AI in de logistiek: de hype voorbij

Artificiële Intelligentie (AI) is een begrip dat de afgelopen jaren steeds vaker opduikt in gesprekken over de toekomst van de logistiek. Er is echter een dunne lijn tussen opwinding en overdrijving, tussen innovatie en hype. Is AI in de logistiek meer dan een buzzwoord en is ze gedoemd om, net als de intens gehypte blockchain een paar jaar geleden, de verwachtingen niet in te lossen?

Blockchain in de logistiek wordt beschouwd als een flop vanwege verschillende redenen. Ten eerste bleek de complexiteit van de technologie een obstakel te zijn voor grootschalige adoptie. Daarnaast waren de kosten en efficiëntie van blockchain-transacties een uitdaging. De transactiekosten waren hoog en de snelheid van transacties was niet altijd geschikt voor de snelle logistieke processen. Dit maakte het moeilijk om de voordelen ervan te rechtvaardigen ten opzichte van bestaande systemen. Bovendien ontbraken duidelijke en gestandaardiseerde protocollen en regelgeving: dat creëerde onzekerheid en weerstand bij de adoptie ervan. De logistieke sector was terughoudend om een technologie volledig te omarmen die nog relatief nieuw en onbewezen is in het leveren van een aanzienlijke meerwaarde.

In tegenstelling tot blockchain heeft AI wel potentieel om een succes te zijn in de logistiek. AI heeft al concrete voordelen laten zien, zoals efficiëntieverbetering, kostenbesparing en voorspellende analyse. De technologieën achter AI, zoals machine learning en deep learning, hebben zich snel ontwikkeld en kunnen complexe logistieke uitdagingen aanpakken. Bovendien is er een overvloed aan beschikbare gegevens in de logistieke sector, wat AI in staat stelt om waardevolle inzichten te genereren.

Met een gerichte implementatie en strategische aanpak kan AI de logistiek transformeren en aanzienlijke voordelen opleveren, terwijl lessen worden geleerd van de uitdagingen die blockchain in de logistiek heeft ondervonden.

Gegevensanalyse

Wat hierboven staat, is een tekst die ChatGPT genereerde. Het immense succes hiervan op amper enkele weken tijd schudde iedereen wakker, zodat men ineens een bijna overdreven belangstelling heeft voor AI. Toegegeven: bepaalde passages zijn wat oppervlakkig. Maar de woorden rolden eruit – in duidelijk Nederlands – in nog geen 20 seconden. Waarom? Vermoedelijk omdat ChatGPT aan de hand van eerdere vragen en interacties, kon voorspellen wat ik eigenlijk zocht. En laat voorspellen – van vraag en aanbod, van de juiste stocks, van transportcapaciteit en zo meer – nu juist een van de cruciale aspecten in de logistieke sector zijn.

Maar wat is AI? De term verwijst naar systemen en technologieën die computers en machines in staat stellen om menselijke intelligentie na te bootsen en beslissingen te nemen op basis van gegevensanalyse. AI omvat verschillende technologieën zoals ‘machine learning’, ‘deep learning’, reinforcement learning, Natural Language Processing (natuurlijke taalverwerking), computer vision (beeldherkenning) en nog verschillende meer.

Voorspellen is cruciaal…

Die verschillende ‘intelligente’ technologieën maken zeer verscheiden toepassingen mogelijk in de logistieke sector. Een aantal ervan zijn trouwens geen toekomstmuziek meer. Alleen beseffen we het niet. Een voorbeeld uit het dagelijkse leven is het navigatiesysteem in uw auto, waarbij Waze de overtreffende stap is omdat AI nog eens in real time de voorspelling aanpast.

Voorspellende analyse is dan ook een van de meest evidente toepassingen van AI in de logistiek. Door gebruik te maken van geavanceerde algoritmen en machine learning-technieken, kunnen logistieke bedrijven historische gegevens analyseren en toekomstige trends en patronen voorspellen. Dit stelt hen in staat om hun voorraadbeheer te optimaliseren, de vraag beter te voorspellen, de capaciteit efficiënter te plannen of transportroutes en aankomsttijden te bepalen.

Een andere toepassing in het magazijn die daarbij aanleunt is voorspellend onderhoud: AI-analyse van sensordata op magazijnapparatuur kan een onderhoudsbehoefte op voorhand identificeren en storingen voorspellen, waardoor ongeplande stilstand wordt verminderd.

… maar ook optimaliseren

De meeste andere voorkomende toepassingen van AI in een magazijn dienen eveneens om de werking ervan te optimaliseren. Algoritmen bepalen de meest efficiënte routes voor orderpickers in het magazijn, waardoor de tijd en afgelegde afstand worden geminimaliseerd. Ze worden ook gebruikt om de meest efficiënte indeling van het magazijn te bepalen, inclusief de plaatsing van de rekken en werkstations.

AI-aangedreven systemen kunnen ook dienen om magazijnactiviteiten en workflows te optimaliseren, zoals jobplanning, taaktoewijzing en resourcebeheer.

Controle en interactie

Een andere interessante functie van AI in het magazijn is kwaliteitscontrole: machine vision-systemen inspecteren producten en detecteren defecten of afwijkingen. Ze kunnen ook het aantal items in een doos tellen (en fotograferen) om fraude bij ontvangst onmogelijk te maken.

Ook AI-gestuurde spraaktechnologieën kennen een groeiend succes: Natural Language Processing (NLP) – waardoor de computer menselijke taal beter begrijpt en interpreteert – maakt spraak gestuurde interactie mogelijk voor taken zoals orderverwerking door en instructies aan werknemers.

AI heeft ook nadelen

De lijst van deze AI-toepassingen en hun voordelen is zeker niet exhaustief: het zijn er veel meer. En in de toekomst zullen nog meer toepassingen worden ontwikkeld. De reden is dat AI nieuwe deuren voor efficiëntie, optimalisatie en klantgerichtheid opent. Ze heeft met andere woorden de potentie om de logistieke sector ingrijpend te verbeteren (en te veranderen). Maar zal AI in de sector een revolutie ontketenen? Dat is moeilijker te voorspellen.

AI heeft immers ook nadelen. Het implementeren van AI-technologieën kan gepaard gaan met aanzienlijke kosten (ontwikkeling en aanschaf van de benodigde technologie, aantrekken van

specialisten, opleiding van personeel, enz.). Bovendien kan het complex zijn om AI-systemen te integreren in bestaande logistieke processen en systemen… en met hen te laten samenwerken.

Het gebruik van AI roept tevens ethische vragen op, vooral als het gaat om autonome besluitvorming. Wie is er bijvoorbeeld verantwoordelijk als er fouten worden gemaakt door AI-systemen?

Kwaliteit van de gegevens is cruciaal

Het grootste nadeel is de afhankelijkheid van gegevenskwaliteit: zonder hoogwaardige data kunnen analyses en voorspellingen niet accuraat zijn. Als de kwaliteit van de gegevens ontoereikend is, kan dit leiden tot onnauwkeurige resultaten en dus beslissingen. Het kan met andere woorden een uitdaging zijn om toegang te krijgen tot relevante en actuele gegevens, vooral als de gegevensbronnen verspreid zijn over verschillende systemen.

Een ander groot obstakel voor een brede toepassing van AI in de logistiek is dat AI-algoritmen werken op basis van data uit het verleden. “Als de huidige situatie een andere is, dan heb je er niets meer aan. Dit is een belangrijke issue omdat de logistieke omgeving tegenwoordig heel volatiel, onzeker en snel veranderend is. In een dergelijke omgeving is AI dus minder inzetbaar”, stelt Jack van der Veen, professor Supply Chain Management aan de Neyenrode Business University.

Hij heeft een punt: in hoeverre zijn de data van de afgelopen jaren bruikbaar als men de lockdowns, Suezkanaalperikelen en de gevolgen van de oorlog in Oekraïne – om maar enkele te noemen – in acht neemt. In onstabiele omstandigheden daalt de relevantie en de inzetbaarheid van AI als tool om bijvoorbeeld het voorraadbeheer te optimaliseren.

Maar zelfs wanneer de situatie stabiel is, zijn er nog andere risico’s verbonden aan de inzet van AI voor voorspellende analyses. Volgens Guilhaume Leroy-Meline van IBM Consulting France is er het risico van ‘bias’ (red.: vooringenomenheid). “AI leert van gegevens uit het verleden om de toekomst te voorspellen en dus bestaat het risico dat je denkt ‘We hebben het in het verleden altijd zo gedaan, dus zal deze manier in de toekomst altijd werken’. Dit is een van de vele situaties waarin menselijke intelligentie en creativiteit extreem belangrijk zijn. We hebben dus mensen nodig om te waken over mogelijke ‘vooringenomenheid’ in de gegevens die worden gebruikt om AI te trainen”, zegt hij.

Conclusie

Hoewel AI in de magazijnlogistiek zeker uitdagingen met zich meebrengt, zoals de kwaliteit van de data, de kosten van implementatie en de integratie met bestaande systemen, is het belangrijk om de voordelen en potentie ervan niet over het hoofd te zien. De technologie evolueert snel en wordt steeds toegankelijker voor bedrijven van verschillende groottes. Met cloudcomputing en AI-as-a-Service-modellen kunnen zelfs kmo’s ze gebruiken zonder te moeten investeren in dure hardware of grote IT-infrastructuur.

Hoewel de adoptie van AI in de sector (voorlopig?) nog niet wijdverbreid is, zijn er wel degelijk al verschillende toepassingen die in de praktijk worden gebruikt en tastbare voordelen opleveren. Zij zijn een leerschool voor toekomstige toepassingen.

AI in de magazijnlogistiek is dus geen ‘ver van mijn bed’ show en meer dan waarschijnlijk geen hype zoals blockchain dat was. Dat er nog twijfels bestaan, is begrijpelijk. De nood aan relevante en vooral betrouwbare gegevens werkt deze in de hand. Die twijfels zijn overigens vaak ingegeven door het feit dat, voor de meesten onder ons, het moeilijk te begrijpen is hoe AI werkt. Daarom is een vergelijking met het internet niet onredelijk: u weet waarschijnlijk maar rudimentair hoe het werkt, maar kunt niet meer zonder. De kans is groot dat het met AI eenzelfde weg zal opgaan.