De acordo com pt.wedoany.com-A C.H. Robinson foi a primeira a lançar tecnologia de inteligência artificial para operar a cadeia de suprimentos global dos embarcadores e avaliar continuamente o desempenho, sendo o primeiro lançamento desse tipo no setor. A provedora global de logística construiu o sistema para atender seus clientes do 4PL Managed Solutions (Soluções Gerenciadas de Logística de Quarta Parte). O recém-lançado Lean AI Engineer (Engenheiro de IA Enxuta) trabalhará em conjunto com o Lean AI Planner (Planejador de IA Enxuta), lançado em 2025, para criar um sistema interconectado que aprimora exclusivamente o desempenho da cadeia de suprimentos enquanto ela opera.
A tecnologia gerencia autonomamente 92% do transporte de cargas 4PL globalmente, abrangendo caminhão, marítimo, aéreo e ferroviário. Ela gerencia as remessas desde a criação do pedido, incluindo licitação, roteirização, entrega, tratamento de exceções e pagamento às transportadoras. O Lean AI Engineer pode avaliar toda a cadeia de suprimentos em 25 a 30 minutos e determinar melhorias antes que o desempenho seja afetado, substituindo as avaliações tradicionais que geralmente levam até quatro semanas e apenas analisam eventos passados. O Lean AI Engineer fornece inteligência, e o Lean AI Planner gerencia o transporte de cargas por meio de centenas de agentes de IA interconectados. Os resultados da execução realimentam o Lean AI Engineer com dados para criar otimizações mais inteligentes.
Jordan Kass, presidente de Soluções de Gerenciamento da C.H. Robinson, afirmou que o sistema opera continuamente, melhora as operações em andamento e se autorrepara quando ocorrem falhas, sem necessidade de alertas ou intervenção humana para identificar problemas primeiro. O Lean AI Planner executa tarefas em tempo real, enquanto o Lean AI Engineer estuda os resultados, identifica padrões e ajusta a lógica. Jordan explicou que a tecnologia elimina a necessidade de ferramentas independentes de inteligência e orquestração da cadeia de suprimentos.
Ao expandir a expertise logística por meio da tecnologia, os serviços logísticos tradicionais de alta qualidade dependem de talentos excepcionais para gerenciar a complexidade, tomar decisões e intervir em interrupções. Jordan acrescentou que o problema é que o talento não pode ser escalado; ao codificar a expertise na própria tecnologia, os embarcadores obtêm talento e conhecimento ilimitados, que podem ser aplicados consistentemente a cada remessa, independentemente de quem está disponível em qual fuso horário ou do crescimento ou pico no volume de cargas. As equipes podem se concentrar em prioridades estratégicas para impulsionar os melhores resultados de negócios.
O sucesso depende dos dados e do contexto aos quais o sistema tem acesso. Com 450 engenheiros de software e cientistas de dados internos, uma camada de contexto proprietária é construída extraindo sistematicamente conhecimento institucional dos fluxos de trabalho. Esses dados vêm de especialistas experientes em frete e alimentam continuamente o modelo. A tecnologia utiliza dados de todas as etapas do transporte ponta a ponta, em vez de fragmentos vistos por ferramentas diferentes. Ela é treinada com base no contexto único de orquestração de fretes, incluindo detalhes da carga, processos, locais de coleta e entrega, transportadoras, rotas e tolerância ao risco. Jordan afirmou que é assim que o Lean AI Engineer sabe quais melhorias são adequadas, em vez de dar sugestões genéricas ou teóricas. Por exemplo, se um fabricante de peças automotivas transporta cargas transfronteiriças cinco dias por semana para uma linha de montagem just-in-time, o sistema não sugerirá economizar custos transportando uma vez por semana. A IA avançada considera mais variáveis do que a análise humana ou de software típico, e as sugestões de melhoria são priorizadas e acionáveis para o usuário.
No lançamento, o Lean AI Engineer identificará otimizações e oportunidades de economia ocultas para os negócios. Um adotante inicial descobriu que mudar de um cronograma de transporte variável para uma vez por semana poderia reduzir as cargas em 17% em 20 locais, economizando mais de US$ 1 milhão por ano. Outro cliente reestruturou o transporte de cargas para que uma única coleta atendesse três locais de entrega diferentes, resultando em uma redução de 81% no total de cargas e uma economia de 40% nos custos. O Lean AI Engineer será lançado para mais clientes, começando a avaliar outros fatores, como o desempenho das transportadoras. Ao monitorar continuamente o comportamento das transportadoras em todos os corredores, modais e clientes, ele identificará indicadores antecedentes de queda de desempenho e recomendará ações corretivas antes que ocorram falhas no serviço.
Arun Rajan, diretor de Estratégia e Inovação da C.H. Robinson, destacou que as cadeias de suprimentos geralmente não sofrem com falta de informação, mas sim com a lacuna entre saber e fazer. Tecnologias posicionadas acima ou fora da cadeia de suprimentos podem agregar dados, coordenar sinais e fazer recomendações, mas dependem de outros para executar os sinais e entender se as ações são eficazes. Arun explicou que a tecnologia preenche essa lacuna ao fornecer serviço de alta qualidade 24 horas por dia, 7 dias por semana, por meio de um sistema unificado, algo que nenhuma outra empresa consegue igualar.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
