Nowe odkrycia z Manhattan Associates ujawniają, że krytyczna luka kompetencyjna i wyzwania związane z widocznością danych utrudniają skuteczne wdrażanie sztucznej inteligencji w systemach zarządzania transportem. Badanie, które objęło 150 wysokich decydentów z organizacji z sektorów produkcji, handlu detalicznego, hurtowego, dóbr konsumenckich, spożywczych i napojów, podkreśla pilną potrzebę, aby organizacje zajęły się wewnętrznymi możliwościami, aby w pełni wykorzystać potencjał AI.
Chociaż obietnice AI są powszechnie uznawane, badanie ujawnia znaczne rozbieżności między oczekiwaniami na przyszłość a obecną rzeczywistością. Obecnie 49% organizacji nie ma widoczności danych potrzebnej do proaktywnego dostosowania tras wysyłki, a 45% nie ma widoczności, aby podjąć działania korygujące przed wysyłkami, które mogą się opóźnić lub zostać zakłócone.
Ten podstawowy brak widoczności danych jest pogłębiany przez wewnętrzne wyzwania. Gdy pytano o obecne trudności w osiągnięciu widoczności, 42% respondentów wskazało na brak umiejętności w organizacji, a 39% na silosy danych rozproszone na różnych platformach i rozwiązaniach.
Napęd do rozwoju AI jest niezaprzeczalny, z 63% organizacji oczekujących w ciągu najbliższych pięciu lat na w pełni autonomiczne agentowe AI lub minimalny nadzór ludzki. Jednak obecne wskaźniki adopcji wyprzedzają te ambitne oczekiwania. Badanie wykazało, że choć 46% organizacji ma wysoko zintegrowaną AI, więcej niż połowa nie. Niepokojące jest to, że prawie jedna piąta (18%) ma ograniczone lub brak użycia, co naraża je na poważne ryzyko pozostania w tyle za bardziej zwinymi konkurentami.
Kluczowe czynniki hamujące i obniżające wskaźniki adopcji to koszty oraz brak wewnętrznej wiedzy eksperckiej. 55% organizacji obawia się wysokich kosztów wdrożenia i użytkowania, a 45% zgłasza brak wiedzy i umiejętności wewnętrznych do realizacji. Pojawia się także postrzeganie, że wyżsi liderzy w firmie nie zapewniają odpowiedniego wsparcia potrzebnego do szerokiego wdrożenia, z 43% zgłaszających, że odczuwają brak organizacyjnego lub kierowniczego poparcia dla inicjatyw AI.
„Odkrycia pokazują wyraźny rozdział między oczekiwanym przyszłym wykorzystaniem i możliwościami AI w transporcie a obecnymi możliwościami wielu organizacji,” skomentował Martin Lockwood, starszy dyrektor w Manhattan Associates. „Chociaż autonomiczne agenty wywołały duże zainteresowanie, rzeczywistość jest taka, że znaczna część branży jest źle przygotowana do skutecznego wykorzystania tej technologii z powodu braków umiejętności wewnętrznych i rozproszonych zbiorów danych.”
Badanie podkreśla również powszechny niepokój dotyczący trwałości istniejących systemów. Aż 99% ankietowanych obawia się, że ich TMS może mieć trudności z nadążaniem za wymaganiami dotyczącymi szybkości, pojemności lub redukcji kosztów w ciągu najbliższych pięciu lat. Podkreśla to pilną potrzebę inwestowania zarówno w technologię, jak i, co równie ważne, w kapitał ludzki niezbędny do zarządzania i optymalizacji tych zaawansowanych systemów.
„Aby naprawdę odblokować korzyści płynące z AI, organizacje muszą priorytetowo traktować rozwijanie kompetencji swojego personelu i likwidację silosów danych,” dodał Lockwood. „Bez tych podstawowych elementów obietnica autonomicznego zarządzania transportem pozostanie poza zasięgiem wielu, prowadząc do wyższych kosztów, nieefektywności, braku spełnienia rosnących oczekiwań klientów oraz (potencjalnie) do dwupoziomowej konkurencji.”
Wielojęzyczny specjalista z doświadczeniem w Europie, Kanadzie i Chinach, Herbert nawiązał bezcenne kontakty w branży motoryzacyjnej i energetycznej. Kierował prestiżowymi projektami obejmującymi współpracę z ENBW, Mercedes-Benz Group, Siemens Group oraz Instytutem Fraunhofera.