Het AI-voordeel uitleggen

 

Waarom worden transparantie, integratie en vertrouwen bepalend in de logistieke technologie? Peter MacLeod spreekt met een expert.

Als er op de LogiMAT van dit jaar een thema was dat duidelijker door de ruis heen sneed dan de meeste andere, dan zou het snelheid zijn. Niet alleen de snelheid van operaties, maar ook de snelheid van implementatie, snelheid van innovatie en uiteindelijk The Big One: snelheid van rendement op investeringen. Voor Inform Software leidt die discussie steeds meer tot een bredere vraag: hoe kunnen logistieke organisaties intelligentere systemen adopteren zonder de transparantie, controle of vertrouwen te verliezen?

 

Dr. Bernd Heinrichs, SVP Inventory & Supply Chain van Inform, sprak mij toe op de drukke beursvloer in Stuttgart en schetste hoe het bedrijf kunstmatige intelligentie ziet ontwikkelen in supply chain- en intralogistieke omgevingen.

 

De optimalisatielaag uitbreiden

Inform wordt al lang geassocieerd met optimalisatie in complexe, data-gestuurde omgevingen. Maar naarmate de markten volatieler worden, wordt van optimalisatiesystemen gevraagd sneller te reageren, meer signalen op te nemen en dynamischere besluitvorming- te ondersteunen.

Deze verschuiving is vooral relevant in omgevingen waar beslissingen onderling afhankelijk zijn. Een verandering in de vraagplanning kan van invloed zijn op de voorraad, transportcapaciteit, arbeidstoewijzing of serviceniveaus. Een aanbeveling die in een bepaald deel van de operatie wordt gedaan, kan elders gevolgen hebben, waardoor transparantie essentieel is voor -tot- dagelijks gebruik.

Voor Heinrichs is dit waar AI in de logistiek zijn praktische waarde moet bewijzen. "Ik praat niet over AI. Ik praat over verklaarbare AI", zegt hij. "Alles wat we doen, alles wat we voorstellen, heeft een verklaring. Anders vertrouwen mensen het niet."

Vertrouwen als een praktische vereiste

In gesprekken met klanten uit verschillende sectoren zegt hij dat dezelfde vraag herhaaldelijk naar voren komt: "Waarom heeft het systeem voor deze optie gekozen en niet voor een andere?"

 

De vraag is van belang omdat logistieke beslissingen zelden alleen door technologie worden genomen. Hierbij zijn planners, managers, operationele teams en in veel gevallen klanten of externe partners betrokken. Als deze belanghebbenden de redenering achter een door AI-ondersteunde aanbeveling niet kunnen volgen, is de kans kleiner dat ze ernaar handelen.

 

Voor Heinrichs zou dit een betekenisvol differentiatiepunt kunnen worden voor Europese technologieleveranciers. "We kunnen AI net zo goed bouwen als wie dan ook, maar we kunnen ook iets anders toevoegen", zegt hij. “Het mag geen zwarte doos zijn.”

Nu bedrijven AI-toepassingen willen inbedden in gevestigde bedrijfsprocessen, wordt dat verschil steeds belangrijker. Systemen moeten technisch sterk zijn, maar ook begrijpelijk genoeg zodat gebruikers ze in de loop van de tijd kunnen uitdagen, valideren en verbeteren.

 

Minder voorspelbare omgevingen beheren

Operationele omgevingen worden steeds moeilijker te plannen met alleen historische gegevens. Vraagpatronen veranderen, externe factoren komen tussenbeide en marktomstandigheden kunnen snel veranderen, vaak voordat die veranderingen duidelijk zichtbaar zijn in de cijfers. "Je moet realtime gegevens verzamelen- en niet alleen op historische gegevens vertrouwen", zegt hij. "Je moet reageren op volatiliteit en signalen uit verschillende bronnen in je beslissingen integreren."

Dit markeert een verschuiving van meer statische optimalisatiemodellen naar responsieve systemen die voortdurend rekening houden met nieuwe informatie. "Het wordt dynamischer", voegt hij eraan toe. "De volgende stap is om het actiever te maken: zelfstandig reageren op veranderingen in de omgeving."

 

Van nieuws tot voorspelling

Een voorbeeld dat Inform voor het eerst presenteert op LogiMAT is een nieuwe, op AI-gebaseerde aanpak die is ontworpen om externe gebeurtenissen rechtstreeks in de prognoses en scenarioplanning te betrekken. Het uitgangspunt, zegt Heinrichs, was een simpele vraag: waarom negeren voorspellingsmodellen zo vaak wat er in de wereld om hen heen gebeurt?

 

"Als je vandaag de dag een klassieke voorspelling doet, is deze gebaseerd op historische cijfers", legt hij uit. "Maar in werkelijkheid wordt de vraag voortdurend beïnvloed door gebeurtenissen zoals geopolitieke conflicten, verstoring van de toeleveringsketen, nieuwe regelgeving of markttrends. Deze informatie bestaat, maar meestal als nieuws, niet als cijfers."

De nieuwe oplossing is ontworpen om die kloof te dichten. Gebruikers geven een tijdreeks aan, zoals verkoopcijfers of een marktindicator, en beschrijven kort de context. De AI onderzoekt vervolgens relevante nieuwsgebeurtenissen, analyseert historische relaties en genereert verschillende mogelijke toekomstscenario’s. Het resultaat is een voorspelling, vergezeld van een op bewijsmateriaal-gebaseerde verklaring waarom een ​​markt zich in verschillende richtingen kan ontwikkelen.

Mens in de lus

Voor Heinrichs (foto hieronder) leidt de discussie over AI ook rechtstreeks naar de rol van menselijke expertise. AI kan patronen identificeren, grote hoeveelheden informatie verwerken en snel scenario's produceren. Maar de waarde ervan neemt toe als mensen de ervaring, context en het oordeel kunnen toevoegen die data alleen niet kunnen bieden.

“AI is slechts zo goed als de data waarmee het werkt en de mensen die die data betekenis kunnen geven”, zegt hij. "Daarom blijft de mens een essentieel onderdeel van de cirkel."

In de praktijk betekent dit dat planners en besluitvormers-niet uit het proces worden verwijderd. Zij blijven daarin centraal staan. Hun rol is het valideren van scenario's, het in vraag stellen van aannames en het verfijnen van resultaten op basis van operationele kennis of marktintuïtie.

 

"Als mensen begrijpen waarom het systeem iets aanbeveelt, kunnen ze beslissen of ze het willen vertrouwen, in twijfel trekken of verbeteren", legt Heinrichs uit. "Dat is waar de samenwerking tussen menselijk oordeel en machine-intelligentie echt krachtig wordt."

 

Integratie en interoperabiliteit

Een ander consistent thema in klantgesprekken is integratie. Naarmate logistieke operaties steeds meer met elkaar verbonden raken, wordt de mogelijkheid om AI-gestuurde applicaties te koppelen aan bestaande systemen essentieel. "Wij krijgen altijd de vraag: hoe integreer ik met mijn ERP-systeem, mijn andere oplossingen?" Hendriks vertelt het mij. De reactie van Inform was het standaardiseren van connectoren en het afstemmen op grote platforms zoals SAP en Microsoft. Het resultaat is een eenvoudiger integratietraject, waardoor zowel de kosten als de implementatietijd worden verminderd.

 

“Het maakt een groot verschil”, voegt hij eraan toe. “En het maakt het voor ons ook makkelijker om internationaal uit te breiden.”
Dit is een cruciaal punt bij de adoptie van AI. Zelfs de meest geavanceerde applicatie zal moeite hebben om waarde te creëren als deze los staat van de systemen waarin bedrijfsprocessen daadwerkelijk worden beheerd. Logistieke bedrijven werken al met gevestigde IT-landschappen en nieuwe oplossingen moeten in die omgevingen passen zonder extra complexiteit te creëren.

 

 

Gegevensverantwoordelijkheid

Met de toegenomen connectiviteit en het datagebruik komt er steeds meer toezicht op de beveiliging. Heinrichs' achtergrond op het gebied van cyberbeveiliging geeft aanleiding tot een krachtig standpunt over deze kwestie. "Elk product moet een veiligheidsstempel hebben voordat het op de markt komt", zegt hij. "Het is verplicht."

Naarmate AI-modellen gebruik maken van bredere databronnen – inclusief externe feeds zoals nieuws en marktinformatie – groeit de complexiteit van het beheren en beveiligen van die data. "De hoeveelheid data waar we gebruik van maken, creëert een enorme vraag op het gebied van databeveiliging", merkt Heinrichs op. "Je moet er bovenop blijven zitten."

 

Een markt die klaar is om in beweging te komen

Misschien wel het meest opvallend is Heinrichs' inschatting van het marktsentiment. In plaats van voorzichtigheid ziet hij een groeiende honger naar experimenten en snelle vooruitgang.

"Klanten vragen ons om met ideeën te komen", zegt hij. "Ze zijn bereid om snel te winnen en snel te falen." Die openheid creëert een vruchtbare bodem voor intelligente oplossingen die tastbare verbeteringen kunnen opleveren zonder de traagheid van grootschalige transformatieprojecten op grote schaal.

 

Voor veel bedrijven zal de volgende fase van digitalisering niet alleen door AI worden bepaald. Het zal worden gedefinieerd door AI die zichzelf uitlegt, naadloos aansluit op bestaande systemen en beslissingen ondersteunt waarop mensen kunnen vertrouwen.