AI w logistyce: praktyczne zastosowania w firmie logistycznej i magazynie

Gdy w logistyce pada hasło sztuczna inteligencja, zwykle myśli się o prognozowaniu popytu, planowaniu tras albo autonomicznych wózkach. To realne zastosowania, ale w małych i średnich firmach logistycznych często nie od nich warto zaczynać. Wymagają dużo danych, specjalistycznych systemów i długich wdrożeń.

Tymczasem w tych samych firmach biuro codziennie przepisuje zlecenia z maili i plików, czyta dokumenty, odpowiada na pytania klientów i składa raporty. To praca z tekstem i dokumentami, w której modele językowe, takie jak te w ChatGPT czy Claude, dają efekt od razu. W tym artykule opisujemy oba obszary, ale skupiamy się na tym drugim.

Dwa rodzaje AI w logistyce

Warto rozróżnić dwa rodzaje zastosowań:

• AI w planowaniu: prognozy popytu, planowanie tras, rozmieszczenie towaru w magazynie, planowanie obsady. Zwykle są to moduły specjalistycznych systemów, takich jak WMS, TMS czy systemy planowania, i wymagają dużej ilości historycznych danych.
• AI w pracy z tekstem i dokumentami: odczyt zleceń i dokumentów, odpowiedzi dla klientów, komentarze do raportów, komunikacja w obcych językach. Te zastosowania można wdrożyć obok istniejących systemów, w ciągu tygodni, a nie miesięcy.

Jeśli wasz WMS lub TMS oferuje moduły planowania z AI, warto je sprawdzić u dostawcy. My zajmujemy się drugim obszarem, który w wielu firmach daje szybszy efekt.

Co AI robi dobrze w pracy biura

Odczyt zleceń od klientów

Klienci przysyłają zlecenia w różnych formatach: Excel z własnym układem kolumn, PDF, treść maila. AI potrafi odczytać z nich pozycje, indeksy, ilości, adresy i terminy, niezależnie od układu. Dane przechodzą kontrolę z WMS, np. czy indeks istnieje i czy jest towar, i dopiero wtedy trafiają do systemu. Opisujemy to na stronie zlecenia od klientów.

Odczyt dokumentów

Dokumenty dostaw, listy przewozowe, potwierdzenia odbioru, faktury: AI rozpoznaje rodzaj dokumentu, odczytuje dane i pomaga przypisać go do zlecenia. Szczególnie przydatne jest wychwytywanie uwag i rozbieżności, które przy ręcznym przeglądaniu łatwo przeoczyć. Więcej na stronie dokumenty i reklamacje.

Odpowiedzi dla klientów

Agent AI może odpowiadać klientom na pytania o stany, statusy i dokumenty na podstawie danych z WMS i TMS. Ważne, żeby widział tylko dane klienta, który pyta, i przekazywał opiekunowi sprawy wymagające decyzji.

Komentarze do raportów

Raport z liczbami to jedno, a wyjaśnienie, dlaczego terminowość spadła w danym tygodniu, to drugie. AI może przygotować szkic komentarza na podstawie danych: które zlecenia wpłynęły na wynik, czy problem dotyczył jednego przewoźnika czy całego magazynu. Opiekun klienta sprawdza i uzupełnia szkic. O raportach i KPI piszemy w artykule KPI w logistyce.

Komunikacja w obcych językach

Firmy logistyczne pracują z klientami, przewoźnikami i dostawcami z wielu krajów. AI pomaga przygotować maile w ich języku i zrozumieć wiadomości, które przychodzą, co szczególnie odciąża osoby nieznające danego języka.

Przykład z praktyki

Weźmy operatora logistycznego, który obsługuje kilkunastu klientów, z których połowa przysyła zlecenia w plikach Excel o różnych układach. Bez AI każdy plik ktoś otwiera, dopasowuje kolumny i przepisuje pozycje do WMS. Z AI plik trafia do odczytu automatycznie, pozycje są sprawdzane z WMS, a biuro widzi tylko zlecenia z problemami, np. nieznanym indeksem albo brakiem towaru. Praca biura zmienia się z przepisywania na wyjaśnianie wyjątków z klientami.

To przykład ilustracyjny. Efekt w konkretnej firmie zależy od liczby klientów, formatów plików i jakości danych w WMS, dlatego warto go sprawdzić na próbce prawdziwych zleceń przed wdrożeniem.

Gdzie AI się myli

• Liczby. Modele językowe nie są kalkulatorami. Obliczenia, np. KPI, stany czy rozliczenia, powinny wykonywać systemy, a AI może je co najwyżej komentować.
• Dane, których nie zna. AI nie wie, ile jest towaru w magazynie, jeśli nie ma dostępu do aktualnych danych z WMS. Odpowiedź bez danych może być przekonująca, ale błędna.
• Nietypowe formaty i sytuacje. Nowy klient z nietypowym plikiem, zlecenie z wyjątkami: tu odczyt może być niepełny, dlatego niepewne przypadki trafiają do sprawdzenia.
• Odpowiedzialność. AI nie powinno samo decydować o uznaniu reklamacji czy zmianie zlecenia. Takie decyzje należą do ludzi.

Z tych ograniczeń wynika zasada: AI przygotowuje dane i odpowiedzi, które przechodzą kontrolę, zanim trafią do systemów lub klientów.

Warto też pamiętać o kosztach. Każde wywołanie modelu AI kosztuje, a przy tysiącach zleceń i dokumentów miesięcznie koszt staje się zauważalną pozycją w budżecie. Dlatego tam, gdzie klient przysyła pliki w stałym formacie, lepiej sprawdza się zwykłe odczytanie bez AI, a model zostaje do formatów nietypowych.

Czat AI czy AI w procesach

W wielu firmach pierwszym kontaktem z AI jest czat używany przez pracowników biura na prywatnych kontach. Pomaga w mailach i tłumaczeniach, ale nie ma dostępu do danych z WMS i TMS, a firma nie wie, jakie dane do niego trafiają. Największy efekt daje AI połączone z procesami: zlecenia odczytywane automatycznie, dokumenty przypisywane do zleceń, agent korzystający z aktualnych danych. Opisujemy to na stronie AI dla firm logistycznych.

Dane klientów

Firma logistyczna pracuje na danych wielu klientów naraz. Wdrażając AI, trzeba zadbać o to, żeby dane jednego klienta nie trafiły do drugiego, żeby do modeli przesyłać tylko to, co potrzebne, i żeby korzystać z planów, w których dane nie służą do trenowania modeli. O ochronie danych przy automatyzacji piszemy w artykule RODO a automatyzacja procesów.

Jak zmienia się praca biura

Wdrożenie AI w firmie logistycznej zmienia przede wszystkim pracę biura obsługi klienta. Mniej jest przepisywania, sprawdzania stanów na prośbę klienta i składania raportów, więcej rozmów z klientami o wyjątkach, jakości i rozwoju współpracy. Dla wielu opiekunów klientów to zmiana na lepsze, bo odchodzi najbardziej monotonna część pracy. Warto ich jednak zaangażować od początku, bo to oni najlepiej znają formaty klientów i nietypowe sytuacje, które AI musi uwzględnić. Więcej o wprowadzaniu AI do pracy zespołu piszemy w artykule AI w codziennej pracy zespołu.

Od czego zacząć

1. 1Zasady i bezpieczne narzędzia. Ustalcie, z jakich narzędzi AI korzysta zespół, na jakich kontach i jakie dane wolno do nich przesyłać.
2. 2Jeden proces z AI. Najczęściej odczyt zleceń od klientów albo dokumentów. Sprawdźcie jakość na próbce waszych plików.
3. 3Kolejne zastosowania. Gdy pierwszy proces działa, dodajcie agenta dla klientów albo komentarze do raportów.

AI warto traktować jako część szerszej automatyzacji. Wiele procesów, takich jak awizacje czy rozliczenia, nie wymaga AI, a daje równie duży efekt. Przegląd takich procesów znajdziecie w artykule co zautomatyzować w firmie logistycznej.