Bilans wykorzystania sztucznej inteligencji wychodzi na plus

Wskaźnik intensywności cyfrowej w sektorze transportu i magazynowania wynosi ponad 40 proc. To, jak wynika z najnowszego raportu TLP „Transport drogowy w Polsce 2024/2025”, plasuje go na przedostatnim miejscu wśród analizowanych branż w naszym kraju. I dowodzi, że branża wciąż ma potencjał do rozwoju w tym zakresie.

‒ Potrzebny jest pewien poziom dojrzałości technologii, zanim zacznie ona być masowo wykorzystywana w branży. Kiedy ten próg zostanie osiągnięty, jestem przekonany, że adopcja nastąpi bardzo gwałtownie – uważa Krzysztof Otrząsek, dyrektor sprzedaży opon ciężarowych i rozwiązań flotowych, Continental Opony Polska, i przytacza wyniki badania Continental „Future of Fleets”. Pokazują one, że AI wciąż nie jest priorytetem dla większości menedżerów flot. Zaledwie 17 proc. respondentów wskazało, że inwestuje obecnie w rozwiązania oparte na sztucznej inteligencji, co stawia ją znacznie poniżej takich technologii jak elektromobilność (41 proc.), oprogramowanie do zarządzania flotą (34 proc.) czy advanced driver-assistance systems (ADAS, 27 proc.). Przedstawiciel Continentala dodaje jednak, że w tym samym badaniu 25 proc. respondentów uznało, że zarówno konserwacja predykcyjna, jak i cyfrowe zarządzanie oponami to kluczowe obszary inwestycji flot. Dodatkowo, 24 proc. firm planuje wdrożyć konserwację predykcyjną w ciągu najbliższych dwóch lat, a 20 proc. zamierza zainwestować w cyfrowe systemy zarządzania.

Zbigniew Kępiński, group business process automation manager z Grupy Raben, zwrócił z kolei uwagę na możliwości, jakie daje wdrożenie AI, w tym coraz lepszych i coraz bardziej bezbłędnych rozwiązań w takich obszarach jak robotyka i automatyka wykorzystywana w procesach magazynowych, ładunkowych, procesach składowania, monitorowania i kontroli. Jak zauważył, dokonuje też znaczących optymalizacji w części związanej z predykcją, prognozowaniem, optymalizowaniem tras, efektywnym wykorzystaniem powierzchni załadunkowych i floty transportowej. Ale też w obszarze platform i systemów IT, który może być efektywniej wykorzystywany poprzez automatyzację procesów, włączanie inteligentnych modułów wspomagających codzienną pracę użytkowników czy procesy wspomagania decyzji biznesowych.

Naturalny impuls rozwoju

Krzysztof Otrząsek wskazał, że AI to naturalny impuls rozwoju biznesowego, i opowiedział, jakie znajduje zastosowanie w przemyśle oponiarskim. Sztuczna inteligencja jest wykorzystywana w projektowaniu, produkcji oraz zarządzaniu oponami.

– Dzięki AI mamy możliwość jeszcze lepszego wykorzystania inteligentnych systemów monitorowania stanu opon, przewidywania ich zużycia oraz optymalizacji procesów logistycznych w zarządzaniu flotą. Dzięki temu możliwe są zwiększenie bezpieczeństwa, efektywności operacyjnej czy też redukcja kosztów eksploatacji – zaznaczył.

Natomiast Maciej Wroński, prezes Związku Pracodawców Transport i Logistyka Polska, stwierdził, że w branży TSL zastosowanie systemów wykorzystujących AI może być sposobem na problemy związane z brakiem wykwalifikowanych, kompetentnych i zarazem doświadczonych kadr. Sztuczna inteligencja może bowiem zastąpić pracę człowieka wszędzie tam, gdzie są wymagane analiza danych, podejmowanie na ich podstawie trafnych decyzji i jednocześnie uczenie się na własnych błędach.

‒ AI może być znacznie bardziej elastyczna od ludzkich kadr, w przypadku zmiany modelu działania firmy lub oczekiwań klientów. AI nie podlega też wypaleniu zawodowemu, nie bierze urlopów, nie choruje, a jej działanie nie jest uzależnione od emocji i wahań sprawności psychofizycznej. No i działa 24 godziny na dobę, jest szybsza, efektywniejsza pod kątem podejmowanych decyzji, a koszt jej bieżącej eksploatacji już jest niższy niż pracy ludzkiej – zauważył Maciej Wroński i dodał, że co do możliwości tworzenia modeli biznesowych z udziałem sztucznej inteligencji, to dziś już jest możliwa prawie całkowita automatyzacja wszystkich procesów logistyczno-transportowych z uwzględnieniem indywidualnych potrzeb klienta.

– Niestety, o ile już dzisiaj możemy myśleć o automatyzacji pracy spedytora, operatorów magazynów i hubów logistycznych, o tyle na zastosowanie AI w przewozach drogowych autonomicznymi pojazdami musimy jeszcze zaczekać. Do tego są nam potrzebne jeszcze pojazdy, odpowiednia infrastruktura oraz stworzenie otoczenia regulacyjnego – podkreślił Maciej Wroński.

Roboty i dane

Gdzie zatem AI jest dziś stosowana, a gdzie są białe plamy do zagospodarowania? Zbigniew Kępiński powiedział, że Grupa Raben od ponad dekady wykorzystuje możliwości, jakie dają platformy LowCode/NoCode, tworząc platformę myRaben. Od ponad pięciu lat firma korzysta z coraz bardziej „inteligentnych” robotów RPA (Robotic Process Automation), które pozwalają na automatyzacje coraz to nowych obszarów procesowych na styku systemów IT, systemów klientów, platform zewnętrznych.

– Aktualnie na potrzeby firmy uruchomiliśmy ok. 400 procesów robotycznych, które są wykonywane przez 50 autonomicznych robotów RPA. Od kilku lat firma zaczyna również wykorzystywać i eksplorować obszary, do których tradycyjne RPA nie mogło dotrzeć. Zaczyna użytkować modele uczenia maszynowego do wydobywania kluczowych informacji z dokumentów i nieustrukturowanych wiadomości e-mail. Wyciąga z nich dane oraz rozpoznaje konteksty, w których dane mają być wykorzystane – wyjaśnił Zbigniew Kępiński i dodał, że firma coraz częściej zaczyna również uruchamiać procesy AI, które kontrolują jakość i spójność ewidencjonowanych w systemach IT danych.

O danych mówi też Krzysztof Otrząsek, dodając, że rozwiązanie ContiConnect wykorzystuje zaawansowane czujniki oraz algorytmy sztucznej inteligencji do automatycznego monitorowania kluczowych parametrów opon.

– Jako pierwsi wchodzimy na rynek z rozwiązaniem umożliwiającym pomiar głębokości bieżnika. Pozwala to na przewidywanie momentu wymiany opon oraz planowanie konserwacji, co zwiększa bezpieczeństwo i efektywność flot – wyjaśnił i dodał, że Continental umożliwia swoim klientom uzyskanie szczegółowego wglądu w aktualny stan opon w ich flocie pojazdów. Dzięki temu menedżerowie flot mogą efektywnie planować konserwację lub wymianę opon oraz koordynować te działania z harmonogramem operacyjnym i innymi nadchodzącymi pracami serwisowymi, takimi jak przeglądy techniczne pojazdów.

Opowiedział też o wyzwaniach związanych z zastosowaniem AI. Według niego jednym z nich jest pełna integracja AI z istniejącymi systemami zarządzania flotą oraz innymi technologiami w pojazdach, tak, aby zapewnić płynność i kompatybilność. Wykorzystanie uczenia maszynowego pomaga ujednolicić dane pochodzące z wielu źródeł.

‒ Pomimo różnych formatów i interwałów mamy dzięki AI lepszą możliwość wykorzystania ich w systemach prognozujących zużycie i koszty. Nad tym wszystkich stoi jeszcze kwestia nadrzędna ‒ bezpieczeństwo. Wykorzystując AI, szczególnie w takim biznesie jak opony, musimy mieć pewność, że te rozwiązania są w 100 proc. bezpieczne pod wieloma aspektami, od bezpieczeństwa danych, przez modele algorytmów, po finalny fizyczny produkt mający bezpośredni wpływ na bezpieczeństwo na drodze – wyjaśniał Krzysztof Otrząsek.

Wyzwania finansowe i kompetencyjne

Zbigniew Kępiński zauważył, że kiedyś barierami w przypadku wykorzystania sztucznej inteligencji były opór użytkowników, nieufność wobec nowych technologii, brak zrozumienia dla procesów automatyzacji. Dziś wyzwaniem staje się zbudowanie ekosystemu AI w taki sposób, aby była to platforma bezpieczna, zapewniająca poufność wykorzystywanych danych i zgodna z regułami i procedurami, jakie obowiązują w organizacji.

‒ Dobór komponentów AI z całej ogromnej gamy dostępnych na rynku rozwiązań to nie tylko analiza ekonomiczna, lecz także proces autoryzacji i certyfikacji rozwiązań z zaangażowaniem naszych działów Risk Management i IT Security – powiedział.

Maciej Wroński w kontekście barier dla wykorzystania AI stwierdził, że w przypadku transportu drogowego jest nią rozdrobnienie branży i wielkość przeciętnego przedsiębiorstwa transportowego.

– Na ponad 105 tys. przewoźników jedynie ok. 400 można zaliczyć do większych graczy. A przeciętna polska firma transportowa dysponuje realnie sześcioma pojazdami. W takich małych przedsiębiorstwach próba zaimplementowania AI raczej nie spełni warunków efektywnego jej wykorzystania z punktu widzenia analizy kosztów i korzyści – podkreślił i dodał, że barierą są także kompetencje. Aby efektywnie korzystać ze sztucznej inteligencji, trzeba zapewnić sobie odpowiednio wykwalifikowane kadry, które będą umiały ją wdrożyć, a później efektywnie wykorzystać. Barierą jest też zdolność finansowa przeciętnego polskiego przewoźnika. Dziś jest ona za mała, aby zapewnić płynność finansową w okresie dekoniunktury, a co dopiero mówić o inwestycjach w drogie systemy AI.

‒ Wśród innych barier można wskazać na jakość i dostępność danych, na których będą pracować systemy z zaimplementowaną AI. A także brak wypracowanych w branży standardów w zakresie interoperacyjności systemów i wymiany danych – powiedział Maciej Wroński.

Na to, że inwestycje w technologie AI – zarówno w sprzęt, jak i w oprogramowanie – wiążą się z dużymi nakładami finansowymi, zwrócił też uwagę Krzysztof Otrząsek. Dotyczy to również, jak dodał, integracji tych rozwiązań z istniejącą infrastrukturą IT oraz systemami zarządzania flotą czy produkcją. Zgodził się też, że inną istotną barierą jest brak odpowiednio wykwalifikowanej kadry. To utrudnia nie tylko wdrażanie nowych rozwiązań, lecz także ich rozwój i późniejsze utrzymanie. Wymaga to rekrutacji ekspertów z zewnątrz, ale także inwestycji w rozwój kompetencji wewnętrznych zespołów. Dodatkowym wyzwaniem, jak zaznaczył, jest kwestia standaryzacji danych. W przypadku pojazdów, czujników czy systemów serwisowych często pochodzą one z różnych źródeł i nie zawsze są kompatybilne. To jednak, jak podkreślił, jest równocześnie szansą, ponieważ dobrze wytrenowana sztuczna inteligencja potrafi takie różnorodne dane sprowadzić do wspólnego mianownika.

– Nie bez znaczenia jest także poziom zaufania do AI. Dlatego niezbędne jest, aby systemy sztucznej inteligencji były nie tylko skuteczne, lecz także transparentne i „wytłumaczalne”, co obecnie pozostaje jednym z kierunków rozwoju tej technologii – mówi Krzysztof Otrząsek.

Akcent na cyberbezpieczeństwo

Na koniec Zbigniew Kępiński przyznał, że korzyści wynikające z zastosowania AI są większe niż nakłady na nią.

– I to liczone jako odzyskany czas naszych pracowników, którzy po odciążeniu ze żmudnych zadań, jakie przejęły od nich roboty, mogą się zająć zadaniami zgodnymi z ich kompetencjami. Inny parametr to zwiększenie wydajności – automatyka wykonuje zadania kilka razy szybciej. Kolejny element to kwestie jakościowe, poprawa komunikacji z klientami oraz wskazówki do działań optymalizacyjnych, które są identyfikowane przez sztuczną inteligencję – wyliczył.

Maciej Wroński odniósł się z kolei do wsparcia zewnętrznego na AI. Jak zauważył, nie dostaje go ten, kto działa bardziej efektywnie, ale ten, kto lepiej napisał wniosek w tej sprawie. Biorąc także pod uwagę, że decyzję w sprawie dofinansowania podejmują urzędnicy, to ich decyzje często mijają się z rzeczywistymi potrzebami rynku. Dlatego lepiej byłoby zmniejszyć obciążenie finansowe branży, zamiast wchodzić w redystrybucję uzyskiwanych z podatków środków finansowych.

‒ Jest jednak jeden obszar, w którym widziałbym wsparcie władz publicznych. Tym obszarem są działania na rzecz zwiększenia odporności systemów informatycznych, w tym także tych, w których zaimplementowano AI, na zagrożenia przed cybernetycznym sabotażem. Dzisiaj każdy skuteczny atak hakerski może na kilka lub kilkanaście godzin zatrzymać pracę kluczowych dla gospodarki przedsiębiorstw logistyczno-transportowych. Drugim obszarem systemowego wsparcia powinna być ochrona przed wykorzystywaniem przez AI nielegalnie pozyskiwanych i przetwarzanych danych rynkowych. W tym przede wszystkich tych, które są bez zgody i wiedzy pozyskiwane od kontrahentów, współpracujących z firmą, w jakiej zaimplementowano zaawansowanie rozwiązania – podsumowywał prezes Związku Pracodawców Transport i Logistyka.