Sztuczna inteligencja jest często przedstawiana jako sposób na szybsze planowanie i większą odporność logistyki. Matthew Sterner, Global Customer Marketing Leader for Transportation, Logistics and Warehousing w Honeywell, podkreśla jednak praktyczny warunek: narzędzie trzeba dopasować do pracy, zanim zacznie ją poprawiać.
Sieci logistyczne wytwarzają dane w magazynach, transporcie i obsłudze klientów, lecz ich ilość nie gwarantuje widoczności. Powielone rekordy, pominięte wyjątki i spóźnione aktualizacje mogą sprawić, że system przedstawi szybką odpowiedź na niewłaściwie opisany problem.

Lepszy podział pracy między systemem a człowiekiem
W analizowanym procesie wysyłki było około 30 etapów, a informacje wprowadzano więcej niż raz. Przesyłka mogła przejść dalej mimo sprzecznych danych lub braku wskazania specjalnej obsługi. Mapa procesu pozwoliła dodać automatyczne kontrole tam, gdzie miało to sens, i zachować ludzki osąd w pozostałych miejscach. Czas pracy człowieka skrócił się z około sześciu minut do 30–45 sekund.
To podejście odpowiada logice Industry 5.0. Efektywność nie polega na usuwaniu ludzi ze wszystkich decyzji, lecz na ograniczeniu rutyny i zapewnieniu pracownikom lepszej widoczności sytuacji wymagających doświadczenia. Przed wdrożeniem trzeba ustalić, co system może wykonać sam, co wymaga akceptacji oraz jak rozstrzygane są konflikty z polityką firmy lub wymaganiami dostawców.
Odporność wymaga reakcji
AI może wykryć nagły wzrost zainteresowania produktem i pomóc wcześniej rozmieścić zapasy. W transporcie zestawienie pozycji pojazdu z pogodą może wskazać ryzyko opóźnienia, zaproponować zmianę trasy i zaktualizować przewidywany czas dostawy. Zysk pojawia się tylko wtedy, gdy sygnał jest wiarygodny, a firma ma procedurę działania.

Narzędzia muszą też odpowiadać warunkom pracy. Jedni pracownicy skorzystają z instrukcji bez użycia rąk, inni potrzebują prostszego wsparcia i szkolenia. Sterner zaleca mały pilotaż z mierzalnym wynikiem, który pokaże ograniczenia danych i zasadność szerszej digitalizacji.







