Các Hệ thống quản lý giao thông (TMS) đang chứng kiến sự chuyển mình mạnh mẽ khi Trí tuệ nhân tạo (AI) ngày càng được ứng dụng rộng rãi trong các hoạt động của chúng.
Theo Rickard Andersson, nhà phân tích chính tại Berg Insight, tiềm năng tận dụng các khả năng AI trong TMS là rất lớn. Những hệ thống truyền thống, chỉ dựa vào các thuật toán được lập trình trước, đang dần chuyển mình để áp dụng AI tiên tiến và học sâu. Điều này cho phép chúng liên tục học hỏi từ dữ liệu, thích ứng với những thay đổi và thậm chí dự đoán trước các rủi ro có thể xảy ra trong tương lai.
Khả năng ứng dụng AI không chỉ dừng lại ở các chuyên gia TMS; các nhà quản lý chuỗi cung ứng (SCM) và các nhà cung cấp ERP cũng đang tích hợp những công nghệ này. Những triển khai mới đang nổi lên bao gồm chatbot và các hệ thống AI tự động, tăng cường đáng kể các hoạt động logistics thông qua tự động hóa và hỗ trợ quyết định thông minh.
Các hệ thống AI đang góp phần thay đổi logistics toàn cầu, giảm thiểu lỗi do con người. Chúng giúp thực hiện các đánh giá rủi ro một cách chủ động, phát hiện sớm những gián đoạn tiềm ẩn. Hơn nữa, các thuật toán học máy còn nâng cao độ chính xác và quản lý tài liệu, cho phép đưa ra quyết định tự chủ hơn trong môi trường logistics phức tạp.
Ví dụ đáng chú ý là Pando, một công ty của Hoa Kỳ cung cấp các hệ thống AI tự động hóa hoạt động logistics cho các nhà sản xuất, nhà phân phối và nhà bán lẻ. Nhờ vào mô hình ngôn ngữ logistics độc quyền của Pando (LLM), các doanh nghiệp có thể đạt được tính linh hoạt cao hơn, kiểm soát chi phí vận chuyển và giảm lượng carbon phát thải. Dịch vụ của Pando không chỉ giới hạn ở Agent AI mà còn bao gồm các sản phẩm TMS trong nước và quốc tế ứng dụng AI để lập kế hoạch tải và tối ưu hóa lộ trình thông minh.
Đồng thời, Tesisqare, một công ty Ý, đã ra mắt một trung tâm năng lực AI tập trung vào các công nghệ tiên tiến như học máy áp dụng, mô hình ngôn ngữ lớn và mô hình dự đoán. Mục tiêu của họ là cải thiện trí thông minh nền tảng và tối ưu hóa các ứng dụng kinh doanh, từ đó tạo ra chuỗi cung ứng linh hoạt và bền vững hơn.
Các tính năng khác liên quan đến TMS sử dụng AI bao gồm nền tảng MAESTRO của Kinaxis, AI Copilot Joule của SAP, Trợ lý khai báo hải quan của E2OPEN, và các hệ thống AI của Descartes. Những đổi mới này cho thấy sự tích hợp sâu rộng của AI trong các nền tảng để nâng cao hiệu suất logistics.
Mặc dù có nhiều tiến bộ thú vị, nhưng hiện đang nảy sinh một mối quan tâm trong ngành về việc tăng cường tính minh bạch trong các quy trình ra quyết định của AI. Việc hiểu rõ lý do phía sau các khuyến nghị TMS là rất quan trọng để xây dựng niềm tin giữa người dùng, điều này có thể làm chậm việc áp dụng các công cụ dựa trên AI.
Khi AI đã được áp dụng trong quản lý giao thông trong nhiều năm qua, thì các dịch vụ mới gần đây vẫn đang trong giai đoạn thử nghiệm. Tác động thực sự của những công nghệ này đối với hoạt động hàng ngày vẫn còn là một câu hỏi mở.