Di Swami Sivasubramanian, Vicepresidente, Amazon Machine Learning, AWS
Quando la Svizzera ha deciso di ridurre la congestione e l’inquinamento rimuovendo decine di migliaia di autocarri dalle sue autostrade alpine, ha costruito il tunnel del Gottardo, il più lungo e profondo tunnel ferroviario del mondo. Questa impresa di ingegneria moderna è una manna per gli enti civili e commerciali, ma questo genere di progetti non sono oggi l’unico modo per migliorare il futuro dei trasporti e della logistica.
In un mondo dove solo il 29% degli amministratori delegati del settore Trasporti e Logistica (T&L) sono fiduciosi che i ricavi delle loro aziende cresceranno nel prossimo anno, sempre più aziende T&L stanno decidendo di sfruttare i servizi di Machine Learning basati sul cloud per riuscire a diventare più efficienti e a migliorare l’esperienza dei loro clienti.
La convergenza tra cloud e intelligenza artificiale sta consentendo un’innovazione diffusa della tecnologia autonoma, soprattutto nel settore della mobilità. Questo è un cambiamento radicale, che vede, secondo PWC, il 68% dei responsabili delle aziende T&L convinti che i cambiamenti nelle tecnologie di base della fornitura di servizi porteranno un forte impulso nel proprio settore nei prossimi cinque anni, mentre il 65% prevede che i progressi nei canali di distribuzione faranno lo stesso.
Entrando nel dettaglio, sono quattro le aree principali in cui il machine learning ossia l’apprendimento automatico sta alimentando una rivoluzione della mobilità per l’industria dei trasporti e della logistica: previsione della domanda e ottimizzazione dei percorsi, guida autonoma e mappatura, robotica e rilevamento delle anomalie.
Ma come si applicano nella realtà di una azienda e quali sono i benefici?
Convoy sta sconvolgendo l’industria degli autotrasporti da 800 miliardi di dollari, ottimizzando i percorsi sfruttando i modelli di Machine Learning. L’autotrasporto negli Stati Uniti è una rete frammentata di spedizionieri e autotrasportatori che lavorano attraverso intermediari umani, un sistema inefficiente che fa sì che il 40% dei 95 miliardi di chilometri che i camionisti americani percorrono ogni anno sia guidato a vuoto. Convoy è in grado di analizzare milioni di posti di lavoro nel settore delle spedizioni per creare gli accoppiamenti più efficienti del settore – aumentando i profitti grazie alla riduzione delle miglia a vuoto e, soprattutto, riducendo le emissioni.
Ma l’industria degli autotrasporti registra una carenza a livello nazionale negli USA di almeno 100.000 conducenti. Una soluzione? Autocarri con guida autonoma. In TuSimple, il team tecnologico ha implementato più di 100 moduli AI basati sul cloud per effettuare in modo sicuro ed efficiente consegne commerciali autonome di oltre 100 miglia. Anche a 65 miglia all’ora su un camion carico, l’algoritmo AI avanzato di TuSimple è in grado di distinguere tra i tipi di veicoli che condividono la strada, di determinare la loro velocità e di mantenere i camion di TuSimple centrati in modo sicuro nelle loro corsie con una precisione di +/- 5 centimetri.
Nel Sud-Est asiatico, la società di autogrill Grab ha voluto potenziare i suoi algoritmi di abbinamento e fornitura in tempo reale on-demand. Si è rivolta a strumenti di machine learning per accedere al calcolo dei dati in tempo reale e a flussi di dati che supportano 1,5 milioni di prenotazioni di corse, migliorando in ultima analisi le sue prestazioni di matching e fornitura del 30%.
Un altro esempio di AI e di machine learning che ha avuto un impatto positivo sul settore T&L è l’uso da parte di Lyft di una soluzione di analisi delle serie temporali alimentata da AI. Questa tecnologia evidenzia automaticamente le anomalie che segnalano problemi aziendali più grandi e rileva gli incidenti che richiedono un’ispezione. Lyft ha ottenuto enormi risparmi sui costi non dovendo investire in una grande scienza dei dati interna o ispezionare manualmente i cruscotti.
L’accuratezza delle previsioni, naturalmente, è un fattore importante per le aziende T&L, e in Aramex con sede negli Emirati Arabi Uniti – che fornisce servizi di consegna espressa internazionale e nazionale, spedizione merci e servizi di shopping online – le operazioni di transito in tempo reale gestiscono migliaia di richieste ogni minuto. Grazie all’implementazione di un servizio completamente gestito, basato sul cloud, che consente ai suoi sviluppatori e ai suoi esperti di dati di addestrare, costruire e implementare modelli AI e ML, Aramax ha visto un aumento del 74% dell’accuratezza delle previsioni dei tempi di transito, riducendo del 40% le chiamate di servizio relative alla consegna.
Gli strumenti di machine learning e di IA basati sul cloud sono il cuore anche di Amazon.com che è in grado di consegnare con successo e in modo efficiente miliardi di pacchetti all’anno – dal momento in cui i clienti effettuano un ordine, all’evasione, fino alla consegna. In Amazon vengono utilizzati algoritmi di previsione per capire ciò che i clienti potrebbero ordinare garantendo così una fornitura sufficiente nei magazzini. I servizi di AI e di machine learning di AWS alimentano anche i robot del Fulfillment Center, i metodi per lavorare con i partner che si occupano delle consegne e persino per ottimizzare i percorsi di consegna stessi di Amazon.
Le “lezioni” degli ultimi anni sono chiare: essere competitivi nel settore T&L non è mai stato così complesso e importante allo stesso tempo, e la redditività è il risultato di una vera efficienza guidata dalla tecnologia. Fortunatamente, le più recenti innovazioni in AI e ML stanno portando a queste aziende un enorme vantaggio, fornendo loro gli strumenti necessari per affrontare le sfide e prosperare.
