Introducción
La inteligencia artificial (IA) está permeando todos los aspectos de la vida cotidiana y laboral, transformando la manera en que llevamos a cabo nuestras tareas diarias. Ahora bien, ¿cómo nos impacta en nuestra industria?
En este artículo vamos a desarrollar algunas de las posibles aplicaciones de la AI en lo que respecta a la optimización de rutas y la ejecución de entregas en terreno, pasando por la interacción entre los usuarios en una oficina de transporte y el sistema de gestión; entre el conductor de un vehículo de carga y sus herramientas tecnológicas que apoyan la entrega; entre el mismo conductor y la oficina de transporte; y finalmente la interacción con el destinatario final de las mercancías.
Contexto
La inteligencia artificial (AI) está transformando la industria logística en general, desde los procesos de estimación de demanda hasta la interacción con las personas y los robots. La adopción está siendo gradual pero definitiva. El ritmo se está acelerando y los miedos a que los trabajos humanos sean reemplazados por una AI son cada vez mayores. Pero como siempre pasó en la historia de la humanidad, las revoluciones tecnológicas solo reemplazan puestos de trabajos obsoletos, y abren nuevas oportunidades.
A continuación, listo algunas de las áreas donde se están viendo sus aplicaciones en la industria del transporte logístico en particular:
- Predicción de accidentes en ruta y comportamientos de clientes
- Copilotos para ayuda a la gestión de la entrega en ruta
- Chatbots de soporte para clientes o destinatarios finales
- Software de gestión con entendimiento de lenguaje natural para la generación de información
- Aplicaciones móviles con capacidades cognitivas
- Robots autónomos que comprenden su entorno y actúan en consecuencia
- Vehículos autónomos
Capacidades de la AI
Uno de los grandes usos de la inteligencia artificial (AI) radica en poder predecir lo próximo a ocurrir en base al contexto (ej: si el grifo no se cierra, el agua va a rebalsar).
ChatGPT o Gemini de Google (por ejemplo) predicen la próxima palabra que la persona va escribir, y en base a eso entienden lo que se les está preguntando y una vez entendida la pregunta (lo más difícil) generan la respuesta. De hecho, la “G” de GPT significa que “genera” o “crea” la respuesta. Y ya que estamos, seguro se preguntaran qué significan las otras 2 letras de GPT; pues la P significa que la AI está pre-entrenada por humanos, o sea, el aprendizaje que hizo fue supervisado por humanos para que no contenga “distorsiones” fuera de lo ético y moral. Y la “T”, de transformer es un modelo que ayuda a las computadoras a entender y generar lenguaje, como textos o conversaciones.
Funciona prestando atención a las palabras importantes en una oración para entender mejor el significado y poder responder o traducir de manera más efectiva. Es como si tuviera un superpoder para notar los detalles importantes en una conversación.
Pero para poder predecir, hay que saber, tener experiencias previas, tener una base de conocimiento y haber aprendido de ellas.
En logística también se pueden predecir comportamientos en base a patrones, pero para eso debemos tomar información de la realidad, hacer la base de conocimiento, aprender de ella, encontrar patrones y en base a todo esto poder entender la realidad y compararla con lo aprendido para poder predecir.
Algunos ejemplos de aplicaciones concretas
Predicción de accidentes – colisiones
Los accidentes de tránsito son difíciles de predecir de manera tradicional debido a la gran cantidad de variables que están en juego, pero con la inteligencia artificial, donde ha aprendido de cientos de miles de accidentes de tránsito a lo largo de la historia, es posible tener una mejor precisión. Algunas de las variables que entran en juego:
- la ruta es sinuosa
- El manejo es errático
- Hace demasiadas horas que conduce sin descanso
- Tuvo una semana con bastantes demoras y muchas horas de manejo
- El día es lluvioso y ventoso
- Está a punto de pasar por un cruce con alta probabilidad de accidentes.
Bajo estas condiciones que la AI ha aprendido mediante Machine Learning usando datos públicos y privados, como ser los más de 10 años de data recolectada en el TMS de Quadminds, lo más seguro es que la probabilidad de un accidente sea alta. Un sistema estadístico no lo puede calcular con precisión, pero una AI si. ¿Cuánto valdría la alerta sonora a tiempo y que el conductor sea más precavido en el cruce que está por hacer?
Predicción de rechazos
En nuestra industria una de las peores cosas que nos puede pasar es que un pedido no se pueda entregar y que todo el trabajo previo de preparación y transporte haya sido en vano, entonces, ¿cómo hacemos para predecir si un pedido va ser rechazado o si tenemos a tiempo las herramientas para evitar el mismo?
Bueno, de eso también podemos hacer uso de la AI analizando los patrones de comportamiento de recepción de los destinatarios, una IA puede predecir de forma precisa un posible rechazo antes de que ocurra.
Como ejemplo podemos entender que una entrega va ser rechazada con alta probabilidad si
- El vehículo salió tarde a la ruta
- Se demoró en varias entregas pasadas
- Se ve embotellamiento en su ruta actual
- La ventana horaria del cliente se está por vencer
- El patrón de comportamiento histórico del cliente indica que es de irse antes de hora
Estas predicciones permiten Reducir la tasa de rechazos., Activar un proceso de contacto para confirmar la entrega y Mejorar la satisfacción del cliente mostrando proactividad.
En los próximas notas seguiré explicando más ejemplos del uso de inteligencia artificial en estos aspectos:
- Chatbots de soporte para clientes o destinatarios finales
- Software de gestión con entendimiento de lenguaje natural para la generación de información
- Aplicaciones móviles con capacidades cognitivas
- Robots autónomos que comprenden su entorno y actúan en consecuencia
- Vehículos autónomos
