Jeff: Salve di nuovo a tutti. Si unisca a noi per un altro episodio della serie podcast Executive Platforms Blueprint. Mi chiamo Jeff Nicks. Sono responsabile dei contenuti e della ricerca. Il mio ospite di oggi è Chris Cutshaw. Lavora per TMC, una divisione di C.H. Robinson. Avremo una conversazione sull'IA generativa, sul ruolo che avrà nell'orchestrazione delle catene di fornitura in futuro. E di recente ha tenuto una presentazione su questo tema che entra nello specifico, e sono molto entusiasta. Credo che la maggior parte delle aziende sia molto interessata a questo spazio, ma molte cose sembrano teoriche. Quindi, se riusciamo a entrare nelle erbacce. Sì, sono molto entusiasta di questa conversazione. Chris. Grazie mille per essersi unito a me. Chris: Sì, nessun problema. Grazie per averci ospitato. Jeff: Perché non cominciamo ad assicurarci che stiamo usando i termini corretti. Quando parla di AI generativa, cosa la differenzia dalla categoria più ampia di AI? Chris: Sì, credo che ci siano alcune cose, giusto. Quindi si parla di AI da molto tempo, e penso che con alcune delle innovazioni appena avvenute, in particolare l'AI aperta, dove questi contenuti vengono effettivamente generati. Quindi è in modo leggibile per l'uomo. È in grado di creare narrazioni, di creare un linguaggio che possiamo comprendere e con cui possiamo interagire. Quindi è qui che entra in gioco il generativo. E in realtà, dal novembre 2022, quando open AI ha lanciato la piattaforma di chat GBT, ci sono sicuramente altre piattaforme che stanno salendo a bordo. Ha reso davvero tangibile l'utilizzo e le catene di fornitura. Penso che sia maturo per essere utilizzato nello spazio. Jeff: Poco fa ha tenuto una presentazione che si rivolgeva a un pubblico di dirigenti senior della catena di approvvigionamento, dicendo che queste sono alcune delle possibilità. Questo è ciò che alcune persone stanno già facendo con esso. Non le chiederò di ripetere una presentazione di 35 minuti, ma quali sono stati i punti chiave che spera siano stati colti dalle persone? Chris: Sì, i punti chiave sono che è sicuramente molto nuovo. Quindi siamo in fase di apprendimento, ma credo che le opportunità siano enormi nel nostro settore e nelle catene di approvvigionamento in generale. Ci sono molti partner. Ci sono molte persone coinvolte, molti sistemi diversi. Queste cose non sempre si armonizzano tra loro, e si finisce per avere molte persone che fanno cose manuali, elaborando pulsanti per, per mancanza di termini migliori. Quindi, se è possibile togliere il lavoro a valore aggiunto o il lavoro non a valore aggiunto dai loro sforzi e concentrarli maggiormente su cose che possono essere un miglioramento continuo per la loro catena di approvvigionamento, cose che possono essere ottimizzate, è lì che si vuole iniziare a concentrare alcune di queste nuove tecnologie per togliere dalle loro mani il lavoro tattico quotidiano. Così possono concentrarsi sulle idee di miglioramento. Jeff: Lo vedo anche come uno strumento potente per dare voce ai dati, perché credo che molto di ciò che si dice sulla trasformazione digitale è che c'è questa, come dire, cascata di dati in arrivo e bisogna capire cosa è perseguibile se uno strumento di AI può effettivamente metterlo in parole. Ecco perché lo facciamo in questo modo. Chris: Sì. Che strumento potente. Jeff: Sicuramente molto potente. Chris: Le opportunità sono appena iniziate, ma sembrano davvero trasformative e, per quanto riguarda il suo punto di vista, quando si hanno molti dati, si hanno molte informazioni in arrivo. È difficile elaborare tutto questo e ricavarne un'intelligenza, e penso che tecnologie come questa stiano iniziando a interagire con una serie di informazioni decisamente diverse. Estrarre le informazioni e renderle tangibili, in modo da poter automatizzare i processi, credo sia davvero entusiasmante. Jeff: Sì. Quindi, ancora una volta, a volte cerco di mettermi nei panni di un leader della catena di approvvigionamento che è consapevole dell'arrivo di questo strumento. Non voglio certo essere l'ultima persona a occuparsene, ma può essere intimidatorio essere la prima. Quali sono i frutti a basso costo che potrei sperimentare o che potrei osservare da qualcun altro che è stato un adattatore precoce e imparare da lui? Chris: Sì. Penso che, prima di tutto, debba assicurarsi di aver risolto completamente il problema della sicurezza e della privacy dei dati, quindi deve assicurarsi che il modo in cui utilizza questo sistema non esponga informazioni che non dovrebbe esporre, e che sia davvero mirato e focalizzato. Quindi, alcuni dei frutti a basso costo che i leader della catena di approvvigionamento conoscono sono: abbiamo persone che fanno le cose manualmente lungo la catena del valore o la catena di approvvigionamento. Quindi, dicendo davvero: dove trascorro la maggior parte del tempo? Non si tratta di lavoro a valore aggiunto o di aumentare il valore di ciò che facciamo per le nostre operazioni e di aggregare e impilare questi dati e vedere se ho i dati sufficienti per risolvere questo caso d'uso e poi posso trasmetterli a un agente AGI confinato che potenzialmente può assumere alcune di queste azioni. Quindi, iniziando in modo molto piccolo per dire: "Ehi, sto premendo questo pulsante o sto rispondendo a una domanda via e-mail che è di natura manuale o tattica". E io lo faccio spesso o ho dei team di persone che lo fanno. Posso iniziare a rimuovere alcune di queste persone o, cosa più importante, trasformare ciò che stanno facendo e aumentare il loro talento in elementi più innovativi e a valore aggiunto. Jeff: Mi ha interessato l'inizio della sua risposta. Sta dicendo che deve davvero chiudere? Quali sono i dati che gli sta fornendo, che sono quelli giusti e che sono sicuri. Posso immaginare che si tratti di qualcosa che, come dire, le aziende vogliono essere molto chiare. Quali sono forse le nuove regole da seguire? Voglio dire che la sicurezza dei dati è sempre qualcosa di cui parliamo, ma in realtà stiamo alimentando e non voglio che le informazioni siano drammatiche in una scatola nera che farà qualcosa e poi una risposta uscirà dal lato opposto. Che cosa significa preparare i dati? Chris: Sì. Penso che quando si lavora con l'AGI, si tratta di ingegneria dei tempi, quindi di addestrare il modello o l'agente a rispondere. In particolare, come lo vuole lei. Quindi, è necessario dedicare un po' di tempo in anticipo per assicurarsi che l'ingegneria tempestiva riduca la capacità dell'API di accedere a informazioni che non dovrebbe, o la capacità di creare narrazioni che, diciamo, stanno inventando le cose, o che stanno falsificando le informazioni. Quindi voleva davvero definirlo, ad esempio. Ecco il suo ruolo nella vita. Ecco cosa deve fare e, a proposito, non deve mai falsificare le informazioni. Seguire un processo rigido prestabilito, ma ciò che è davvero interessante è quello che abbiamo fatto, ovvero inserire la pianificazione di modelli linguistici di grandi dimensioni davanti a questo, in modo da creare agenti specifici che hanno requisiti tattici o opzioni tattiche che possono seguire accedendo a strumenti interni, confinando davvero i dati per assicurarsi che siano esattamente ciò di cui hanno bisogno e che ne sappiano di più e poi assicurarsi che gli output siano in modo molto rigido. Quindi è controllato dal caso d'uso su cui ci si concentra. Quindi, ancora una volta, fare un passo indietro, guardare a tutti i processi manuali che avvengono e che lei sa essere ridondanti e che i suoi team non amano fare, prenderli e iniziare il suo viaggio all'interno di tecnologie di tipo open AI o di altre che stanno arrivando online e concentrarsi in modo tangibile su alcuni di questi casi d'uso e seguirli. Jeff: Mi interessa molto che lei abbia parlato di insegnargli che non può fabbricare. Quindi, e mi perdoni, sono un po' più familiare con la chat, la GPT rispetto ad alcune applicazioni del settore, ma so che l'allucinazione è uno dei termini che abbiamo sentito. Dove vuole solo accontentarla. Non è detto che le dia la risposta giusta. Sta cercando di generare una risposta di cui lei sarà soddisfatto. Come se fosse la risposta giusta. Che ci sia o meno una profondità, non può essere così, perché si tratta di dati utilizzabili su cui sta lavorando. Può approfondire questo punto? Chris: Nessuna allucinazione è in realtà un termine tecnico per alcuni di questi agenti AI. Voglio dire, ci sono esempi di studi legali che hanno usato questo sistema e non hanno controllato i risultati e hanno scoperto che, sì, le citazioni inventavano i casi, giusto? Quindi bisogna essere molto rigidi e chiari e l'ingegneria dei prompt che si sa di dover seguire e assicurarsi di parlare solo della verità, dei loro dati a cui si ha accesso e quando si interagisce con alcuni di questi prompt che sono aperti, possono andare in molti modi diversi e ciò su cui ci concentriamo è l'implementazione nella nostra base di codice utilizzando alcuni di questi modelli addestrati per rispondere in modo simile a quello umano, ma concentrandoci davvero su ciò che può fare. Quindi non esce dai suoi confini. Jeff: Sono molto interessato a questo e ricordo che prima di iniziare la registrazione ha detto che in realtà ha alcuni dettagli e cose pratiche che possiamo approfondire. Mi piacerebbe farlo ora, per quanto questo quadro generale sia affascinante. Quali sono alcuni esempi concreti di persone che hanno applicato questo metodo a una persona? Che cosa sta facendo per loro? E non deve fare il nome di un cliente, ovviamente. Ma ci illustri lo scenario. Chris: Sì. Beh, posso fornirle uno scenario molto specifico che abbiamo iniziato e che abbiamo in produzione. Quindi, molte volte nel nostro settore, su cui siamo molto concentrati, il trasporto è quando si consegna fisicamente qualcosa, qualcuno firma un documento e si chiama prova di consegna. E per molti clienti, per automatizzare il processo di pagamento e garantire che fosse puntuale e completo, l'OTIF si è davvero concentrato. Vuole acquisire tutti questi documenti e, in caso di audit, vuole assicurarsi che siano giusti e inaccurati. Quindi, tra le migliaia di spedizioni che sta gestendo, ha a che fare con tonnellate di fornitori diversi e questi fornitori hanno dei subfornitori come gli autisti o i magazzinieri. Quindi ci sono tutte queste fonti di informazioni in cui i documenti possono risiedere, e spesso ci sono team di persone che vanno a caccia e inviano e-mail e si occupano di riportare i dati nel sistema. Questo è un caso d'uso perfetto e tangibile su cui si potrebbe concentrare un agente AI, invece di avere, come dire, squadre di persone che si occupano di questo. Quindi, inseguire gli ordini di acquisto, inseguire i documenti, seguire, sa, quando qualcosa non va bene e ottenere le informazioni in modo automatizzato, sapendo di aver impostato i limiti e il controllo che tolgono, sa, il lavoro manuale dall'equazione e concentrano il loro tempo su attività più, diciamo, di ottimizzazione che possono ridurre i costi o migliorare il servizio e non si impantanano con alcune delle attività tattiche quotidiane. Quindi penso che la documentazione e la condivisione della documentazione sia accurata, tempestiva e associata al record di spedizione sia il punto su cui abbiamo concentrato parte di questo sviluppo. Jeff: Fantastico. Quindi, per dire che in un altro modo, e potete verificarmi, può produrre il rapporto su tutti questi punti di dati. Ma ciò che sta liberando le persone, una volta c'era qualcuno che doveva compilare tutto ciò, che doveva dare un senso a tutto questo in un unico rapporto. Ora forse possono essere liberati. Non abbiamo questa informazione e possono stabilire una connessione umana con la persona che non ha messo in comune i propri dati o che è libera di risolvere i problemi mentre il sistema si occupa del lavoro intensivo. Chris: Esattamente. Quindi l'agente AI vedrà che un POD non c'è, un pezzo di documento non c'è. Seguirà dei passi definiti. Raggiungerà il mondo. Scriva un'e-mail che sembri provenire da un essere umano. Sì, sembra che qualcuno stia chiedendo qualcosa. E come accade di solito oggi con le persone, riceveranno una risposta. Prenderanno quell'attaccamento. Andranno a caricarlo da qualche parte, quindi credo che questa sia una grande area di interesse, ed è qualcosa che abbiamo fatto. Jeff: Quindi immagino di rimettermi nella posizione di un dirigente della catena di approvvigionamento che vede che questo è uno strumento incredibile che sta arrivando sul mercato. Che cosa significa iniziare? Qual è una tempistica realistica per piacere Prova un pilota. Si assicuri che siano effettivamente i dati giusti a entrare e i risultati giusti a uscire, perché ci sarà comunque una persona che li controllerà per molto tempo, per assicurarsi che rappresenti la sua azienda. Chris: Sì. Voglio dire, dovrete avere dei team tecnici che iniziano a lavorare su questo, che scelgono la tecnologia giusta e poi confinano i dati a cui hanno accesso e li distribuiscono all'interno del vostro ecosistema. Quindi non è come una fonte aperta là fuori, in grado di fornire informazioni proprietarie a quell'agente. In modo da confonderla davvero. Quindi, iniziando questo percorso, si vuole iniziare a guardare l'ingegneria dei tempi. Gran parte di questa codifica, che è davvero entusiasmante, può essere eseguita da persone non tecniche attraverso la formazione e l'apprendimento e abbiamo utilizzato alcune tecnologie, tra cui Lang Chain, che ci aiuta a concatenare attività più piccole in un flusso di lavoro complessivo e complesso, nonché l'open AI. E poi dobbiamo utilizzare i modelli proprietari che abbiamo costruito all'interno dello spazio logistico per fornirgli i dati e il nostro sistema di registrazione per avere accesso alle informazioni per andare avanti. Quindi la creazione di questa infrastruttura richiede probabilmente due o tre mesi per iniziare, assicurandosi di controllare i team di sicurezza dei dati e della privacy per assicurarsi che siano d'accordo e poi iniziare con casi d'uso molto piccoli, imparare man mano e poi capire come si può scalare e ciò che stiamo facendo per scalare è fondamentalmente consentire a un modello linguistico di pianificazione di grandi dimensioni di esaminare le SOP che gli esseri umani stanno scrivendo. Quindi posso scrivere una SOP per un'azione specifica che voglio automatizzare. L'LLM di pianificazione può imparare da quella SOP, quindi definire i compiti che verranno seguiti da LLM più piccoli e specifici. Può riordinare il flusso di lavoro in base a ciò che sta apprendendo e quindi avere un risultato tangibile di ciò che un essere umano avrebbe fatto in passato. Jeff: Vorrei approfondire cosa rende un TMC un partner di scelta in questo spazio. Capisco che lei è un innovatore e che ha un'esperienza che la distingue già da molte persone, ma mi spieghi come è arrivato a questo punto, cosa sta facendo di così entusiasmante. Alcuni leader della catena di approvvigionamento mi hanno chiesto di spiegarmelo. Chris: Sì, cioè uno, volevamo condividere quello che stiamo facendo solo per mostrare l'opportunità in questo spazio. E poi penso che, nello specifico, il motivo per cui collaborare con noi in questo settore è che, come sa, abbiamo probabilmente più accesso ai dati di trasporto di qualsiasi altra azienda al mondo. Quindi abbiamo 30 miliardi di dollari di merci sulla nostra piattaforma. Quindi, la creazione di modelli molto focalizzati sulla logistica è il punto in cui avremo quella, come dire, IP o proprietà intellettuale a cui le aziende possono attingere. Quindi, credo che siamo un ottimo partner per questo, ma vogliamo anche essere consulenti e parlare della vera e straordinaria opportunità che questo tipo di tecnologia può portare. E sicuramente siamo ancora all'inizio, ma siamo davvero entusiasti di alcuni dei modelli specifici per la logistica che stiamo costruendo, di alcune delle capacità che abbiamo già avuto dal punto di vista ingegneristico e dello sviluppo dei talenti che ora si stanno concentrando su questa tecnologia. E stiamo investendo molto di più in questo spazio. Così ci siamo messi in moto per cercare di anticipare, sai, le opportunità che ci sono là fuori. Quindi penso che le aziende che cercano di collaborare, soprattutto nella fase di esecuzione del trasporto, dovrebbero considerare TMC e C.H. Robinson come partner fondamentali. Jeff: Assolutamente sì. E sa, non per mettere le parole in bocca a nessuno. Ma ancora una volta, se fossi un dirigente della catena di approvvigionamento dice che sono interessato a questo, quali sono alcune delle domande con cui dovrei venire da lei? Ad esempio, credo che ci debba essere una sfida per l'azienda che deve essere risolta, oppure quali sono i modi giusti per approcciarsi a questo problema, invece di limitarsi a farlo. Voglio provare il nuovo giocattolo. Chris: Sì. Voglio dire, le persone vogliono provare il nuovo giocattolo, giusto? È molto presente nelle notizie. E' sulla stampa, quindi penso che per prima cosa sia necessario classificare le opportunità e creare il caso commerciale, dovrete avere uno sviluppo, dovrete fare delle cose sul vostro lato. Tuttavia, non si tratta di un'attività che può essere completamente esternalizzata a un partner. Ci sono alcuni scenari in cui è possibile trovarlo, ma i clienti informati devono dedicare il loro tempo a creare il business case, a individuare le aree della loro catena di approvvigionamento su cui questa tecnologia potrebbe essere incentrata e dove forse hanno dei punti ciechi in termini di documentazione della visibilità dei dati logistici, di cui abbiamo parlato in precedenza. Poi guardate la vostra rete di partner e vedete chi sta investendo nello spazio. Quindi, potrebbe essere utilizzato da altri. Ma in realtà, la classifica di stack, le sue opportunità sono molto concise e vincolate a ciò che vuole perseguire, e poi i partner come noi possono davvero colpire il terreno con questo come un guardrail per lo sviluppo. Jeff: OK, quindi se ho il mio punto dolente o l'opportunità che sto dicendo, penso che questo sia un buon punto di partenza e vengo da C.H. Robinson. E ti ringrazio per TMC. La divisione di C.H. Robinson che lavora specificamente in questo spazio, come si presenta il primo giorno? Come si presenta l'inizio vero e proprio di questa partnership e come posso preparare il mio team per iniziare? Chris: Sì, penso che uno, vogliamo esaminare il modello dei dati. Quindi si assicuri di sapere che utilizziamo la nostra piattaforma proprietaria Navisphere. Quindi vorremmo collegarci alla vostra rete logistica. Vuole ottenere dei dati. Per iniziare, è necessario disporre di un'ampia serie di dati. Se ci sono punti ciechi nei dati, gli agenti AI faranno fatica a rispondere alle domande o ad essere concisi. Quindi penso che sia necessario esaminare il modello di dati, vedere dove possiamo integrare e supportare e poi distribuire il business case e andare a testare uno scenario specifico e imparare a fallire velocemente e a fallire in modo economico, se si cerca qualcosa di troppo robusto, non si vuole perdere troppo tempo. Quindi, iniziare in modo molto sintetico, muoversi velocemente e identificare il modello di dati che si vuole utilizzare per andare avanti è incredibilmente importante. Le permette di muoversi velocemente nello spazio. Jeff: Ogni volta che parliamo di una nuova tecnologia, soprattutto di qualcosa come l'intelligenza artificiale, che è molto in voga. Sì, voglio prendermi un minuto per parlare delle persone. Parte di tutto questo perché c'è un'organizzazione della catena di approvvigionamento esistente. Sì, in parte stiamo parlando di automatizzare il loro lavoro, che li libererà per svolgere lavori più importanti. Ma c'è una lotta per un minuto. Possiamo parlarne? Chris: È l'equazione umana, giusto? Come parte di esso. Quindi direi che il nostro settore in generale ha una carenza di talenti. Quindi stiamo lottando per mettere a disposizione le competenze in materia di logistica, trasporti e supply chain per scalare le organizzazioni man mano che cresciamo, anche se, come sa, in questo periodo tumultuoso che abbiamo attraversato, c'è ancora una mancanza di competenze. Quindi non si tratta di sostituire il capitale umano, a mio avviso, ma di massimizzarlo e di essere in grado di scalare su molti flussi diversi, senza dover salire di livello e ampliare il team, che può rimanere davvero concentrato sulle iniziative a valore aggiunto. Jeff: Abbiamo affrontato molti argomenti in questa conversazione. Se ci fossero due o tre punti chiave su cui vuole che le persone riflettano un po' di più, quali sarebbero? Chris: Sì. Quindi siamo molto all'inizio, è molto eccitante, ma dobbiamo essere molto attenti e molto deliberati su ciò che stiamo facendo con questa tecnologia. Quindi c'è molto da imparare. Vogliamo assicurarci che sia controllato e siamo stati molto rigidi su ciò che gli permettiamo di fare. Penso che vogliamo concentrarci sull'elemento umano. Penso che vogliamo migliorare la vita delle persone e non necessariamente, sa, concentrarci sulla sostituzione, ma sull'aumento delle cose che, come sa, le persone non vogliono fare, vogliamo che si concentrino sulle cose interessanti che portano davvero valore alle loro aziende. E questo è un viale per farlo. Quindi, iniziare in piccolo per imparare rapidamente, valutare la propria rete di partner su chi sta investendo in questo tipo di tecnologia, con chi si può collaborare e poi esaminare il proprio modello di dati per iniziare. Jeff: Devo pensare che con qualcosa di così nuovo e così eccitante, ci saranno persone con domande, che vogliono saperne di più. Qual è il modo migliore per mettersi in contatto? Magari scrutare il cervello di qualcuno al TMC. Chris: Sì. Per questo motivo, consiglio alle persone di andare su thechrobinson.com/TMC e lì c'è un'opzione per trovare un esperto. Così potrà conoscere meglio ciò che stiamo facendo nello spazio, essere felicemente consultato e sapere cosa stiamo facendo e come lo abbiamo fatto. Quindi può effettivamente costruire questo aspetto sul suo lato e potenzialmente possiamo trovare un modo per collaborare in futuro. Jeff: Apprezzo molto il suo tempo qui, Chris. Si tratta di una cosa davvero entusiasmante e non ho ancora avuto modo di parlarne con qualcuno che lo sta facendo davvero. Quindi questo è stato emozionante per me. Apprezzo molto la sua presenza qui. Chris: Grazie e grazie per le piattaforme esecutive. Voi gestite conferenze fantastiche, mi sono divertito molto e non vedo l'ora di partecipare ad altre in futuro. Jeff: Fantastico. Nel frattempo, ha ascoltato un altro episodio della serie di podcast Executive Platforms Blueprint. Sono stato Jeff Nicks. Rifacciamolo presto.
Le catene di approvvigionamento sono intrinsecamente piene di persone e di compiti manuali e ripetitivi. Le nuove tecnologie, come l'AI generativa, possono automatizzare le attività necessarie, in modo da dedicare più tempo a quelle che aggiungono valore.
A differenza dell'AI tradizionale, che è un'intelligenza informatica ristretta e orientata al compito, l'AI generativa è un'intelligenza più ampia, simile a quella umana, in grado di apprendere e adattarsi. Questo la rende la scelta ideale per alcune aree della catena di approvvigionamento. Immagini le possibilità che questo potrebbe avere sulla sua strategia.
Chris Cutshaw, direttore delle soluzioni di mercato di TMC, si è recentemente unito a Geoff Micks nel podcast Executive Platforms Blueprint per discutere il ruolo e l'impatto potenziale dell'IA generativa sul settore dei trasporti e della logistica. Nell'ambito della nostra attenzione all'applicazione dell'AI generativa a beneficio dei nostri spedizionieri e vettori, questo video offre una rapida visione di come C.H. Robinson e TMC stanno contribuendo a informare il futuro delle catene di approvvigionamento.