物流AI：将复杂性转化为预测结果

通过基于云的企业软件提供低成本人工智能（AI）服务已成为实验和采用的驱动力。但对于许多物流领导者而言，其真正的价值主张并不明显。

人工智能对人类的“矩阵式”统治的头条新闻增加了混乱。大多数真实世界的应用仅限于智能虚拟助手，它们可以作为人工智能采用的驱动力，但不会提供商业价值......除非人们正在寻找放映时间。

人工智能对物流的价值支柱体现在宏伟和简单化之间的白色空间中，特别是实现预测和主动异常管理。

人工智能在全球物流中势在必行

如果人工智能可以驯服当今供应链的复杂性，预测异常，并使运营团队能够在这些异常发生之前主动管理这些异常，该怎么办？

考虑一家大型美国制造商的供应链复杂性，该制造商将产品运送到全球各国的众多客户。可能数百甚至数千条交通车道涉及令人难以置信的合作伙伴 - 卡车司机，海运和航空运输公司，第三方物流公司，海关经纪人，国家附属公司 - 必须和谐地管理。

提高客户对按时完整交货，延期交货，服务质量，流程合规性（例如冷链）的预期，以及第三方物流，运输公司和托运人的整体客户体验压力利润率和运营能力。

好消息？供应链的所有复杂性都是有机地填充数据。产品过程中的每个事件（例如装运里程碑，切换或文档）都会生成可以利用的数据。AI无法独自完成，但作为数字化难题的一部分，它可以将数据转换为预测性见解。

在人工智能的各个领域中，机器学习（ML）是全球物流最有前途的。

机器学习允许供应链领导者构建预测模型，通过模拟逻辑推理，可以从数据中学习和自我优化，或识别原始数据上的模式。ML模型输出可以是提前期，准时性能，服务水平，成本或这些的组合，而模型输入必须反映给定供应链通道的复杂性，模式，运营商，成本，历史性能，Incoterms，实时馈送，物联网传感器。这一切都取决于用例。

如何入门

AI需要数据，很多。因此，采用数字化优先方法来建立数据以电子方式生成，捕获和存储的数字环境是关键。物联网生成的数据很好，但即使是在断开连接的旧系统中的数据，或者只是通过电子邮件交换的数据，也可以通过使用正确的聚合引擎来充分利用。

发展“快速失败”的飞行员是另一个重要的起点。建立正确的跨职能内部团队，对现有问题拥有深厚的专业知识，并确定可以支持快速（4-12周）价值证明项目的合作伙伴。AI不是唯一或永远是最佳选择，因此加速发现是快速获胜和重新评估的关键。

通过实现预测和更好的异常管理，AI可以缓解供应链的复杂性并为数字化转型提供动力，从而为供应链带来更多的主动性，效率和结果。

文章来源:氩媒体