的第三方物馬士基通過其 Maersk Growth 風險投資部門投資了 AI 初創公司，包括自動駕駛電動卡車制造商 Einride；Pactum，一家自動化銷售談判的公司；以及 7bridges，這是一個人工智能平台，可以幫助公司檢視庫存情況并預測延誤。

“我們将 [data startups] 視為我們轉型的推動者和加速器，但我們也保持警惕：我們不想在這方面打瞌睡......資料初創公司可以 [an] 中介我們和客戶以及我們需要確定我們保持領先地位，但也要向他們學習，”卡普爾說。

知識助手

軟體公司 o9 Solutions 的總裁兼首席營運官伊戈爾·裡卡洛 (Igor Rikalo) 表示，“知識助理”可以幫助解決另一個問題：商品訂購過多和訂購不足，該公司幫助公司集中和分析資料。他說，這通常是内部團隊之間缺乏溝通的結果，銷售部門與供應鍊管理人員分開下訂單。

“這是一個次優的結果，因為銷售 [teams] 可能正在投資推廣供應鍊受限的項目，是以你在浪費錢，”Rikalo 通過電話說。

他補充說：“我們希望看到這樣一個世界，我們每個人都将擁有我們所謂的知識助手，這些助手由這些 AI 和這些大型語言模型提供支援，”這些助手能夠深入了解供應商傳遞産品的原因例如，少于訂購的數量。

回答這些問題通常需要銷售、營銷、供應鍊和采購團隊的投入，但生成式 AI 可能能夠檢查大型資料集以提供答案。

這也可能意味着內建業務規劃團隊需要更少的人，這些團隊負責監督長期目标、收入預測和特定産品的預測需求。

“今天 1,000 人的規劃職能可能會減少到 100 人或更少，”Rikalo 說。