機械学習は海運業界における運賃予測を着実に改善しているが、同セクター特有のボラティリティは最先端のモデルをもってしても依然として捉えきれない。

2012年から2024年にかけて発表された28件の研究レビューでは、船舶供給データ、商品需要指標、バンカー燃料価格、および広範な経済指標を活用して運賃市場を予測する動きが広がっていることが確認された。しかし同レビューは、地政学的ショック、規制の変化、突発的な供給攪乱を過去データのみから確実に予測することはできないと結論づけた。これは、通常のトレンドラインを逸脱する出来事によって運賃が急変する可能性のある業界にとって、中核的な限界を浮き彫りにしている。

業界関係者の間では、AIを人間の判断の代替ではなく意思決定支援ツールとして扱うべきだという見解で概ね一致している。Arrow社のBurak Cetinokは姉妹誌SplashTechに対し、最新ツールはデータセットをかつてない速度で処理できるが、データ品質の低さとカバレッジの限界が精度を依然制約していると述べた。Trans Global Projects社のPanos Patsadasは、海運業界のデジタル化は依然不十分であり、過去のサイクルは将来の市場動向の指標として不適切であると指摘し、予測の精度が基盤となる市場データの品質と完全性に依存していることを改めて示した。

Sea社のChristoffer Svärdは、モデルの出力は設定、プロンプト、コンテキスト、および人間の解釈に大きく依存すると指摘した。

SSY社のRoar Adlandはより懐疑的な見方を示し、大規模言語モデルは既に10年以上にわたり使用されている機械学習システムに対してほとんど付加価値をもたらさず、自律的な商業的判断には依然不適切であると主張した。

専門家は運賃の3つの主要な推進要因を特定した。予測可能なファンダメンタルズ、予測不可能なショック、そして短期的な群衆行動である。AIは第1のカテゴリーの分析を鋭敏にできる可能性があるが、第2に対してはほとんど効果がなく、第3をむしろ増幅するおそれがある。市場参加者が類似したモデルとデータセットに依存すれば、同じポジションに殺到し、市場の動きを加速させて、それらのツールが本来生成しようとした予測を損なう可能性がある。

業界専門家間のコンセンサスは、AIは分析を洗練させ、隠れたパターンを明らかにし、タイミングを改善できるが、海運のサイクルを排除することも、経験豊かな商業的判断に取って代わることもできないというものである。

出典：Splash247