Entrando in uno dei magazzini high-tech di oggi, ci si può meravigliare dei nastri trasportatori ad alta velocità, delle cuffie di prelievo a comando vocale o delle flotte di robot mobili autonomi (AMR) che si muovono in giro. Ma difficilmente riuscirete a trovare esempi concreti di una delle tecnologie più avanzate: l'intelligenza artificiale (AI).

Sebbene stia rapidamente diventando una parola d'ordine del settore, l'IA è poco conosciuta al di fuori dei circoli ingegneristici e il suo impatto sulle operazioni logistiche è difficile da rintracciare. Ma la verità è che la tecnologia è già ampiamente utilizzata e alimenta qualsiasi cosa, dall'interfaccia di conversazione sullo smartphone che avete in tasca al sistema di gestione del magazzino (WMS) che controlla il flusso di merci attraverso il centro di distribuzione.

Quindi, se non potete vedere l'intelligenza artificiale nel vostro magazzino, come potete gestirla? Ovvero, come si fa a selezionare un buon sistema, a valutarne l'efficacia e a misurarne l'impatto sulla propria attività nel tempo?

IMPARARE L’ABC DELL’INTELLIGENZA ARTIFICIALE

Per cominciare, le organizzazioni che vogliono avere successo nell'adozione dell'IA devono cambiare il loro approccio di base all'acquisto della tecnologia di magazzino, afferma Peter Chen, cofondatore e CEO di Covariant, che sviluppa IA per dispositivi commerciali come i bracci di prelievo robotizzati.

Questo perché l'IA opera in modo fondamentalmente diverso dalle precedenti generazioni di strumenti per la logistica e la movimentazione dei materiali. Vent'anni fa, i responsabili della logistica sceglievano l'hardware, come i carrelli elevatori o i trasportatori, in base ad attributi quantificabili come la velocità, la resistenza e la durata. Quando la tecnologia è progredita e hanno iniziato a scegliere il software, come un sistema di controllo del magazzino (WCS) o un WMS, hanno aggiunto all'elenco criteri come la sicurezza informatica, il supporto tecnico e la facilità di aggiornamento. Ora, per acquistare sistemi di intelligenza artificiale, devono adottare una nuova serie di strategie.

Le ragioni sono molteplici. Innanzitutto, l'IA si differenzia da altre tecnologie perché diventa più, e non meno, efficace nel tempo, a differenza, ad esempio, di un hardware che si rompe lentamente con l'uso o di un software che alla fine diventa obsoleto. Ciò che distingue l'IA è che non si basa su un'"intelligenza programmata", afferma Chen. "Con l'IA, l'intelligenza non è preprogrammata, ma apprende dai dati e dall'esperienza. Al contrario di un comportamento statico, impara per tentativi ed errori e migliora nel tempo".

Nel caso di Covariant, questa curva di apprendimento consente a macchine come i bracci robotici di gestire una gamma di articoli in continua evoluzione ed espansione senza richiedere aggiornamenti del software o studi di ingegneria, dice Chen. Al contrario, il braccio sperimenta una vasta gamma di unità di stoccaggio (SKU) e affina lentamente la sua capacità di afferrare articoli di vario tipo, che si tratti di abbigliamento, generi alimentari, prodotti farmaceutici o cosmetici.

Un altro fattore che differenzia l'IA da altre tecnologie è che le aziende ottengono i migliori risultati quando iniziano il prima possibile. Proprio come i consulenti finanziari dicono ai clienti di iniziare a investire presto nella vita, in modo che i loro risparmi possano crescere grazie agli interessi composti, l'IA funziona meglio quando ha il tempo di imparare e svilupparsi. Ciò contrasta con la tipica strategia di acquisto dell'hardware, che consiste nell'attendere l'aggiornamento o la sostituzione dell'apparecchiatura finché il fornitore non presenta l'ultima versione. "Il modo migliore per acquistare l'intelligenza artificiale è iniziare il prima possibile, perché può iniziare ad apprendere il prima possibile", afferma Chen. "Lanciate il vostro primo sito il prima possibile, in modo che [il sistema] possa raccogliere dati e iniziare ad apprendere. L'obiettivo è quello di raccogliere grandi quantità di dati, quindi sviluppare analisi e approfondimenti praticabili, in modo da combinare i risultati dell'adozione dell'IA".

AVETE UNA NUOVA AI; E ORA?

La misurazione dei risultati è un passo fondamentale per giustificare l'acquisto di un magazzino, ma per l'intelligenza artificiale rappresenta una sfida in più, perché di solito l'intelligenza artificiale opera "dietro le quinte", afferma John Black, vicepresidente senior per l'ingegneria dei prodotti di Brain Corp. L'azienda di San Diego sviluppa software di intelligenza artificiale e analisi per gestire gli AMR di produttori terzi, con particolare attenzione ai robot per la pulizia dei pavimenti che si trovano in fabbriche, centri commerciali, negozi al dettaglio e uffici.

Così come la maggior parte delle persone non sa che tipo di microchip alimenta il proprio personal computer, la maggior parte degli utenti di dispositivi alimentati dall'intelligenza artificiale non è in grado di individuare esattamente quali funzioni si affidano all'intelligenza artificiale. Questo rende difficile valutare l'efficacia della tecnologia, soprattutto perché l'IA è in genere considerata come uno standard "pass/fail": se la logica di una macchina commette un singolo errore, l'intero dispositivo viene considerato difettoso. Ad esempio, quando un AMR attraversa un centro commerciale, esegue decine di passaggi abilitati dall'IA lungo il percorso, dalla localizzazione e navigazione alla raccolta e analisi dei dati. Se fallisce in una di queste fasi, l'AMR è praticamente inutile. "Bisogna arrivare fino in fondo", dice Black. "Si può arrivare a quasi tutto, ed è interessante, ma non è sufficiente per ottenere un [ritorno sull'investimento]" per l'azienda che ha acquistato l'AMR.

"L'intelligenza artificiale deve essere quasi perfetta. La misura è: quanto tempo può passare questo robot senza un intervento? È possibile inviare un dipendente per risolvere un problema su un AMR, ma ogni tocco [diminuisce il rendimento del sistema]. L'obiettivo è l'autonomia "no-touch"", spiega. "Quello che si paga con l'automazione è l'accuratezza e la ripetibilità. Se è necessaria una persona che faccia da babysitter, essenzialmente il suo lavoro è cambiato in quello di supervisore dell'attività e non è stato veramente riutilizzato da un punto di vista lavorativo".

Secondo questo criterio, l'IA funziona meglio quando le persone si dimenticano di usarla, concorda Mike Myers, direttore delle soluzioni di Third Wave Automation. L'azienda incorpora la sua IA nei carrelli retrattili costruiti da aziende partner, permettendo a questi carrelli di diventare veicoli autonomi.

Myers ricorda che l'intelligenza artificiale funziona da anni come "motore di regole" di base nel software di contabilità che molti usano per presentare la dichiarazione dei redditi. Più di recente, alcuni sviluppatori di sistemi di gestione del magazzino di primo livello hanno applicato l'intelligenza artificiale al complesso puzzle della gestione delle operazioni di evasione in un centro commerciale di e-commerce. "In un WMS, l'intelligenza artificiale è invisibile nel suo funzionamento. È così che si sa che le cose sono efficaci: quando le persone non devono entrare nel WMS; possono semplicemente andare ai punti finali" e seguire le indicazioni del software.

A COSA PENSA ESATTAMENTE LA VOSTRA AI?

Secondo Myers, trovare un equilibrio tra il processo decisionale automatizzato e la supervisione umana è fondamentale per generare un solido ROI (ritorno sull'investimento) da un sistema di IA. Ma per misurare l'indipendenza delle prestazioni dell'IA nel vostro magazzino, dovete sapere esattamente cosa sta facendo. E questa può essere una sfida.

Un'idea sbagliata comune sull'IA è che agisca come "intelligenza generale", funzionando come un robot senziente in un film di Hollywood, osserva Myers. Ma la verità è che la maggior parte dell'IA svolge una serie di piccoli compiti, invece di riflettere su grandi questioni come il significato della vita. "L'IA è presente nella navigazione dei veicoli, nella pianificazione di alto livello dei percorsi e nella sequenza dei compiti in una struttura, ed è anche in Siri sul vostro iPhone", dice Myers. Ma per quanto uno strumento come Siri sia impressionante, funziona attraverso una serie di fasi di apprendimento automatico e di elaborazione del linguaggio, non attraverso un ombrello di consapevolezza generale, spiega. "Quindi l'intelligenza artificiale 'generale' non è necessaria per i casi d'uso pratici; è possibile suddividere tutti i casi per realizzare ogni fase".

Alla fine, il modo migliore per misurare l'impatto di un sistema di intelligenza artificiale sulle operazioni logistiche è tornare al classico metro di misura della supply chain: l'indicatore di prestazione chiave (KPI). "I KPI non cambiano, che si tratti del costo per unità, dell'aderenza agli SLA (Service Level Agreement) o di qualsiasi altra cosa", afferma Myers. "La costanza nel rispettare questi numeri è una misura dell'efficacia. L'intelligenza artificiale è solo un componente, una macchina dell'intero sistema. Ma poiché l'IA si auto-migliora, il fatto che si stiano facendo progressi verso quei KPI è il modo in cui si sa che sta funzionando".