גם מי שמפעיל מנופים צריך לחשוב כמו חברת טכנולוגיה
כאשר חושבים על לוגיסטיקה חושבים ישר על מנופים, מחסנים, מסילות רכבת ומשאיות ולא על קידמה טכנולוגית בכלל ובינה מלאכותית בפרט. כמובן שאי אפשר להתעלם מכך שגם לענף הלוגיסטיקה יש חלק גדול באשמה הזו. ההרגל לקרוא לו "ענף מסורתי" הופך לפעמים לתירוץ להמשיך לעבוד באותן שיטות, בזמן שהאפשרויות הטכנולוגיות משתנות.
חברת לוגיסטיקה לא צריכה להפוך לסטארט-אפ, אבל המנהל שלה צריך להתעניין בטכנולוגיה באותה רצינות שבה הוא מתעניין ברכישת מנוף. בשני המקרים הוא מוציא כסף כדי לשפר את היכולת של העסק. אלא שאת התפוקה של מנוף קל יותר להבין ולמדוד, ולכן גם נוח יותר להשקיע בו.
בעברי פיקדתי על בסיס הציוד והתובלה של חיל הים ולאורך השנים בלוגיסטיקה הכרתי היטב את המשיכה לפתרון המוחשי. חסר מקום? מרחיבים. חסר ציוד? קונים. אבל יש הבדל בין הוספת משאבים לבין ניצול טוב יותר של הקיימים. לפני שמרחיבים וקונים, צריך לבדוק מה מונע מהם לעבוד טוב יותר.
בחינת הבינה המלאכותית לאורך השרשרת הלוגיסטית צריכה להתחיל בשאלה כלכלית פשוטה. האם אפשר להגדיל את היקף הפעילות בלי להגדיל באותו קצב את ההוצאות?
כדי לענות עליה, צריך לבחון גם היכן משתמשים בטכנולוגיה. לפי נתוני הלמ״ס שפורסמו ביוני האחרון, מבין העסקים בישראל שכבר משתמשים בבינה מלאכותית, כ-63% עושים זאת בתהליכים ניהוליים ועסקיים, לעומת כ-35% בייצור מוצרים או באספקת שירותים ללקוחות. כלומר, השימוש ב-AI נפוץ יותר בניהול העסק מאשר בייצור ובאספקת השירות עצמם. בענף הלוגיסטיקה צריך לבחון מה הבינה המלאכותית יכולה לשנות גם בדרך שבה מטען מתקבל, מטופל ויוצא ללקוח.
קחו משאית שמגיעה לאסוף מכולה. הנהג נמצא, המכולה נמצאת ויש ציוד להעמסה. אבל עדיין צריך לבדוק מסמכים, לוודא פרטים ולעדכן את העובד בשטח. מה אפשר היה לעשות לפני שהמשאית הגיעה, וכמה פעמים אותו מידע עובר מאדם לאדם?
אם הנהג מחכה, המשאית אינה פנויה למשימה הבאה. אם עובד מברר פרט שכבר נמסר למישהו אחר, גם הזמן שלו מתבזבז. אף אחד לא היה רוכש משאית כדי שתעמוד, אבל כשבודקים השקעה במשאית נוספת, צריך לשאול גם מדוע הקיימות ממתינות.
הבעיה הזאת אינה ייחודית ללוגיסטיקה. אנחנו נראה גרסאות שלה במפעלים, ברשתות מסחר ובחברות שירותים. העסק גדל, מצטרפים עוד אנשים, והראייה עדיין נשארת צרה וכל אחד מטפל אך ורק בחלק שלו. עם השנים מתווספים אישורים, בדיקות והעברות מידע וברוב המקרים לא יהיה את המישהו הזה שעוצר לבדוק אם התהליך כולו עדיין הגיוני. והלקוח, בינתיים, מרגיש את העיכוב.
עמוס דעי
(צילום: : פאבל לונדין, פוניה)
כאן יש לבינה המלאכותית פוטנציאל מעשי וממשי. מערכות שיכולות לקרוא מסמכים, להבין פניות בשפה חופשית ולהצליב את המידע עם נתוני המטען עשויות לסייע בזיהוי בעיות ובטיפול בהן מוקדם יותר. אם חסר מסמך, עדיף לגלות זאת לפני שהנהג בשער, אם המטען דורש הכנה, העובד צריך לקבל את הפרטים מראש.
שינוי כזה צריך להיבחן לפי הזמן שחסך, הטעויות שמנע והשיפור בשירות. לא כל בעיה דורשת AI, לפעמים צריך פשוט לתקן את הנוהל או לסנכרן מערכות קיימות.
מנהל לא יכול לבקש מאנשי המחשוב "להכניס בינה מלאכותית" ולהמשיך הלאה, אלא הוא צריך להיות מוכן לשנות גם נוהל שהוא עצמו אישר, ולהקשיב לעובדים שיודעים היכן העבודה נתקעת. צריך גם להגדיר מתי נדרשת בדיקה אנושית כי בלוגיסטיקה אי אפשר לסמוך אך ורק על המכונה, שכן טעות אחת בלבד עלולה ליצור סיכון בטיחותי והאחריות אינה עוברת לספק התוכנה.
אפשר להתחיל בתהליך אחד, לבדוק פתרון ולראות אם הוא מועיל. אבל צריך להתחיל. ניסיון מקצועי הוא נכס חשוב, אך אינו פוטר מנהלים מלבדוק אם דרך העבודה שהכירו עדיין טובה מספיק. כשמשאית מחכה בגלל מידע חסר, לא בטוח שההשקעה הבאה צריכה להיות בעוד משאית.
עמוס דעי הוא מנכ"ל חברת גולד בונד קונטרם
