Bagaimana jika Anda dapat mengambil manajer terbaik perusahaan Anda dan mengkloningnya? Logistik Lazer, a perusahaan logistik halaman yang membantu pengecer dan produsen besar mengelola pengiriman barang mereka dari dermaga hingga gudang, berupaya melakukan hal tersebut dengan bantuan kecerdasan buatan.
Mike Murphy, wakil presiden senior solusi dan inovasi pekarangan perusahaan, membangun alat pelatihan AI yang tertanam di dalam sistem operasinya. Disebut Paman Phil AI dan meniru COO perusahaan Phil Newsome, hal ini memberikan manajer lokasi akses ke jenis pengetahuan institusional yang sebelumnya hanya ada di dalam kepala Newsome, kata Melanie Sandlin, kepala bagian informasi di Logistik Lazer.
“Anda menempatkan Phil di halaman mana pun, dan dalam beberapa menit, dia melihat apa yang berhasil, apa yang tidak, dan apa yang perlu diubah. Pengemudi menyukainya. Manajer lokasi belajar darinya. Dialah yang diinginkan oleh setiap operator di jaringan kami agar mereka dapat mengaksesnya setiap hari,” kata Sandlin kepada Business Insider dari Newsome, yang memiliki pengalaman logistik selama 36 tahun. “Masalahnya adalah hanya ada satu Phil, dan ada 750 situs, jadi kami bertanya pada diri sendiri, ‘Bagaimana jika kami bisa mengubahnya?’”
Paman Phil AI mengambil data dari seluruh sistem terhubung Lazer Logistics yang mengelola telematika truk, video dalam kabin, pemeliharaanlaporan inspeksi pengemudi, data tenaga kerja, dan alur kerja manajemen halaman dalam satu platform. Dengan cara ini, pengelola lokasi memiliki akses terhadap wawasan waktu nyata dan panduan yang dapat ditindaklanjuti yang tidak akan mereka lihat jika tidak melakukannya.
“Daripada seorang manajer harus membuka empat sistem berbeda dan menyatukan gambarannya sendiri, Paman Phil mengemukakan hal yang penting: inilah yang terjadi, inilah mengapa hal ini bisa terjadi, inilah yang akan dilakukan oleh operator hebat untuk mengatasinya,” kata Sandlin.
Berbeda dengan gudangyang semakin terotomatisasi selama beberapa dekade terakhir, pekarangan – yang mengatur aliran truk, trailer, dan kontainer saat mereka masuk dan keluar dari fasilitas – adalah salah satu bagian terakhir dalam rantai pasokan yang mendapatkan peningkatan teknologi, kata Bart De Muynck, penasihat strategis rantai pasokan dan konsultan independen dengan pengalaman rantai pasokan lebih dari 35 tahun, termasuk peran di Gartner, project44, dan YMX Logistics.
“Kami memiliki KPI yang sangat jelas di gudang, kami memiliki KPI yang sangat jelas di transportasi, tidak ada yang memiliki KPI di halaman,” kata De Muynck. “Tidak ada seorang pun yang benar-benar menyadari betapa tidak efisiennya mereka atau bagaimana hal itu benar-benar memengaruhi organisasi mereka.”
AI berpotensi membantu mereka yang menjalankan operasi pekarangan melihat data tersebut, memungkinkan mereka beralih dari reaktif ke pengambilan keputusan yang prediktifkata De Muynck. Dan di lingkungan pekarangan yang kondisinya terus berubah – karena cuaca, kerusakan peralatan, panggilan karyawan, dan lonjakan volume pengangkutan – Sandlin mengatakan pengambilan keputusan yang cepat adalah segalanya.
“Sebagian besar operasional pekarangan saat ini masih kurang memiliki kesadaran real-time mengenai apa yang sebenarnya terjadi di sekitar lokasi mereka,” kata Sandlin. “Di mana trailer itu? Mengapa dermaga itu dicadangkan? Truk mana yang menganggur selama dua jam, dan mengapa? Tanpa jawaban atas pertanyaan-pertanyaan yang terjadi, Anda selalu bereaksi.”
AI mengubah pengetahuan operasional menjadi aset yang terukur
Bagian dari memungkinkan pengambilan keputusan yang cepat dan akurat adalah memiliki pengetahuan untuk mendukungnya — sesuatu yang menurut Sandlin Lazer Logistics hanya ditemukan oleh sebagian besar karyawan veteran.
Sandlin mengatakan bahwa Paman Phil AI dilatih berdasarkan pengetahuan operasional Newsome selama tiga dekade sehingga dapat bertindak sebagai mitra bagi operator yang tidak memiliki tingkat pengalaman yang dapat diandalkan ketika mengelola suatu masalah. Hal ini bekerja sangat baik terutama dalam pengoperasian pekarangan, kata Sandlin, karena hal ini didorong oleh pola.
“Pergerakan, urutan, dan kondisi yang menyebabkan penundaan atau insiden tidak terjadi secara acak; semuanya mengikuti pola yang dapat dipelajari, dan AI sangat baik dalam mengenali pola tersebut pada skala yang tidak dapat dikelola oleh tim manusia di 750 lokasi secara bersamaan,” kata Sandlin.
Untuk manajer situs yang membuat lusinan keputusan setiap hari – seperti di mana harus memprioritaskan perpindahan, bagaimana merespons kerusakan, kapan staf harus fleksibel, atau apakah pengemudi memerlukan pelatihan – jenis panduan ini, kata Sandlin, adalah yang mendorong perubahan nyata dalam cara truk diproses, menjadikan pengoperasian lebih cepat dan lebih aman serta menurunkan biaya.
Sejak menerapkan Uncle Phil, Sandlin mengatakan Lazer Logistics telah melihat keuntungan di sisi operasional, di mana mendigitalkan laporan inspeksi kendaraannya dan menghapus kertas dari proses telah memberikan manajer lokasi lebih banyak waktu yang sebelumnya dihabiskan untuk entri manual.
“Itu bukan angka AI yang mencolok, namun mewakili sesuatu yang penting: aset terbaik kami, karyawan kami, menghabiskan lebih sedikit waktu untuk urusan administrasi dan lebih banyak waktu untuk pekerjaan yang benar-benar penting: melatih pengemudi, melayani pelanggan, dan menjalankan pekerjaan dengan lebih baik,” kata Sandlin. “Data yang bersih, konsisten, dan real-time kini mengalir dari lapangan dengan cara yang belum pernah terjadi sebelumnya, yang merupakan bahan bakar yang memungkinkan terciptanya AI Paman Phil.”
Implementasi AI memerlukan landasan data yang kuat
Sandlin mengatakan, sebelum Paman Phil AI, Lazer Logistics membuat investasi infrastruktur data sebuah prioritas. Dia mengatakan bahwa sebagian besar perusahaan yang mencoba menerapkan AI sering kali bekerja dengan data yang jarang, tidak konsisten, atau tertutup dan bertanya-tanya mengapa data tersebut tidak berkinerja baik.
“Apa yang kami pilih adalah membangun landasan data terlebih dahulu,” kata Sandlin. “Menghubungkan telematika truk kami, sistem keselamatan video di dalam kabin, alur kerja pengelolaan halaman, catatan pemeliharaan dan perbaikan, data tenaga kerja dan penjadwalan kami ke dalam satu lapisan data yang terkelola dan tepercaya membutuhkan disiplin yang nyata, namun itulah sebabnya apa yang kami lakukan dengan AI kini benar-benar berhasil.”
Mengenai pengoperasian pekarangan, De Muynck mengatakan hal itu memperbarui proses pengumpulan data di sinilah perjalanan teknologi sebagian besar perusahaan harus dimulai. Dia menambahkan bahwa penggunaan AI pada data yang buruk hanya akan memperkuat saran dan tindakan buruk.
“Dulu, kami hanya menggunakan data untuk analisis bisnis, jadi jika datanya salah, itu sudah terjadi di masa lalu, namun sekarang kami menggunakan data untuk memprediksi berbagai hal dan menentukan tindakan serta mengotomatiskan alur kerja,” kata De Muynck. “Jika Anda membangun hal tersebut di atas data yang buruk, segala sesuatu yang dihasilkan dari data tersebut juga akan menjadi buruk dan dapat menyebabkan masalah yang jauh lebih besar.”
