據(jù)VentureBeat報道，在下了訂單后，每個人都想知道，你的Amazon Prime包裹是如何在幾個小時后出現(xiàn)在門口的？這是個非常復雜的過程，涉及到供應商、制造商、批發(fā)商、零售商以及終端消費者。這個過程被統(tǒng)稱為供應鏈管理（SCM），其中物流是負責處理商品流動和運輸?shù)哪遣糠?。亞馬遜等電商巨頭就專注于物流業(yè)務，而Unilever這樣的快速消費品領域領先公司則提供全面的供應鏈管理服務。
就像其他所有數(shù)據(jù)驅動的行業(yè)那樣，物流公司與供應鏈公司都在投資于人工智能（AI）解決方案，以解決他們最緊迫的痛點。無論大小企業(yè)，都在涉足創(chuàng)新領域，從機器學習到機器人等。物流崩潰會導致整個供應鏈斷裂，為此公司需要不斷尋求改進管理庫存、預測價格以及簡化操作的方法。財富500強中的多聯(lián)式運輸公司C.H. Robinson的首席信息官扎德·林德布魯姆（Chad Lindbloom）最近分享了他利用AI解決這些問題的親身經(jīng)驗。
C.H. Robinson在北美地區(qū)最主要的業(yè)務就是卡車貨運。他們的客戶定期外包部分或所有物流業(yè)務，還有許多一次性服務，導致公司計劃外貨運任務激增。令人感到驚訝的是，作為運輸公司，C.H. Robinson本身卻沒有任何車輛。它被稱為“貨運經(jīng)紀人”似乎更為恰當，即在想要運送貨物的客戶和提供卡車運送服務的承運商之間充當運營和金融中間人。提供運輸服務的承運商極度分散，從只有一輛卡車的獨行俠，到擁有大量車輛的車隊等各不相同。
盡管面臨這些挑戰(zhàn)，C.H. Robinson必須兌現(xiàn)承諾，提前為客戶準備好特定價格的貨運服務。有時候，他們可能最后一分鐘才會得到最終報價，有時候則要求當日送達。
裝貨成本
價格預測是C.H. Robinson面臨的最大業(yè)務挑戰(zhàn)。line布魯姆解釋稱：“在我們這個行業(yè)，價格隨著季節(jié)、月份甚至每天的不同時段都有變化。此外，卡車行駛車道不同，價格也存在差異。舉例來說，從俄亥俄州的托雷多前往紐約市與返程所走車道相反，而返回的成本會更低，因為城市中心向制造區(qū)行駛沒有太多貨物可運。”
雖然許多廠商提供AI支持的物流和供應鏈軟件，比如Watson Supply Chain、ToolsGroup以及TransVoyant等，但C.H. Robinson的龐大業(yè)務更為復雜，為此要求其開發(fā)專門的技術以滿足特定需求。此前，定價由人類專家決定，他們擁有豐富的業(yè)內(nèi)經(jīng)驗和市場知識。
在成為C.H. Robinson的首席信息官之前，林德布魯姆已經(jīng)在金融行業(yè)從業(yè)25年，擔任了15年首席財務官職位。金融與技術特長相結合，他和自己的團隊已經(jīng)開發(fā)出用于預測價格的機器學習模型，就像華爾街的自動交易商開發(fā)出的算法。這些模型會研究貨運定價歷史數(shù)據(jù)，并將天氣、交通以及社會經(jīng)濟挑戰(zhàn)等參數(shù)加入其中，估算出公平的交易價格。
AI并非總是比市場專家的表現(xiàn)更好，林德布魯姆認為人類不會被完全取代。他說：“在有些情況下，人類可能會給出更合理的交易價格。但在大多數(shù)情況下，這種技術都可以幫助制定公平的市場定價。”他還補充說，高效算法帶來的關鍵好處是信息的民主性和可用性。它無需依賴少數(shù)專家就可以給出評估，更多員工可利用機器智能確保他們在市場中的報價，以便確保生意成功，同時確保執(zhí)行力。
卡車來源
AI的第二個用例是保證和管理供應商的庫存，以及管理龐大的卡車隊列。在貨運買家了解可用車輛和具體報價前，C.H. Robinson就可以為它們提供公平的報價。這家公司依賴于戰(zhàn)略性的人際關系，特別是龐大的貿(mào)易網(wǎng)絡，以便為特定的用戶找到最相配的卡車承運商。
C.H. Robinson對每條路線都會進行背景分析，將承運人的價格和服務水平分門別類。易碎、昂貴、時間緊迫的貨物需要的服務層次更高。這些不同的因素匯聚起來，讓C.H. Robinson可為用戶和承運人提供最優(yōu)化的匹配服務。
應對意外
管理中斷是可利用AI解決的第三個重要問題。颶風、承運人破產(chǎn)以及員工罷工等，都有可能導致物流業(yè)務遭到重創(chuàng)。為了預測這類中斷事件、訓練AI學習人類制定應急計劃的能力，以便將來糾正失誤，C.H. Robinson收集大量信息源，分析過去中斷造成的影響，比如法國承運人罷工或美國西北部颶風。舉例來說，物流中心受到惡劣天氣影響，承運方就可以選擇更安全的路線行駛。