ВКонтакте 
Telegram 
Youtube 
Яндекс.Дзен 
Rutube 
Справка:
Искусственный интеллект (AI) - способность технологий имитировать интеллектуальную деятельность, например, обучаться на основе информации и заданных правил, делать логические выводы и корректировать свои решения.
Большие Данные (BD) — это структурированные или неструктурированные массивы данных большого объема. Их обрабатывают при помощи специальных автоматизированных инструментов, чтобы использовать для статистики, анализа, прогнозов и принятия решений.
За последние 5 лет использование технологий BigData (большие данные) и Artificial Intellect (AI), в русском языке принята аббревиатура ИИ (искусственный интеллект), в бизнесе переживает революционный характер.
Само понятие как область знаний и его исследование в университетах и технологических корпорациях началось менее 10 лет назад, а практические результаты видны обывателю буквально на каждом шагу. И не только в технологически развитых странах, в первую очередь в США и Китае, но и в России.
Согласно опросу, проведенному деловым порталом TAdviser в 2020 году, около 85% респондентов уже начали использовать ИИ для оптимизации внутренних процессов, 8% планировали начать применять его в ближайшие 2 года. По данным аналитического агентства International Data Corporation, российские компании в 2019 году инвестировали в развитие ИИ 175 млн долл.
В этом плане, Россия, хоть находится хоть и не на задворках, но значительно уступает передовикам. По данным KPMG, российский рынок инвестиций в ИИ-проекты в 2020 году составил 0,2% от мирового объема. Объем же глобальных инвестиций в ИИ в 2021 году составил 94 млрд.долл. Общая капитализация рынка ИИ в 2021 году оценивается в 327,5 млрд.долл. Ожидается, что к 2024 году рынок достигнет 500 млрд.долл, а к 2030 году – 1,5 трлн.долл.
Очевидно, что ИИ-рынок переживает небывалый бум, и привлекает внимание не только венчурных инвесторов, которые, во-многом, и определяют его общую капитализацию, но и со стороны глобальных корпораций и компаний, которые как инвестируют в стартапы или покупают готовые технологии, или развивают собственные технологические решения на основе ИИ.
Ничего удивительного нет в том, что логистический бизнес оказался в числе пионеров практического внедрения ИИ в бизнес-процессы, в первую очередь, за счет бума e-commerce и многомиллиардных инвестиций, которые такие глобальные гиганты как Amazon, FedEx, Wallmart и другие направили в R&D и внедрение новых технологий, чтобы удовлетворить возросший потребительский спрос.
Причина такой любви логистов к AI и BD заключается в том, их применение позволяет принимать более эффективные решения на основе большого количества информации, прогнозировать риски, сокращать как постоянные, так и переменные издержки, увеличивать скорость доставки.
Использование больших данных и искусственного интеллекта в логистике не является панацеей от всех проблем, но позволяет решить одну важную задачу – сделать управленческий выбор более рациональным.
Если управленческие решения, например, по созданию цепочек поставок, строительству распределительных центров или выбору определенного типа транспортного средства в зависимости от времени суток будут приниматься на основе большого количества данных (средняя скорость движения по дорогам, ремонты на трассах, погода, стоимость топлива, расход топлива), то принятое решение будет наиболее эффективным.
Отдельно взятый человек или команда не могут учесть все факторы, которые повлияют на эффективность доставки, тем самым их управленческое решение будет основано не на рациональном выборе, ведь у них просто не хватит информации. Как показывает практика после внедрения ИИ и автоматизированного сбора данных, вся логистическая система функционирует более эффективно, генерируя больше прибыли в одну единицу времени.
Также включение ИИ в планирование логистических поставок дополнительно поможет решить целый ряд проблем.
Снижение рисков.
Например, снизить риски за счет того, что автоматизированный сбор и оценка данных позволяет прогнозировать возможные непредвиденные обстоятельства при доставке товара.
Например, внедрение в работу систем по оценке погодных условий (как это было с компанией «WeathernewsInc», создавшей проект интеграции данных о состоянии судовых систем вместе с погодными условиями) позволяет заранее планировать параметры судна: загруженность и маршрут. По словам директора по аналитике логистического гиганта DHL Бена Линча, «автоматизация про помощи ИИ позволила DHL действовать на опережение возникающим проблемам, предугадывать риски, а не просто действовать реактивно, как это было раньше».
Скорость доставки.
Регулировать и прогнозировать скорость доставки груза. Возможность собрать в одном месте данные о ситуации на транспортных маршрутах в прошлом и настоящем времени делает возможным выбрать самый быстрый путь в определенный момент в будущем. ИИ собирает данные о среднем темпе движения на предполагаемых маршрутах за последние несколько дней (а также в исторической ретроспективе) и выдает лучший вариант с точки зрения быстроты доставки товара.
Снижение издержек.
ИИ способен оценивать множество факторов для принятия решения об отправке товара, оценивать не только среднюю скорость на дороге, но и погоду, количество топлива, требуемого для каждого маршрута, количество заправок, качество дорог. Принимая в анализ все эти показатели, робот, обрабатывающий данные, выдает наиболее эффективное решение с учетом приоритета дешевизны доставки товара.
Исследование консалтинговой компании McKinsey показало, что логистические системы, использующие ИИ в работе смогли снизить свои затраты на 15%, увеличить уровень запаса товара на 35% и на 65% поднять уровень обслуживания. Аналитики McKinsey считают, что автоматизировать сбор и анализ данных в компаниях сейчас возможно в среднем на 65%. Другой член большой консалтинговой четверки компания PwC в своем докладе еще в 2017-2018 гг. предсказывала, что ИИ позволит повысить эффективность труда на 55% к 2030 году.
