唯有當數據、情境、連線能力與破碎的工作流程最終被整合在一起時，人工智慧才能真正改變航運業——這是 SplashTech 對海運科技領袖調查所得出的核心結論，該調查作為全新 SplashTech 雜誌的引言發表。

如果說有一個答案在調查中佔主導地位，那就是人工智慧。然而更值得注意的發現是，願意就此止步的受訪者寥寥無幾。

未來五年，AI 預計將觸及航運業幾乎每個環節：航次規劃、維修保養、採購、貨物作業、合規、安全、商業決策，以及耗費船上與岸上大量時間的日常行政工作。然而受訪者一再去補上同一個但書：智慧的價值取決於其底層的數據、情境、連線能力、架構與海運專業知識。

這個但書落在了一個數位化向來不均衡的產業。不過，航運業的法規環境正在以獎勵更優質數據的方式轉變：IMO 的船舶碳強度指標（CII）評級制度，以及歐盟將海運排放納入排放交易體系（ETS），已使準確、可驗證的營運數據成為合規要求，而非可選的效率專案。調查受訪者反覆回到這一實際壓力——只有當餵養 AI 的數據經得起檢驗時，AI 才有回報。

情境是缺失的關鍵要素

Complexio 聯席執行長 Matthew Talbot 對此論點提出了最清晰的版本之一。他認為最具變革性的技術，是能夠解讀航運業非結構化協調層——電子郵件、聊天、文件與附件——並將其轉化為公司實際運作之治理模型的能力。

「其中關鍵的詞是情境（context），」Talbot 告訴 SplashTech。

他認為，任何通用模型都能摘要一封電子郵件。更困難的問題是理解該訊息在特定航運公司內部的含義：它關聯到哪艘船、哪批貨、哪個交易對手、哪個人以及哪項先前的決策，以及工作實際如何流動。航運業的營運紀錄往往存在於收件匣而非 ERP 系統中。在機器能夠智慧地解讀這些歷史之前，建構在其上的應用程式只能看到部分的圖像。

Maris Investments 的 Manish Singh 則從另一個角度切入同一問題。當被要求指出單一最具變革性的數位技術時，他拒絕點名任何技術。他的選擇是「一個能消除海運工作流程中各自為政現象的紀錄平台（platform of record）」。

「在那之前，許多新工具增加的是複雜性而非能力，」Singh 說。

綜合而言，這些答案指向一場正在成形的大型競賽。航運業不缺應用程式，缺的是讓應用程式、通訊、數據與人員作為單一營運體運作的連結組織。

AI，但有前提

Inmarsat Maritime 總經理兼副總裁 Gert-Jan Panken 預期 AI 將產生最廣泛的影響，但他表示其價值完全取決於輸入品質與支撐它的數位基礎。在改善維修保養、航次優化、安全、排放表現與商業效率之前，AI 需要可靠的數據與安全的船岸整合。缺乏這個基礎，它可能淪為另一層複雜性。

Elomatic 數位轉型總監 Nico Lehtinen 同樣提名 AI，但強調航運業僅觸及皮毛。這項技術將逐漸成為工程與營運管理的自然延伸，而非使用者需另外開啟的獨立應用程式。他認為，贏家不太可能是擁有最顯眼聊天機器人的公司，而是將智慧默默嵌入決策所在工作流程中的公司。

Agwa 產品副總裁 Maayan Castel 將這個機會描述為「在感知、決策與行動之間形成閉環的領域特定 AI」。

「海運業不需要更多展示數據、還得靠人去解讀的儀表板，」她說。

Marcura 產品與策略成長資深副總裁 Janani Yagnamurthy 則聚焦於另一個重大機會：能夠將組織知識制度化傳承的 AI 代理。隨著資深專業人員退休，能夠捕捉數十年商業決策、作業慣例與合約詮釋的公司，將擁有日後難以用金錢買回的優勢。

Talbot 提出類似觀點。航運業至今仍將許多營運知識視為個人財產：記得機械為何提前更換的監督人，或知道在某個港口哪個代理能辦成事的營運人員。當這個人離開後，公司往往得付一次學費重新學會同樣的教訓。

共同的主軸不只是更聰明的軟體，而是縮短知識與行動之間的距離。

基礎管線必須先行

Smart Ship Hub 執行長 Joy Basu 提供了或許是這項調查中最刻意逆勢的答案。如果被迫選出真正具變革性的技術，他選的是船載數據記錄器。

航運業至今仍高度依賴 AIS、午間報告與破碎的船載系統。如果能以低成本且可靠的方式收集來自引擎、鍋爐、流量計、軸功率計、導航設備與貨物系統的高頻資訊，整個產業便突然擁有了 AI、數位孿生、自動化報告與預測性維修所需的原料。

「一個從未考慮過汙損船體、降額引擎或偽造 AIS 位置的 AI 模型，只會給你自信滿滿的胡言亂語，」Basu 說。

通用型 AI 進步速度驚人，但船舶並非通用環境。感測器會漂移、機械會劣化、連線會中斷、船體會汙損、船員會臨機應變、天氣會變化、商業優先順序會衝突。

Talbot 將論點擴展到遙測數據之外。感測器紀錄或許能告訴營運人某台泵曾過熱，但將該訊號與監督人的電子郵件、過往的檢修報告以及船員實際採取的行動結合，機器便能開始理解「為什麼」。結構化數據與人類情境結合後的價值，遠高於兩者各自單獨的價值。

因此，Idwal 技術長 David Evans 主張，轉型始於經驗證的營運數據與標準化報告，AI 與分析則位於其上。SpecTec 執行長 Adam Dennett 同樣選擇標準化、可互通的數據，作為決定誰能真正受益於人工智慧的基礎。AI 或許終於為解決航運業容忍多年的數位問題提供商業理由。

並非所有人都認為人工智慧本身值得最高矚目。NAVTOR 總監 Bjørn Kristian 選擇了 S-100——在 IMO 電子航海戰略下開發的下一代海運數據框架，將電子海圖、水深測量、水位與表層洋流等導航產品納入共同結構。

「S-100 引入了更豐富、動態且可互通的導航圖層，」Kristian 說，有潛力改善態勢感知、航線監控與航次規劃。

他的答案之所以有用，正是因為它強化了更廣泛的調查結果：下一代的智慧航運，很大程度上取決於更豐富的資訊先被結構化與互通化，聰明的應用程式才能加以利用。檯面之下的技術，最終可能決定檯面技術能達到什麼成就。

從應用程式走向營運層

這正是 Singh 的紀錄平台論點尤其重要的地方。海運科技的採購傳統上是按部門、按問題進行：船員管理一套系統、技術管理另一套、租船、採購、績效又各一套。人類於是成為整合層，透過試算表、電子郵件、重新輸入與記憶，在產品之間搬運資訊。

Singh 認為這種架構已接近其使用壽命的終點。他的目標是為船舶及其周邊人員建立一個共同的營運紀錄，讓不同職能匯聚於相同的底層資訊。

「區隔是供應商組織自己的方式，」他說。「營運者體驗到的不是區隔，而是一條跨越多個平台與應用程式的工作流程。」

Talbot 對往來通訊的重視，解釋了為何只解決應用層是不夠的。每個下游系統都需要知道發生了什麼、由誰決定、依據為何。這些證據大多仍埋藏在對話與附件之中，而非資料庫裡。

Sea 商務長 Christoffer Svard 預期，AI 代理將日益直接與其他系統連接，而非迫使使用者不斷登入各自獨立的平台。軟體將成為工作流程生態系的一部分，而非一個目的地。

SmartSea 執行長 Kris Vedat 從船隊角度得出類似結論。他預期自主決策生態系將連接船舶、岸上團隊與海運基礎設施。突破點不在於自動化單一任務，而在於讓船隊如同相互連結的營運網絡般運作。

人類判斷仍在決策圈內

儘管對代理與自動化充滿熱情，預期未來五年將走向無人航運的受訪者相對較少。NAPA 執行長 Mikko Kuosa 主張，AI 應負責提案，人類負責決策。Ardmore Shipping 創新總監 Garry Noonan 同樣強調，技術在增強而非取代人類決策時，才能發揮最大價值。

Talbot 提出另一道門檻：其輸出事後能否被辯護？一項決策可能在數月後受到船東、租船人、驗船師、保險人或仲裁機構的質疑。僅有準確性是不夠的，系統必須保存資訊來源、所使用的版本，以及建議背後的推理鏈。這或許將成為能從展示階段畢業與不能畢業的海運 AI 產品之間的區別之一。

五年後，AI 幾乎肯定會更深入地嵌入航運業。但 SplashTech 的調查顯示，更大的變革或許是 AI 熱潮迫使產業修復其周邊的問題：數據品質、情境、互通性、連線能力、身分、機構知識與工作流程。突破不會在每艘船都有 AI 助理時到來，而是當船舶、岸上辦公室與技術堆疊終於開始依據同一套營運現實運作——並能證明自己是如何達成時。

來源：Splash247