DFDS: Slik brukes AI i logistikk

Under "Logistikkdagen - Porten mot Europa" i Sarpsborg torsdag 26. mars var det ikke de store visjonene som sto i sentrum. I stedet tok DFDS utgangspunkt i det hverdagen faktisk består av: manuelle prosesser, fragmenterte systemer og tidkrevende oppgaver.

Det var Pernille Jonasson og Riccardo Ostinelli fra selskapets IT-avdeling som holdt innlegget. Utgangspunktet var enkelt. Hvor er det mest manuelt arbeid? Hvor oppstår friksjon? Og hvor kan teknologi faktisk gjøre en forskjell?

Svaret fra DFDS er ikke én løsning, men en serie konkrete brukstilfeller – bygget rundt såkalt agentbasert AI (se faktaboks om AI-agenter).  

Jonasson løftet frem agentbasert AI som et skifte fra tradisjonell AI til løsninger som faktisk kan utføre arbeid. Hun forklarte at slike systemer kan forstå et mål, dele det opp i mindre oppgaver, gjennomføre dem og samtidig lære underveis. For å gjøre det mer konkret, sammenlignet hun det med å ha et stort antall praktikanter som utfører spesifikke oppgaver, lærer av erfaring og blir raskere over tid. Poenget hennes var at oppgaver som tidligere tok alt fra minutter til flere timer, i praksis kan gjennomføres på sekunder – og at potensialet derfor ligger på tvers av hele virksomheten. I praksis er det bare fantasien som setter grenser for hvor agenter kan lette arbeidsflyten. 

Jakten på tomkjøringen

Det første eksempelet traff kjernen i logistikkøkonomien: tomkjøring.

Tradisjonelt en manuell prosess der man identifiserer underutnyttede ruter, logger seg inn på ulike spotplattformer, sammenligner tilbud, vurderer risiko og forhandler pris.

DFDS viste hvordan en egenutviklet AI-agent kan gå inn i denne prosessen.

Agenten analyserer underutnyttede ruter, finner mulige spotoppdrag og sammenligner alternativer. Den kan også støtte vurderingen av hvilke oppdrag som er attraktive (hvor langt unna oppdraget er), vurdere risikofaktorer knyttet til rute og transportør, etc.

Poenget er ikke å fjerne mennesket, men å flytte arbeidsinnsatsen. Tiden brukes mindre på å lete – og mer på å ta beslutninger. Verdidriverne er tydelige: færre tomkjørte kilometer og bedre utnyttelse av kapasiteten.

E-posten som spiser tid

Et annet område DFDS trakk frem, er kundeservice – nærmere bestemt håndtering av e-poster knyttet til bookingendringer.

Prosessen er kjent: lese e-posten, forstå hva kunden ønsker, finne riktig booking, gjøre endringer, loggføre og svare.

Her viste DFDS hvordan en AI-agent kan lese og tolke e-posten, hente ut nødvendig informasjon, gjøre endringer i systemet og sende svar tilbake til kunden der endringene er bekreftet.

Effekten handler ikke bare om tempo. Det handler også om struktur og kvalitet i arbeidet som utføres. På scenen ble det vist til at slike løsninger kan frigjøre en betydelig andel av tiden i kundeservice og bidra til raskere responstid.

Når AI ringer sjåføren

Det tredje eksempelet flytter AI ut av kontoret og inn i selve transportutførelsen.

I stedet for at kundeservice eller planleggere må ringe sjåfører for å få oppdateringer om posisjon og ankomsttid, kan en AI-basert voice-agent gjøre jobben.

Agenten kan ringe sjåføren, kommunisere på ulike språk, hente inn informasjon og oppdatere systemene. Informasjonen sendes videre til planleggeren uten manuelle mellomledd og kan kan enkelt deles med kunden som venter på godset.

Her er gevinsten todelt: bedre sporbarhet og mindre manuelt arbeid. Samtidig adresserer løsningen en kjent utfordring i internasjonal transport – språkbarrierer. Ostinelli startet samtalen på engelsk, før han underveis i samtalen skrudde over på sitt italienske morsmål. 

AI på toppen av det eksisterende

Et gjennomgående poeng i duoens presentasjon var at overgangen til AI i liten grad handler om handler om å bygge alt opp på nytt fra grunnen av. Tilnærmingen de har hatt mest suksess med er å se på AI som et "top-layer" - der AI-verktøy legges som et lag oppå eksisterende systemer. 

“Rip-and-replace” ble omtalt som urealistisk. I stedet handler det om å koble AI på dagens plattformer og arbeidsprosesser.

Samtidig ble det understreket at mennesket fortsatt må være involvert.

AI trenger oppfølging og kontroll, særlig i løsninger som tar beslutninger eller genererer svar.

Fra hype til verdi

Presentasjonen i Sarpsborg speiler en bredere utvikling i logistikkbransjen. AI er ikke lenger et fremtidsløfte, men noe som prøves ut i konkrete prosesser. De fleste logistikkselskaper av litt størrelse tester ulike typer AI-verktøy for å adressere små eller større utfordringer i arbeidshverdagen. 

Samtidig varierer erfaringene. Det som skiller de mest fremoverlente aktørene, er evnen til å finne brukstilfeller som faktisk gir effekt – enten i form av mer effektive prosesser eller bedre kvalitet i arbeidet som utføres. Internasjonalt trekkes gjerne selskapet C.H. Robinson frem som et fyrtårn innen AI-sfæren. Det siste året har børsverdien nær doblet seg - og veksten tilskrives i hovedsak en vellykket AI-strategi med konkrete eksempler på hva som er mulig når AI kobles tett på kjerneprosessene. 

På scenen i Sarpsborg var budskapet mer nøkternt. Ikke store løfter – men konkrete steg og små forbedringer i hverdagen, som til sammen kan utgjøre en forskjell.