Wywiad przeprowadzony z Matthiasem Winkenbach z MIT

Mecalux przeprowadził wywiad z Matthiasem Winkenbach, głównym badaczem w Massachusetts Institute of Technology (MIT), aby dowiedzieć się, jaki wpływ na rozwój handlu elektronicznego będzie miała sztuczna inteligencja.

• Niedawno stwierdził Pan, że sztuczna inteligencja będzie kolejnym znaczącym trendem w łańcuchu dostaw. Jaki jest jej potencjał w zakresie usprawniania logistyki?

  Istnieje wiele sposobów wykorzystania potencjału sztucznej inteligencji w sektorze logistycznym. Badania prowadzone przez mój zespół koncentrują się na projektowaniu systemów. Na przykład na tym, w jaki sposób sztuczna inteligencja umożliwi uwzględnienie w logistyce nie tylko większej ilości danych, ale także zbiorów danych, które będą bardziej wartościowe w rozwiązywaniu problemów. Weźmy prosty przykład: planowanie tras. Tradycyjnie były do tego stosowane algorytmy badań operacyjnych, które miały jeden prosty cel, a mianowicie znaleźć najkrótszą, najszybszą i generującą możliwie najniższe koszty trasę. Jednak w prawdziwym życiu cele przedsiębiorstw są bardziej złożone, chodzi bowiem o to, aby trasa była zarówno ekonomiczna, jak i bezpieczna, a także spełniała szereg innych wytycznych, których uwzględnienie nie jest możliwe przy użyciu tradycyjnych algorytmów. Problemy te są w stanie rozwiązać modele uczenia maszynowego, łącząc więcej funkcji i danych, aby sprostać wyzwaniom logistycznym takim jak zarządzanie zapasami, projektowanie sieci, warunki drogowe czy specyficzne potrzeby klientów.

• W jaki sposób testują Państwo w MIT te technologie?

  Kieruję dwoma laboratoriami. Jednym z nich jest Megacity Logistics Lab, w którym prowadzimy badania związane z logistyką ostatniej mili, mobilnością miejską, dystrybucją w e-commerce oraz projektowaniem sieci omnikanałowych. Drugie to CAVE Lab, zajmujące się tworzeniem oprogramowania: opracowujemy tu narzędzia, które pomagają badaczom w pracy z modelami analitycznymi i danymi logistycznymi na dużą skalę. Projektujemy intuicyjne interfejsy umożliwiające interakcję z tymi modelami w praktyczny sposób, który nie wymaga bycia ekspertem w kwestiach technicznych, aby z nich korzystać.

  

• Jakie wyzwania stoją przed firmami z sektora e-commerce, które chcą zoptymalizować proces dystrybucji?

  W ciągu ostatnich dwóch lat handel elektroniczny uległ sporym zmianom. Kiedy zaczynałem badania w tym obszarze, robiliśmy znacznie mniej zakupów przez internet i czekaliśmy cztery, pięć dni na dostarczenie zamówienia. Teraz dostawa następnego dnia jest normą i sądzę, że w niedalekiej przyszłości dostawy będą realizowane tego samego dnia lub nawet w ciągu kilku godzin. Ten niepohamowany wzrost szybkości realizacji zamówień i różnorodności produktów dostępnych przez internet skutkuje zwiększeniem złożoności procesu logistycznego i dodatkowymi wyzwaniami, z którymi logistyka e-handlu musi sobie poradzić. Jednym z nich jest zarządzanie zapasami i ich rozmieszczenie. Kiedy czas realizacji zamówień był dłuższy, tego typu strategie związane z zapasami nie były potrzebne, ponieważ na przykład w Stanach Zjednoczonych zaledwie trzy centra dystrybucyjne mogły zaopatrzyć 80% populacji w ciągu dwóch, trzech dni. Jednak w dzisiejszym świecie, aby dotrzeć w takim czasie do tej samej liczby osób, potrzeba co najmniej dziewięciu lub dziesięciu obiektów rozsianych po całym kraju.

• Jak będzie funkcjonował świat dostaw w tym samym dniu?

  Handel elektroniczny na żądanie, polegający na tym, że klient zamawia produkt i otrzymuje go w ciągu godziny lub dwóch, staje się coraz bardziej popularny, dlatego scentralizowany system dystrybucji staje się niewystarczający. Trzeba działać bardziej lokalnie i dysponować bardziej rozproszoną siecią obiektów logistycznych. Oznacza to, że również zapasy muszą być rozproszone. Należy więc podejmować przemyślane decyzje dotyczące tego, gdzie i w jakiej ilości składować poszczególne rodzaje produktów. W przeciwnym razie dochodzi do powielania zapasów w obiektach, co jest wysoce kosztowne. Zarządzanie zapasami i projektowanie sieci logistycznej to dwie największe trudności, z jakimi borykają się firmy e-commerce. Do tych wyzwań dochodzi jeszcze jedno: prognozowanie popytu. Możliwość przewidzenia z większą dokładnością, jaka będzie wielkość sprzedaży na określonym obszarze, na przykład w centrum Manhattanu, nie tylko w przyszłym miesiącu, ale i w ciągu najbliższych dwóch godzin, może mieć ogromne znaczenie. Dzięki bardziej zatomizowanemu i krótkoterminowemu prognozowaniu popytu firmy mogą zredukować swoje ogólne zapotrzebowanie na zapasy, aby zapewnić szybszą i bardziej niezawodną obsługę klientom.

  Ten niepohamowany wzrost szybkości realizacji zamówień i różnorodności produktów dostępnych przez internet niesie wyzwania, z którymi logistyka e-handlu musi sobie poradzić

• W jaki sposób sztuczna inteligencja może pomóc w zakresie dystrybucji w handlu elektronicznym?

  Sztuczna inteligencja może pomóc na wiele sposobów. Poza zarządzaniem trasami jej potencjał możemy zaobserwować także w projektowaniu sieci i planowaniu zapasów. Ostatnio w naszym laboratorium pracowaliśmy nad rozwiązaniem dla firmy, która potrzebowała systemu dystrybucji na ostatniej mili, aby poprawić omnichannel experience. Załóżmy, że prowadzimy internetowy sklep z odzieżą i mamy grupę klientów, którzy podnoszą prestiż naszego sklepu. Chcemy więc dotrzeć do influencerów z tej grupy za pomocą usługi premium, dzięki której będą mogli otrzymać zamówiony produkt w ciągu 60 minut, niezależnie od tego, gdzie się znajdują. Zaprojektowanie takiego systemu dystrybucji z wykorzystaniem tradycyjnego oprogramowania nie jest możliwe ze względu na stopień złożoności tego systemu. Istnieje zbyt wiele zmiennych, między którymi zachodzą nieliniowe zależności, a wysiłek obliczeniowy niezbędny do rozwiązania tego problemu jest zbyt duży, aby zrealizować go w rozsądnym czasie.

  To tutaj z pomocą przychodzą algorytmy sztucznej inteligencji, które umożliwiają nam podejmowanie lepszych decyzji dotyczących tego, gdzie umieścić zapasy, które sklepy fizyczne wykorzystać do tej konkretnej usługi lub gdzie utworzyć dodatkowe obiekty obsługujące tylko kanał internetowy. Uczenie maszynowe i analityka operacyjna stają się sprzymierzeńcami w rozwiązywaniu złożonych problemów logistycznych.

• Co mogą zrobić firmy, aby szybciej realizować zamówienia?

  Aby wygrać wyścig z czasem na ostatniej mili, firmy muszą sobie uświadomić, że wszystko sprowadza się do zaprojektowania sieci specjalnie pod kątem tego typu usługi, a nie jedynie modernizacji sieci istniejących. Klienci oczekują krótszych terminów dostaw i szerszej oferty produktów dostępnych przez internet, ale firmy wciąż działają w oparciu o dotychczasową infrastrukturę. Jednak, jeśli chce się coś zrobić dobrze, czasami trzeba zburzyć to, co jest, i zaprojektować wszystko od zera. Oczywiście to normalne, że chcemy wykorzystywać infrastrukturę, która przecież nadal działa. Ale na przykład niemożliwe jest dostarczenie zamówienia w ciągu dwóch godzin, jeżeli magazyn jest oddalony 60 kilometrów od miasta. Konieczne jest wówczas zainwestowanie w infrastrukturę dedykowaną ekspresowym dostawom.

  

  Kolejnym kluczowym aspektem jest inwestowanie w narzędzia do analizy danych. W przeszłości wiele firm logistycznych koncentrowało się na kwestiach optymalizacji. Z reguły firmy te mają wyspecjalizowane zespoły pracujące nad inżynieryjną stroną budowy i eksploatacji sieci logistycznych. Rzadziej jednak zdarza się, by firma posiadała zespół zajmujący się danologią. Droga do tak wysokiego poziomu obsługi to także rywalizacja o talenty i o odpowiednich ekspertów, którzy stworzą potrzebne firmie algorytmy nowej generacji, zestaw umiejętności tych specjalistów różni się bowiem nieco od tego, jakim dysponują inżynierowie, których zatrudniano dziesięć czy piętnaście lat temu. Równie istotne jest inwestowanie w osoby, które mogą stanowić pomost między perspektywą biznesową specjalistów w zakresie logistyki a bardziej technicznym punktem widzenia danologów.

• Na czym miałaby polegać rola takiego pomostu między tymi dwiema grupami?

  Niektóre organizacje popełniają błąd, zatrudniając ekspertów od danologii, którzy nigdy nie pracowali w branży logistycznej. Chociaż mają oni wysokie kwalifikacje, często istnieje przepaść między nimi a osobami, które mają wiedzę, jak działa biznes. Zauważyliśmy, że wiele firm boryka się z tego rodzaju problemem. Myślę, że kluczem do sukcesu jest zatrudnianie osób posiadających kompetencje mieszane. MIT i inne uczelnie oferujące program inżynierii przemysłowej już starają się kształcić studentów pod tym kątem. Nadal trzeba posiadać gruntowną wiedzę branżową i wykształcenie inżynieryjne, ale potrzebna jest również odpowiednia wiedza z zakresu nauki o danych i uczenia maszynowego. Nie oznacza to, że masz umieć zbudować najnowocześniejszy model sztucznej inteligencji, ale musisz być w stanie komunikować się zarówno z danologiem, który go wymyślił, jak i z logistykiem, który dokładnie wie, co ten model robi, nawet jeśli nie potrafi napisać ani jednej linii kodu.

• Jakie nowe technologie lub trendy związane ze sztuczną inteligencją będą miały znaczący wpływ na przyszłość dystrybucji w handlu elektronicznym?

  Raczej nikogo nie zdziwi, jeśli powiem, że chatboty, bo wszyscy już o tym wiedzą, ale myślę, iż ta technologia będzie miała duży wpływ na branżę. Metody, które stoją za narzędziami takimi jak ChatGPT, wydają się bardzo obiecujące w kwestii rozwiązywania niektórych problemów z zakresu planowania i optymalizacji logistyki, z jakimi borykamy się od lat. Metody podobne do tych, które wykorzystują chatboty, mogą okazać się bardzo przydatne do przewidywania tras, a nie tylko ich optymalizacji. Będzie to miało wpływ nie tylko na samą trasę, ale także na wykorzystanie zapasów i sieci logistycznych. Prawie każdy duży problem z zakresu optymalizacji kombinatorycznej można rozwiązać za pomocą tego rodzaju metod.

  Dla konsumentów największą rewolucją, z jaką prawdopodobnie będziemy mieć do czynienia, będzie płynna interakcja ze sklepami internetowymi. Nie będzie już trzeba wchodzić na stronę internetową, wyszukiwać produktu i klikać „kup”. Wystarczy, że porozmawiamy ze swoim inteligentnym asystentem na smartfonie i powiemy mu: „Zapomniałem kupić pastę do zębów. Możesz mi kupić jedną tubkę?”. Asystent przeanalizuje nasze wcześniejsze zakupy i nawyki zakupowe, aby się dowiedzieć, jakiej marki pasty zwykle używamy i jaka cena jest dla nas akceptowalna. Sądzę, że zakupy przez internet będziemy robić dużo płynniej i w sposób zintegrowany z codziennym życiem, co przy okazji oznacza również, iż zakupy na żądanie będą trendem rosnącym. Logistyka w związku z tym będzie musiała stać się znacznie bardziej elastyczna i dynamiczna, aby móc odpowiedzieć na taki scenariusz. Jeśli bowiem interakcja przebiega płynnie, a potem oczekujemy cztery dni na otrzymanie zamówionych produktów, to mija się to z celem. Myślę, że właśnie w tym kierunku zmierza świat handlu elektronicznego, może nie dziś ani nie jutro, ale na pewno w perspektywie średnioterminowej.

  Wyzwanie polega na składowaniu towaru blisko klientów w sposób bardziej zrównoważony

• Jakiej rady udzieliłby Pan firmom z branży e-commerce, które chcą wdrożyć sztuczną inteligencję w swoim procesie dystrybucji?

  Obecnie, gdy korzystanie z chatbotów staje się coraz bardziej powszechne, ludzie uświadamiają sobie potencjał tych modeli, choć sztuczna inteligencja to nadal wielka enigma. Kiedy rozmawiam z przedstawicielami branży, niektórzy mówią, że chcą zainwestować w sztuczną inteligencję, bo ona automatycznie rozwiąże wszystkie ich problemy. Metody te są jednak wciąż w fazie rozwoju. Mają ogromny potencjał, ale musimy je lepiej zrozumieć. To nie jest tak, że można wybrać jakiś już istniejący model chatbota, przedstawić mu problem i czekać, aż go rozwiąże. Sztuczna inteligencja nie jest świętym Graalem, nie może rozwiązać wszystkich problemów natychmiast i bez wysiłku.

  Jeśli firma chce wejść do tego świata, warto to robić małymi krokami. Najpierw powinna zidentyfikować kwestie, które już teraz bardzo dobrze rozumie. Nie należy wybierać problemów, co do których nie ma się pojęcia, jak je rozwiązać. Trzeba zacząć od tych, które potrafimy, takich jak planowanie tras czy zarządzanie zapasami, i spróbować rozwiązać je za pomocą uczenia maszynowego. Gdy uzyskamy dobre wyniki, zawsze możemy zwiększyć złożoność i wprowadzić dodatkowe wyzwania. Jeśli firma posiada ograniczone zasoby, powinna starać się mądrze inwestować pieniądze, a więc w problemy łatwe do rozwiązania, aby zyskać doświadczenie i rozwijać umiejętności. Uważam, że w ten sposób należy zwiększać zdolności analityczne w firmie: rozwiązywać problemy, uczyć się na ich podstawie i wykorzystywać tę wiedzę do rozwiązywania kolejnych napotkanych problemów. Nie należy myśleć, że można zbudować model sztucznej inteligencji, „wrzucić” mu cały łańcuch dostaw, a on wszystko załatwi niczym czarodziejska różdżka. Otóż tak się nie stanie.

• Jak widzi Pan przyszłość ostatniej mili w e-handlu?

  Sądzę, że dystrybucja na ostatniej mili stanie się jeszcze bardziej zindywidualizowana, ponieważ opcje dostawy będą jeszcze bardziej spersonalizowane oraz dostosowane do potrzeb konsumentów w zakresie miejsca i czasu odbioru zamówienia. W przyszłości dostawa do domu stanie się bardziej płynna. Być może dom nie będzie już jedynym fizycznym miejscem, pod którym będzie odbierał zamówienie, lecz zostanie połączony z inną lokalizacją, w której odbiorca przebywa o określonej porze dnia. Może nawet nie trzeba będzie podawać żadnego adresu, bo algorytm po prostu zlokalizuje odbiorcę i dostarczy mu paczkę tam, gdzie właśnie przebywa. Nie jestem pewien, czy jest to najbardziej pożądany scenariusz, ale przynajmniej pojawią się róże możliwości i bardziej dynamiczne podejście do tego, kiedy i gdzie odbieramy zakupy.

  Transformacja ta idzie w parze z ogólnym trendem w kierunku szybszych, spersonalizowanych dostaw na żądanie. Ponadto moim zdaniem znacznie zwiększy się udział handlu elektronicznego w całym rynku detalicznym. Rósł on dość szybko przez ostatnie dwa lata i ta tendencja się utrzyma. Pojawienie się sztucznej inteligencji i innych technologii sprawia bowiem, że zakupy przez internet coraz bardziej przypominają fizyczne zakupy w sklepie.

  

• To znaczy?

  Wiele osób wciąż chodzi do fizycznych sklepów, aby kupić określone produkty, ponieważ w internecie nie znajdzie tej samej jakości ani wielozmysłowego doświadczenia, jednakże to już się zmienia dzięki rzeczywistości rozszerzonej. W przyszłości postęp technologiczny nadal będzie zmieniał nasze nawyki konsumenckie i będzie miał trwały wpływ na nasz sposób robienia zakupów. Dla branży logistycznej oznacza to, że biznes nie zniknie, lecz wręcz przeciwnie, popyt będzie większy. Wyzwaniem będzie jednak zbudowanie systemów i procesów spełniających wszystkie wymagania klientów. Firmy będą musiały pomyśleć o następnej generacji systemów logistycznych, ponieważ w świecie, w którym coraz więcej dzieje się na żądanie, dotychczasowe systemy, zainstalowane dziesięć czy piętnaście lat temu, w pewnym momencie staną się przestarzałe. Dlatego dobrze jest zainwestować w technologię, zanim będzie za późno.

• Czy Pana zdaniem świat, w którym zakupy na żądanie stają się coraz bardziej powszechne, może zagrażać zrównoważonemu rozwojowi?

  Branża e-commerce jest krytykowana, ponieważ z uwagi na to, że coraz więcej osób kupuje przez internet, liczba zamówień, które muszą zostać dostarczone do ich domów, stale rośnie. W pierwszej chwili nasuwa się wniosek, że taki model nie może być zrównoważony. W rzeczywistości jednak wcale nie jest takie oczywiste, że dostawy tego samego lub następnego dnia stanowią poważny problem ze względu na generowane szkodliwe emisje, pod warunkiem rzecz jasna, iż te systemy są odpowiednio zarządzane i planowane, a firmy mają odpowiednie zdolności analityczne. Na przykład: jeśli kupuję przez internet buty i chcę je otrzymać za dwie godziny, oznacza to, że aby mogły mi zostać dostarczone na czas, muszą być już w magazynie w pobliżu mnie. Oznacza to także, że produkt jest na tyle blisko, iż można go przetransportować pojazdem elektrycznym albo rowerem towarowym.

  Ten wymóg bliskości otwiera możliwość zastosowania na ostatniej mili zrównoważonych flot logistycznych, nie byłoby bowiem możliwe przestawienie się na bezemisyjne środki transportu, gdyby zapasy były scentralizowane i oddalone od dużych miast. Problem polega na składowaniu towaru blisko klientów w sposób bardziej zrównoważony. Czy firma dysponuje odpowiednimi narzędziami analitycznymi, aby móc przewidzieć, gdzie powinna być składowana ta para butów, którą zamówił klient? Firma musi być w stanie skutecznie przewidywać, aby zapobiec składowaniu produktów w niewłaściwych miejscach. Musi także posiadać system, który umożliwi uzupełnienie zapasów i zrobi to z użyciem pojazdu o niskiej emisji spalin. Wszystko to jest możliwe, ale należy to odpowiednio zaplanować i zaprojektować.

• Sztuczna inteligencja może zatem okazać się kluczowa w zrównoważonej logistyce?

  Jeśli firmy zareagują nieprawidłowo lub niewystarczająco na gospodarkę na żądanie i ultraszybkie dostawy, może to doprowadzić do ogromnego wzrostu emisji. Ale jeśli zrobią to prawidłowo, przyczyni się to do znacznie skuteczniejszej dekarbonizacji procesu dystrybucji poprzez przybliżenie zamówień do konsumentów. Sztuczna inteligencja może odegrać kluczową rolę w zrównoważonym rozwoju logistyki. Zaangażowanie w dekarbonizację transportu towarów będzie zależało od zdolności analitycznych firm i będzie możliwe tylko poprzez silniejsze i szersze zastosowanie sztucznej inteligencji i uczenia maszynowego w procesach planowania i realizowania logistyki.