Искусственный интеллект в логистике заменяет интуитивные догадки операционных менеджеров точными данными

ה-AI לא מחליפה את מנהל התפעול – היא מחליפה את הניחושים אחת ממהפכות ה-AI החשובות מתרחשת דווקא בלוגיסטיקה, שם היא מחליפה את אזור העיוורון שבו מתקבלות החלטות תפעוליות ● מאמר ראשון בסדרת מאמרים על הלב הדיגיטלי של שרשרת האספקה מנהל התפעול הטוב ביותר בארגון לא יודע שהוא מנחש. הוא מצטיין בכיבוי שריפות, אבל אף אחד לא שאל אותו כמה מההחלטות שהוא מקבל ביום נתון מבוססות על נתון אמיתי, ולא על "כך זה היה בפעם הקודמת". בשנה האחרונה, כמעט בכל דיון הנהלה, המונח AI עולה על השולחן. מדברים על צ׳טבוטים כלי כתיבת קוד, ניתוח מסמכים וסוכני בינה מלאכותית שייכנסו – או כבר נכנסים – לארגון, לביצוע משימות אדמיניסטרטיביות. אך בזמן שהשיח הציבורי מתמקד בעובדי ידע, אחת המהפכות העסקיות המשמעותיות ביותר מתרחשת דווקא במקום הרבה פחות נוצץ: בעולם התפעול, הלוגיסטיקה, ההפצה ושרשרת האספקה של מגזר ה-B2B. שם, בשטח, הבינה המלאכותית היא לא רק כלי שמנסח תשובות. היא משנה את הדרך שבה ארגונים מתכננים יום עבודה, מזהים חריגות ומנהלים סיכונים. במילים פשוטות: ה-AI לא מחליפה את מנהל התפעול – היא מחליפה את הניחושים שהוא נאלץ לעשות כשהמידע מבוזר בין מערכות ארגוניות, עדכונים מהשטח והודעות ווטסאפ. העולם התפעולי לא עובד לפי התכנון של הבוקר ניהול תפעול שטח הוא אחת המשימות הקשות ביותר בארגון, מכיוון שהמציאות דינמית ואינה יציבה. נהג יוצא באיחור, לקוח משנה הזמנה, משאית נתקעת בפקק ונקודת פריקה אחת גוזלת 10 דקות בעוד שאחרת, זהה לחלוטין על הנייר, גוזלת שעה, בגלל מצוקת חנייה מקומית. מנהל התפעול מגלה שבשעה 08:00 התכנון נראה מצוין, ובשעה 11:30 הוא כבר לא רלוונטי. במשך שנים, ארגונים התמודדו עם המציאות הזו באמצעות ניסיון, גיליונות אקסל והרבה מאוד כיבוי שריפות. במקרים רבים זה עבד בזכות אנשי תפעול מצוינים, שמכירים את הכשלים הקבועים. אך כאשר הידע נשאר בראש של אדם אחד, הוא לא הופך לנכס ארגוני. קשה מאוד לנתח אותו, אי אפשר לשכפל אותו, וקשה מאוד לנהל באמצעותו ארגון בצמיחה. וכך, מה שנראה מבחוץ כמו שיטה מסודרת הוא לעתים אוסף של זיכרונות, הרגלים וניסיון אישי שלא תורגם לנתונים. הבינה המלאכותית לא באה להחליף את כושר השיפוט והתושייה של המנהל האנושי. תפקידה הוא לסנן את הרעש, להחליף תחושת בטן בנתונים מדידים ולשחרר אותו לניהול אסטרטגי ההבדל בין ניווט לניהול תפעולי חכם הטעות הנפוצה היא להתייחס ללוגיסטיקה כאל בעיית ניווט. אבל בארגון אמיתי, השאלה היא לא רק איך להגיע מנקודה לנקודה, אלא כיצד לנהל אילוצים, חריגות, זמני שירות, קיבולת ועלויות בזמן שהמציאות משתנה. מערכת ניווט יודעת לומר איך להגיע; מערכת תפעול חכמה צריכה לדעת מה באמת קורה בשטח, ואיזה אירוע מחייב החלטה ניהולית. כאן מתחיל הערך האמיתי של ה-AI, בהיבט זה: לא בחישוב המרחק הגיאוגרפי, אלא בזיהוי דפוסי התנהגות ולמידת מכונה של השטח. לפי תחזית של גרטנר, עד 2030, כ-70% מהארגונים הגדולים יאמצו חיזוי שרשרת אספקה מבוסס AI לצורך חיזוי ביקושים. גרטנר מתארת זאת כחלק מהמעבר לחיזוי ללא מגע (Touchless Forecasting), כזה שמפחית את הצורך בהתערבות ידנית תכופה. עבור מערכי תפעול והפצה, המשמעות רחבה יותר: היכולת לעבור מתגובה מאוחרת לחריגות, לניהול שמזהה דפוסים מוקדם יותר, מציף חריגות בזמן ומאפשר הקצאה חכמה יותר (אופטימיזציה) של משאבים. החידוש כאן הוא שלא מדובר בעוד מפה סטטית שמראה היכן נמצא הרכב, אלא בשכבת ניתוח שמצליבה בין נתוני ה-ERP לנתוני השטח, ומזהה דפוסים חוזרים לפי נהג, לקוח, אזור ונקודת פריקה. אם מתברר, למשל, שנקודת מסירה מסוימת מייצרת עיכובים חוזרים, המערכת יכולה להתריע מראש, לחשב את ההשפעה על המשך הקו ולהציע עדכון של חלונות הזמן או סדר ההפצה לפני שהאיחור הופך לשרשרת של חריגות. ניהול לפי חריגות במקום כיבוי שריפות הטכנולוגיה הזו מאפשרת לארגון לעבור מתרבות של כיבוי שריפות למודל של ניהול לפי חריגות (Management by Exception). כאן, המערכת לא צריכה להציף למנהל כל אירוע שגרתי. תפקידה לסנן את הרעש, לזהות סטיות מהתכנון ולהעלות למנהל רק את המקרים שבהם נדרש החלטה אנושית, רגישות מסחרית או שינוי סדרי עדיפויות, למשל כאשר חריגה צפויה מסכנת את ה- SLAשל לקוח אסטרטגי. כל זה מראה לנו שהבינה המלאכותית לא באה להחליף את כושר השיפוט והתושייה של המנהל האנושי. תפקידה הוא לסנן את הרעש, להחליף תחושת בטן בנתונים מדידים ולשחרר אותו לניהול אסטרטגי. הערך האמיתי נמצא בשורת הרווח כמעט כל החלטה תפעולית בשטח היא החלטה פיננסית. נסיעה מיותרת, המתנה ממושכת אצל לקוח, איחור שגורר קנסות או תיעוד חסר שמעכב את ה-POD (הוכחת המסירה) ומייצר בור בתזרים המזומנים – כולם מתורגמים ישירות להפסד כספי. ארגון שמנהל הפצה על בסיס נתונים חלקיים מקבל החלטות יקרות מדי, מאוחר מדי. הדוגמאות האלה אינן תיאורטיות: דו"ח של DP World, שפורסם בינואר השנה ומבוסס על סקר שנערך בקרב כ-680 מנהלים בתחום שרשרת האספקה, בשמונה ענפים ומתשעה אזורים, מצא שחברות רבות מאבדות יותר מחודש שלם של זמן תפעולי בכל שנה, ושבמקרים רבים עלות תקרית בודדת מגיעה למאות אלפי דולרים. זהו לא רק נתון על אירוע חריג אחד, אלא המחשה למחיר העסקי של שיבושים תפעוליים כאשר אין לארגון מספיק יכולת חיזוי, בקרה ותגובה בזמן אמת. מדובר כאן בתמונת מצב שגרתית של ארגון שמנהל את ההפצה שלו לפי ניחושים ולא לפי נתונים. ארגון שמנהל הפצה על בסיס נתונים חלקיים מקבל החלטות יקרות מדי, מאוחר מדי. חשוב לומר שהכתוב במאמר הזה הוא לא תחזית רחוקה. מערכות תפעול מתקדמות כבר משלבות כיום יכולות של חיזוי, אופטימיזציה מבוססת AI, ניהול חריגות וחיבור בין נתונים ממערכת ה-ERP לנתוני שטח בזמן אמת. השלב הבא של הטרנספורמציה הדיגיטלית לא ייעצר במערכות ה-ERP או ה-CRM המשרדיות. הוא יקרה בשטח – במערך ההפצה, בצוותי השירות, בפורטלי ההזמנות ובנקודות המסירה. הארגונים שירוויחו מהמהפכה הזו יהיו אלה שישכילו לחבר בין הנתונים לבין ההחלטות ברגע שבו הן באמת נדרשות. לסיכום, השאלה כבר אינה האם ה-AI תיכנס לעולם הלוגיסטיקה והתפעול. השאלה היא מי ימשיך לנהל את השטח על בסיס תחושות והרגלים, ומי יתחיל לנהל אותו לפי המציאות. סדרת מאמרים חדשה המאמר הזה הוא ראשון בסדרה חדשה של מאמרים כאן, באנשים ומחשבים, שמפורסמת החל מהשבוע בכל יום ד'. בפרקים הבאים שלה נצלול לשכבות נוספות של המהפכה הזו: הדור הבא של מערכות ה-TMS, האתגר הישראלי באופטימיזציית מסלולים, פורטלי הזמנות B2B, פתרונות המייל האחרון, הוכחת מסירה דיגיטלית, סייבר בשרשרת האספקה והמעבר המאתגר אך ההכרחי מאקסל וטלפונים לניהול תפעולי חכם. הכותבת הינה מייסדת משותפת ויו"רית וובלט (Weblet), שמתמחה בעולמות ה-SaaS, אופטימיזציה מבוססת AI של מערכי שטח, לוגיסטיקה, הפצה וטרנספורמציה דיגיטלית בארגוני B2B.