نظام Lean AI Engineer يعمل جنبًا إلى جنب مع Lean AI Planner
يعمل نظام Lean AI Engineer الجديد جنبًا إلى جنب مع نظام Lean AI Planner الذي تم إطلاقه في عام 2025، ليشكلا نظامًا متكاملًا يعزز سلاسل التوريد أثناء تشغيلها. تتولى التقنية إدارة 92% من شحنات الدرجة الرابعة (4PL) عالميًا عبر النقل البري والبحري والجوي والسكك الحديدية. كما تدير الشحنات منذ لحظة إنشاء الطلب وحتى الدفع للم carriers، مرورًا بالعطاءات والمسارات والتسليم والاستثناءات.
تقييم سلاسل التوريد في دقائق
يمكن لنظام Lean AI Engineer تقييم سلسلة التوريد بأكملها في 25 إلى 30 دقيقة فقط، وتحديد التحسينات اللازمة قبل تأثر الأداء. ويستبدل هذا النظام التقييمات التقليدية التي تستغرق ما يصل إلى أربعة أسابيع وتستند إلى أحداث سابقة.
بينما يقدم نظام Lean AI Engineer التحليلات، يدير نظام Lean AI Planner الشحنات من خلال مئات من وكلاء الذكاء الاصطناعي المتصلة. تغذي هذه العمليات البيانات إلى نظام Lean AI Engineer لتطوير تحسينات أكثر ذكاءً.
"سيعمل النظام بشكل مستمر، وسيحسن العملية التي يديرها، وسيصلح نفسه عند حدوث خلل دون الحاجة إلى إنذار أو ملاحظة بشرية للمشكلة أولاً."
يشرح جوردان كاس، رئيس الحلول الإدارية في C.H. Robinson، أن التقنية الجديدة تلغي الحاجة إلى أدوات ذكاء سلاسل التوريد وتنسيقها المنفصلة. كما يعمل نظام Lean AI Planner في الوقت الفعلي بينما يدرس نظام Lean AI Engineer النتائج ويحدد الأنماط ويعدل المنطق.
توسيع خبرة الخدمات اللوجستية من خلال التقنية
اعتمدت الخدمات اللوجستية المتميزة تقليديًا على مواهب بشرية لإدارة التعقيدات واتخاذ القرارات والتدخل أثناء الاضطرابات. ويضيف جوردان: "المشكلة كانت في عدم قدرة المواهب على التوسع. لقد غيرنا ذلك من خلال ترميز الخبرة في التقنية نفسها. سيحصل العملاء على مواهب وخبرة لا نهائية، مطبقة باستمرار على كل شحنة، بغض النظر عمن يتوفر في أي منطقة زمنية أو مدى نمو حجم شحناتهم أو ارتفاعه. يمكن لفريقهم وفريقنا التركيز على الأولويات الاستراتيجية وتحقيق أفضل النتائج التجارية."
النجاح يعتمد على البيانات والسياق المتاح للنظام
تم بناء الطبقة السياقية المملوكة للنظام من قبل 450 مهندسًا وبرمجيين متخصصين في البيانات، من خلال التقاط المعرفة المؤسسية من سير العمل بدقة. تأتي هذه البيانات من خبراء شحن متمرسين وتغذي النموذج باستمرار.
منع التوصيات اللوجستية العامة
تستفيد التقنية من البيانات حول جميع خطوات الشحن من البداية إلى النهاية، بدلاً من الأجزاء التي تراها الأدوات المنفصلة. يتم تدريب النظام على السياق الفريد من تنسيق الشحنات، بما في ذلك تفاصيل البضائع والإجراءات ومواقع الاستلام والتسليم والناقلين والمسارات وتحمل المخاطر.
"بهذه الطريقة، يعرف نظام Lean AI Engineer أي التحسينات تناسبك، بدلاً من تقديم توصيات عامة أو نظرية."
على سبيل المثال، إذا قام مصنع قطع غيار سيارات بشحن عبر الحدود إلى خط تجميع يعمل بنظام "الدفع الفوري" خمس مرات في الأسبوع، فلن يقترح النظام توفير المال من خلال الشحن مرة واحدة في الأسبوع. يأخذ الذكاء الاصطناعي المتقدم في الاعتبار متغيرات أكثر مما يمكن أن تعالجه التحليلات البشرية أو التحليلات البرمجية التقليدية. يتم تحديد التوصيات وترتيبها لتكون قابلة للتنفيذ من قبل المستخدمين.
تحقيق توفير بمليونات الدولارات للعملاء
عند الإطلاق، سيحدد نظام Lean AI Engineer التحسينات والتوفير المخفي للأعمال. تعلم أحد العملاء المبكرين أن التحويل من جدول شحن متغير إلى جدول أسبوعي واحد سيقلل من عدد الشحنات بنسبة 17% عبر 20 موقعًا. أدى هذا التغيير إلى توفير سنوي يتجاوز مليون دولار أمريكي.
كما أعاد عميل آخر تنظيم الشحنات بحيث تخدم عملية استلام واحدة ثلاثة مواقع تسليم مختلفة. قلل هذا التعديل من إجمالي عدد الشحنات بنسبة 81%، مما وفر 40% من التكاليف للشركة.
سيبدأ نظام Lean AI Engineer في التوسع ليشمل المزيد من العملاء لبدء تقييم عوامل أخرى مثل أداء الناقلين. من خلال المراقبة المستمرة لسلوك الناقلين عبر المسارات وأنماط النقل والعملاء، سيحدد النظام مؤشرات رائدة على تدهور الأداء. يسمح ذلك للنظام بتقديم توصيات تصحيحية قبل حدوث فشل في الخدمة.
"سلاسل التوريد لا تعاني عادةً من نقص في المعلومات، بل تعاني من الفجوة بين المعرفة والتنفيذ. التقنية التي تقع فوق سلاسل التوريد أو خارجها يمكنها تجميع البيانات وتنسيق الإشارات وتقديم توصيات، لكنها تعتمد على شخص آخر لتنفيذ هذه الإشارات وعلى شخص آخر آخر لمعرفة ما إذا كانت هذه الإجراءات قد نجحت."
يوضح آرون راجان، كبير مسؤولي الاستراتيجية والابتكار في C.H. Robinson، أن التقنية الجديدة تغلق هذه الفجوة، مما يوفر خدمة متميزة على مدار الساعة بنظام موحد لا يمكن لأي نظام آخر تقديمه.
