Transmetrics CEO Asparuh Koev 討論了公司對生成式人工智慧所面臨的幻滅。探索物流專業人員充分利用技術的真正優勢來優化 ERP 的實用策略。
據指出，95% 導入企業資源規劃 (ERP) 軟體的公司可以使業務流程受益。因此，ERP 市場正在進入爆炸性成長階段，預計到 2030 年價值將超過 1,176.9 億美元。
ERP作為企業的中樞神經系統角色，針對跨部門管理和統合各個部門，以提高資料視覺化、報告、溝通和控制。在物流領域，這意味著供應、需求、產能和產品流通的可見性、即時貨運追蹤、優化資源分配以及改進預測洞察力，這些都是基於生成式 AI 所帶來的益處。物流專業人士對升級的興趣高漲，在過去六個月中，全球公司開始將 genAI 融入其業務流程 – 61% 的公司優先考慮分析和資源管理。
物流公司可以使用 genAI 增強其 ERP，使他們能夠使用人類語言與數據進行交互，以了解附近發生的事情。
然而，物流專業人士認為可以利用人工智慧從頭開始開拓新業務的看法是異想天開的。這些工具需要人類的專業知識以及持續的培訓和監控。
理想與現實
理想情況下，ERP 所增強的一切，genAI 都能增強得更好。以物流為例：
ERP 允許團隊提取卡車、尺寸和維護的歷史數據。專業人員可能需要點擊幾個選項或設定自動報告，但他們可以即時查看哪些卡車可用且足以滿足即將到來的長途運輸。
借助 genAI，物流團隊可以輸入提示：週二下午 6 點哪些卡車可以運載 X 噸 Y 寬板條箱前往鹿特丹進行長途運輸？而且，就像魔術一樣，您無需解析數據即可收到準確的卡車清單。
但是，如果該員工是新員工並且忘記提及負載大小怎麼辦？或者模型的訓練資料是否已經過時並影響演算法？該工具可能會建議不適合的卡車清單。使用如何得知？
關鍵是 genAI 工具與輸入的資料和用於過濾資料的提示一樣好。即使這兩個要素都很完善，數據和外部影響（例如對芭比主題物品的爆炸性興趣使需求增加兩倍或來自無人機送貨員的意外競爭）也會在沒有仔細梳理的情況下改變演算法的準確性。
導入挑戰
建立新興人工智慧模型的整合方法需要徹底了解工具的限制。陷入美好幻想並在沒有仔細規劃的情況下倉促導入可能存在風險。保持耐心則可以讓企業充分利用 genAI 的潛力。
在物流 ERP 中導入 genAI 的實際挑戰和複雜性包括資料整合、與現有系統的兼容性以及對專業知識的需求。
genAI 對物流公司特別有利的領域之一是處理海關文件。物流專業人士可以透過以下三種方式從 genAI 與 ERP 整合來簡化流程中獲益：
1. 自動化資料擷取
GenAI 經過訓練後可以從發票、裝箱單和報關單中提取相關信息，從而簡化訂單處理。透過自動提取關鍵數據，物流團隊可以節省海關文件所需的三到五天處理時間。
然而，各國有不同的海關程序、進出口法規和文件要求。物流公司必須對人工智慧工具進行正確的清關、進口關稅和稅收、海關估價、關稅分類和貿易協議的培訓，以確保它們提取正確的數據。
2. 海關合規檢查
不遵守海關程序可能會導致延誤、處罰，甚至貨物被扣押。GenAI 的自然語言處理 (NLP) 能力使其能夠協助確保提交的海關文件符合各自國家的法規。該系統可以分析歷史海關數據、監管變化和即時訊息，以識別潛在的合規問題，降低錯誤和延誤的風險。
3. 文檔生成
使用 genAI 根據擷取的資料自動產生標準海關文檔，減少物流專業人員的日常工作。由於文件要求已標準化，包括進口商/出口商稅務資訊、進口/出口的原產地/目的地以及船舶詳細資訊，及貨物/產品的數量、體積和描述、原產地和製造公司，因此 AI 可以幫助加快這一過程。包括產生發票、提單和其他所需的海關表格，確保準確性並符合特定的海關要求。
克服不切實際的期望：人為因素
Gartner 2023 年供應鏈GenAI 報告發現，物流領導者將genAI 整合到其組織的數位系統中時最常見的障礙是不切實際的期望(58%)、倉促導入(38%) 和缺乏明確的目標(37%)。
物流公司必須闡明 genAI 的長期目標，並確定它們如何與受影響的利害關係人的當前目標和業務流程保持一致。因此，報告顯示，超過三分之二的受訪者利用跨部門團隊或卓越中心 (CoE) 來部署 genAI。
跨職能團隊意味著多樣化的知識集和全面的問題解決能力，突顯了企業對 ERP 的相互依賴。此外，應從不同角度進行風險評估，包括資料安全、合規性和營運影響，以確保更穩健和更有彈性的導入。
CoE 關注的關鍵階段是對 genAI 應用程式的持續效能監控並整合不同部門的回饋。 這種迭代方法可以幫助組織適應不斷變化的需求和技術進步。
儘管如此，CoE 必須保持並鼓勵開放的心態，表現出學習人工智慧模型獲得提升的意願。物流領導者可能會從特定的目標開始，但他們肯定會看到他們最初沒有預見到的新機會出現。
物流專業人員成功更新 ERP 的關鍵在於為 genAI 設定具體目標、明確員工期望並持續監控績效。讓 CoE 專注於確保模型根據最新資訊運作並定期與使用工具的員工溝通將帶來最佳結果。
原文章: Debunking the Benefits of Generative AI in Logistics ERPs