Agentowa AI w logistyce zawodzi bez rozumowania przestrzennego, mówi Bart Coppelmans z HERE
Najważniejsze informacje
- •Ogólnego przeznaczenia modele AI poprawnie odpowiadają tylko na około 55% podstawowych pytań o wskazówki przestrzenne, według HERE Technologies.
- •HERE twierdzi, że logistyczna AI musi od początku być osadzona w inteligencji lokalizacyjnej, aby uniknąć błędnych wyników trasowania i planowania.
- •Zbiory danych HERE obejmują ponad 800,000 punktów danych specyficznych dla ciężarówek, dotyczących opłat drogowych, ograniczeń na drogach i dozwolonych tras.
- •Firma opisuje swoje podejście jako wspomaganą podróż, w której operatorzy zachowują kontrolę nad decyzjami.
- •Coppelmans powiedział, że współpraca wieloagentowa między systemami klientów i stron trzecich jest kolejnym dużym etapem rozwoju.

Agentowa AI w logistyce nadal zawodzi, gdy do gry wchodzi rozumowanie przestrzenne. Bart Coppelmans z HERE Technologies wyjaśnia, dlaczego ogólne modele AI potrafią rozumieć język, ale nadal nie radzą sobie z trasowaniem ciężarówek, mostami o niskim prześwicie, parkowaniem, korkami i wykonaniem w rzeczywistych warunkach. W tym materiale FreightWaves Today Coppelmans pokazuje, dlaczego inteligencja lokalizacyjna musi być wbudowana w logistyczną AI od samego początku, a nie dodawana później, oraz jak lepsze osadzenie przestrzenne może w czasie rzeczywistym łączyć planowanie, wykonanie i informacje zwrotne od kierowców. #LogisticsAI #SupplyChainTech #TruckingTechnology
Ogólnego przeznaczenia duże modele językowe poprawnie odpowiadają tylko na około 55% podstawowych pytań o wskazówki, a ta luka w dokładności bezpośrednio blokuje wdrażanie agentowej AI w logistyce, według Barta Coppelmansa, szefa produktu korporacyjnego w HERE Technologies. Firma, która od wielu dekad wspiera systemy zarządzania transportem, flotą i dostawami ostatniej mili, twierdzi, że inteligencja lokalizacyjna musi być osadzona u podstaw każdego workflow logistycznego opartego na AI, a nie dodawana później. Ma to znaczenie w branży, w której decyzje o trasowaniu wpływają na zgodność, terminowość usług, doświadczenie kierowcy i koszty operacyjne, a błędna rekomendacja może być czymś więcej niż tylko błędem oprogramowania.
Coppelmans wyjaśnił, że podstawowym problemem jest to, iż czołowe modele AI rozumieją język naturalny, ale nie mają rozumowania przestrzennego potrzebnego w rzeczywistych operacjach transportowych. Tak rutynowe zadania jak omijanie mostów o niskim prześwicie przy przeplanowaniu tras ciężarówek, wyszukiwanie parkingu dla ciężarówek czy przewidywanie zatorów w portach lub ruchu drogowym wymagają gęstej sieci danych specyficznych dla lokalizacji, których obecne duże modele językowe nie przechowują wewnętrznie. Mapy i zbiory danych lokalizacyjnych HERE obejmują ponad 800,000 punktów danych specyficznych dla ciężarówek, dotyczących opłat drogowych, ograniczeń na drogach i dozwolonych tras.
„If you haven’t connected the model and the graph of the location and geospatial model underneath, then it starts really hallucinating dramatically across your responses and outcomes you are getting,” said Coppelmans.
„We see it also not as an automation journey. We see it really as an assisted journey.”— Bart Coppelmans, Head of Enterprise Product, HERE Technologies
Coppelmans opisał trwałą rozbieżność między planowaniem w zapleczu operacyjnym a realizacją na drodze, którą agentowa AI, właściwie osadzona w danych lokalizacyjnych, mogłaby pomóc zmniejszyć. Dyspozytorzy mogą tworzyć pozornie optymalną trasę, ale kierowcy napotykają w czasie rzeczywistym warunki, które unieważniają plan. Podejście HERE tworzy pętlę informacji zwrotnej, która zbiera dane od kierowców z terenu, przekazuje je z powrotem do planistów i buduje wzorzec uczenia się, tak aby ten sam tryb awarii nie powtarzał się. Celem jest przejście od statycznego planowania do dynamicznej orkiestracji między dyspozytorami, operatorami i kierowcami.
Poza trasowaniem Coppelmans przedstawił szerszą szansę jako „transportation intelligence” — termin, którego użył do opisania silnika kompromisów budowanego przez HERE w celu jednoczesnej optymalizacji kosztów, zgodności, ryzyka, bezpieczeństwa i zrównoważonego rozwoju. Zamiast obliczać jedną trasę punkt-punkt, system ma umożliwiać operatorom dostosowanie dowolnych KPI lub umów o poziomie usług, które są istotne dla danego procesu, i otrzymywanie proaktywnych sugestii dopasowanych do tych priorytetów. W praktyce oznacza to, że dane przestrzenne stają się podstawowym wejściem do codziennych decyzji logistycznych, a nie tylko warstwą mapy na nich nakładaną.
W kwestii nadzoru człowieka Koppelmans był bezpośredni: ludzki osąd powinien pozostać w kontroli przez obecny etap rozwoju technologii. Podał przykład dostosowywania ograniczeń — jeśli planista złagodzi ograniczenie dotyczące odległości lub kosztu, system może teraz pokazać wpływ tej zmiany na całkowity koszt, ale decyzja o wdrożeniu tej zmiany pozostaje po stronie człowieka. Dodał, że nie wierzy w w pełni zautomatyzowane systemy logistyczne „przynajmniej przez jakiś czas”.
Patrząc w przyszłość, Coppelmans wskazał współpracę wieloagentową jako następny etap — łączenie agentów HERE bezpośrednio z systemami klientów oraz z agentami stron trzecich, tak aby informacje i decyzje przepływały przez granice organizacyjne bez potrzeby głębokiej integracji oprogramowania po każdej stronie. Dla całej branży, jak powiedział, najpilniejszym priorytetem jest eliminacja fragmentacji poprzez płynne stosowanie możliwości agentowych w workflow, które dziś nadal funkcjonują w silosach.
Czołowe modele AI poprawnie odpowiadają tylko na 55% podstawowych pytań o wskazówki przestrzenne, co ogranicza ich niezawodność w trasowaniu i planowaniu logistycznym.
HERE Technologies umieszcza w swoich zbiorach danych lokalizacyjnych ponad 800,000 punktów danych specyficznych dla ciężarówek — obejmujących opłaty drogowe, ograniczenia na drogach i dozwolone trasy — aby ugruntować wyniki AI.
HERE opisuje agentową AI jako „assisted journey” z człowiekiem zachowującym kontrolę, a współpracę wieloagentową między systemami klientów i stron trzecich uznaje za kolejny duży etap rozwoju.
This summary is generated thanks to a transcription of the interview; for the full interview, please enjoy the video above.
The post Agentic AI in Logistics: Why 55% Accuracy Fails appeared first on FreightWaves.