Tin tức toàn cầu AI tạo sinh có thể ảnh hưởng mạnh tới ngành logistics, chỉ là không phải theo cách công khai

Các chuyên gia công nghệ trong lĩnh vực logistics cho biết tác động trước mắt của mô hình ngôn ngữ lớn (LLM) sẽ đẩy nhanh quá trình phát triển phần mềm và lặp lại sản phẩm, trong khi tác động lâu dài sẽ là định hình lại cách các chủ hàng quản lý quy trình công việc làm nền tảng cho các hoạt động vận tải hàng hóa quốc tế của họ.

Gần sáu tháng sau khi ChatGPT, LLM nổi tiếng nhất, đã đưa tiềm năng của trí tuệ nhân tạo (AI) trở thành trọng tâm rõ ràng hơn cho những người không chuyên về kỹ thuật, vẫn còn một số tranh luận về mức độ quan trọng của các mô hình ngôn ngữ lớn trong các trường hợp sử dụng thuần túy giữa doanh nghiệp với doanh nghiệp.

Mọi người vẫn đang đưa ra những nghi ngờ về các công cụ AI tạo sinh, do ngành logistics đã tiêu tốn rất nhiều cho các công nghệ được thổi phồng quá mức trong thời gian gần đây mà không mang lại tiến bộ đáng kể. Đáng chú ý nhất trong số những khái niệm được thổi phồng quá mức đó là blockchain, công nghệ nổi bật trong giới kinh doanh vào năm 2018 nhưng hiện tại vẫn chưa có ứng dụng đột phá nào đối với ngành logistics toàn cầu.

Một số chuyên gia công nghệ ngành logistics tin rằng LLM sẽ thay đổi cách mọi người tương tác với phần mềm. Nhưng những người khác lại tin rằng ngành này còn lâu mới trở thành hiện thực khi người quản lý logistics chỉ đơn thuần yêu cầu hệ thống thực hiện tự động vận chuyển hàng hóa xuyên lục địa, giống như người tiêu dùng có thể yêu cầu một thiết bị nhà thông minh điều chỉnh nhiệt độ trong nhà của họ.

Tuy nhiên, hai kiểu tác động rõ ràng xung quanh AI tạo sinh đang nổi lên rõ rệt trong lĩnh vực logistics. Đầu tiên, ý tưởng rằng các LLM dành riêng cho ngành sẽ có giá trị hơn nhiều so với các mô hình sử dụng cho mục đích chung, chẳng hạn như ChatGPT. Và thứ hai, các kỹ sư phần mềm và lập trình viên sẽ tận dụng giá trị tức thời của LLM, họ là những người biết cách đưa ra các câu lệnh hệ thống này tốt hơn những người không phải là chuyên gia.

Hiệu quả của câu lệnh — nghệ thuật đặt những câu hỏi chính xác cho LLM để nhận được câu trả lời mong muốn — là trọng tâm của việc liệu AI tạo sinh có thể đạt được kỳ vọng mà nhiều người tin rằng nó có trong thế giới logistics hay không.

“Các trường hợp sử dụng phù hợp nhất hiện nay mà bạn thấy về AI là hỗ trợ khách hàng và dịch vụ khách hàng, nhất là những thứ tốn nhiều thời gian như gửi email hay trả lời điện thoại,” Michael Wax, Giám đốc điều hành của công ty giao nhận Forto, phát biểu trên Tạp chí Thương mại. “Vì vậy, hãy tưởng tượng có thể dành thêm thời gian để giải quyết các trường hợp ngoại lệ, đảm bảo rằng khách hàng đang được hỗ trợ với nhiều khung giờ hơn và theo cách chủ động hơn nhiều. Tôi nhìn thấy rất nhiều tiềm năng ở đó mà còn rất nhiều điều tôi cảm thấy chưa được khám phá hiện nay.” Nhiều năm tạo dựng Rõ ràng, LLM không có gì mới lạ. Trong nhiều năm, các nhà cung cấp phần mềm trong ngành logistics đã khao khát xây dựng các công cụ giúp người dùng dễ dàng trích xuất thông tin từ kho dữ liệu ngày càng tăng hoặc thực hiện các lệnh quản lý vận tải trên các hệ thống cũ hiện có.

Một số công ty thậm chí còn được thiết kế chỉ xoay quanh việc tạo ra các chatbot dành riêng cho logistics, tận dụng LLM để cho phép máy móc “trò chuyện” với con người.

“Ý tưởng có một bot giúp bạn báo giá vận chuyển, theo dõi lô hàng, đặt lô hàng, phản hồi lại trong thời gian thực.” Matt Motsick, Giám đốc điều hành của Rippey.ai, công ty xây dựng các bot dành riêng cho logistics cho các hãng giao nhận vận tải dựa trên LLM độc quyền mà họ đã xây dựng cho biết.

“Với ChatGPT, bạn đang truy vấn internet, nhưng nó sẽ không trả lời các câu hỏi liên quan đến kinh doanh,” Motsick nói. “Bạn không thể nhận báo giá vận chuyển từ ChatGPT. ChatGPT là một công cụ nội bộ và là công cụ nghiên cứu tuyệt vời. Nhưng đối với một công cụ dành cho khách hàng, chỉ mỗi ChatGPT sẽ không hiệu quả.”

Rippey.ai là một ví dụ về LLM giao tiếp trực tiếp với người dùng không phải là chuyên gia AI. Motsick cho biết, mục tiêu là sử dụng LLM để tương tác giữa các doanh nghiệp hiệu quả hơn. Sau khi bán đi Catapult, phần mềm quản lý giá cước hàng hoá được sử dụng rộng rãi (hiện là một phần của đại lý phần mềm giao nhận vận tải Magaya), Motsick đã thành lập Rippey.ai, trước đây gọi là RPA Labs, vào năm 2017. Ông cho biết người dùng logistics nên coi LLM là “mô hình ngôn ngữ logistics” (Logistics language model).

“Nó được đào tạo các thuật ngữ như FCL, LCL, CBM, vì vậy chatbot biết chính xác những gì khách hàng đang tìm kiếm,” ông nói. “Chúng tôi đã dành bốn năm để xây dựng mô hình ngôn ngữ logistics.”

Nếu các bot của Rippey.ai là một ví dụ về cách các LLM đang hỗ trợ người dùng phần mềm, thì một số người trong ngành tin rằng các lập trình viên sẽ taọ ra lợi ích lớn nhất bởi họ biết họ đang làm gì. Trên lý thuyết, các LLM sẽ đẩy nhanh quá trình phát triển phần mềm bằng cách mở rộng cơ bản năng lực của các nhóm kỹ sư và cho phép họ lặp lại các sản phẩm nhanh hơn, bởi vì các LLM cũng có thể có các ngôn ngữ mã hoá, không chỉ có ngôn ngữ của con người. Mở rộng năng lực phát triển Giám đốc điều hành của một nhà cung cấp phần mềm quản lý mua sắm và vận tải toàn cầu đang điều hành 100 kỹ sư phần mềm cho biết các LLM đúng là đang có tác động như vậy.

“Thật khó để xác định, nhưng tốc độ mỗi người có thể cao hơn từ 10 đến 30%,” giám đốc điều hành giấu tên nói trên Tạp chí Thương mại. “Nó giống như việc có khoảng 20 kỹ sư với mức lương 1.000 đô la mỗi năm cho mỗi người.”

“Tôi không nghĩ rằng có một sự chuyển dịch mô hình thực sự như thế này trong đời tôi kể từ khi có điện toán đám mây hoặc có thể là sự xuất hiện của điện thoại thông minh,” giám đốc điều hành nói. “Điều này đã dẫn đến những thay đổi lớn. Tôi nghĩ rằng thế giới vẫn cần nhiều việc lập trình hơn mức hiện tại vì vậy nó sẽ không khiến con người bị sa thải. Nhưng chúng ta sẽ cần xem xét thêm.”

Đầu năm nay, Expedock, một nhà cung cấp phần mềm cho các hãng giao nhận vận tải, đã xây dựng một giao diện giống như chatbot được thiết kế để kiểm tra dữ liệu chuỗi cung ứng của doanh nghiệp và trả lời các truy vấn với các câu trả lời mà con người có thể hiểu được.

“Ý tưởng là để người dùng không phải mất thời gian duyệt TMS để truy cập dữ liệu lô hàng mà họ cần”. Giám đốc điều hành của Expedock, King Alandy Dy nói. “Cá nhân chúng tôi tin rằng đây sẽ là một trong những cách mà các doanh nghiệp sẽ tương tác với dữ liệu chuỗi cung ứng của họ trong tương lai. Ngoài ra còn có nhiều trường hợp sử dụng thú vị khác mà các mô hình AI này có thể giải quyết.”

Expedock cũng đang thử nghiệm sử dụng LLM theo những cách khác: cải thiện khả năng dự báo chuỗi cung ứng và ra quyết định để trả về kết quả ở định dạng dễ hiểu; trích xuất thông tin chi tiết từ các nguồn dữ liệu phi cấu trúc như email, đánh giá của khách hàng và bài đăng trên mạng xã hội; và tạo văn bản giống con người mà có thể được sử dụng để tự động trả lời các câu hỏi của khách hàng và cải thiện giao tiếp với các nhà cung cấp.

“Nhóm của tôi có một số thứ khá điên rồ mà họ xây dựng cho vui vào cuối tuần,” Dy nói. “Có rất nhiều điều để viết về việc làn sóng các mô hình AI mới này có thể phát triển mạnh mẽ các quy trình chuỗi cung ứng hiện tại và sự đổi mới chỉ mới bắt đầu.” “Một sự thức tỉnh tuyệt vời” John Motley, Giám đốc điều hành của đại lý phần mềm logistics LOG-NET, cho biết AI tạo sinh đã đưa đến “một sự thức tỉnh tuyệt vời trong nhiều năm phát triển AI”.

Ông nói: “ChatGPT và LLM đã đưa ra cách các tập dữ liệu khổng lồ kết hợp với các thuật toán thích ứng đối với trí thông minh của con người”.

Motley cho biết AI phần lớn dựa trên trí thông minh điện toán, khả năng xác định kết quả dựa trên việc xử lý các tập dữ liệu ngày càng lớn hơn thông qua các thuật toán ngày càng phức tạp. Ông nói: “Yếu tố chung của AI là hiện nay người ta thường chấp nhận rằng trí thông minh nhận thức của máy móc, trong một số trường hợp, vượt xa trí thông minh nhận thức của con người”.

Motley, tương tự như Motsick, cảnh báo rằng các LLM không có bối cảnh logistics có giá trị hạn chế.

“Bạn phải hiểu mô hình kinh doanh một cách sâu sắc”, ông nói. “Đào tạo trên các mô hình con người có thể chỉ tạo ra một cỗ máy sáng tạo, nhanh và có vẻ ngu ngốc. Bạn cần chuyên môn về kinh doanh, thuật toán và AI, không chỉ chuyên môn về LLM.”

Logistics technology experts say the immediate impact of so-called large language models (LLMs) will be to accelerate software development and product iteration, while the longer-term impact will be a reshaping of how shippers manage the workflows underpinning their international freight moves.

Nearly six months after ChatGPT, the most famous LLM, brought the potential of artificial intelligence (AI) into clearer focus for non-technical people, there remains some debate over how significant large language models are in pure business-to-business use cases.

Part of the skepticism around such tools, also known as generative AI, is that the logistics industry has been burned in recent years by overhyped technologies that didn’t necessarily yield tangible progress. The most notable of those overhyped concepts was blockchain, which came to prominence in business circles in 2018, but has yet to find a transformative application in global logistics.

Some logistics technology experts believe LLMs will change the way people in the industry interact with software. But others believe the industry is far from a reality where a logistics manager merely prompts a system to autonomously execute a shipment of goods across continents, as a consumer might prompt a smart home device to adjust the temperature in his or her house.

Two clear patterns of impact around generative AI are, however, clearly emerging in logistics. First, the idea that industry-specific LLMs will be far more valuable than general purpose ones, such as ChatGPT. And second, that the immediate value of LLMs will be leveraged by software engineers and programmers that understand how to prompt such systems better than non-experts.

The effectiveness of prompts — the art of asking an LLM the right questions to get the desired answers — is at the heart of whether generative AI can reach the potential many believe it has in the logistics world.

“The most relevant use cases today that you see of AI are in customer support and customer service, with so much time spent emailing and answering phone calls,” Michael Wax, CEO of forwarder Forto, told the Journal of Commerce. “So just imagine how much time can be spent on resolving exceptions, making sure that clients are being treated in a much wider agenda and in a much more proactive fashion. I see tons and tons of potential there that I feel is still, today, very much undiscovered.” Years in the making To be clear, LLMs are no novelty. Software providers in the logistics industry have, for years, yearned to build tools that make it easier for users to extract information from ever-increasing pools of data, or to execute transportation management commands on existing legacy systems.

Some companies are even designed purely around the creation of logistics-specific chatbots, which leverage LLMs to enable machines to “converse” with humans.

“The idea is to have a bot get you a shipping quote, track a shipment, book a shipment, responding back in real time,” said Matt Motsick, CEO of Rippey.ai, which builds logistics-specific bots for forwarders based on a proprietary LLM it has built.

“With ChatGPT, you’re querying the internet, but it won’t answer business-related queries,” Motsick said. “You can’t get a shipping quote from ChatGPT. ChatGPT is great as an internal tool and as a research tool. But for a customer tool, ChatGPT alone won’t work.”

Rippey.ai is an example of LLMs interfacing directly with users that aren’t AI experts. The goal, Motsick said, is to use LLMs to make interactions between businesses more efficient. After selling widely used freight rate management software vendor Catapult (now part of forwarding software vendor Magaya), Motsick founded Rippey.ai, formerly called RPA Labs, in 2017. He said logistics users should think of LLMs as “logistics language models.”

“It’s trained on terms like FCL, LCL, CBM, so the chatbot knows exactly what the customer is looking for,” he said. “We spent four years building the logistics language model.”

If Rippey.ai’s bots are an example of how LLMs are already assisting software users, some in the industry believe the biggest gains are to be made by programmers that know what they’re doing. The theory is that LLMs will accelerate software development by essentially expanding the capacity of engineer teams and enabling them to iterate products faster, because LLMs can also include coding languages, not just human languages. Expanding development capacity An executive at a global transportation and procurement management software provider responsible for 100 software engineers said LLMs are having exactly that impact.

“It's hard to pin down, but it's probably 10 to 30% more velocity per person,” the executive, who did not want to be identified, told the Journal of Commerce. “It's like getting around 20 engineers for $1,000 per year per person.”

“I don't think there’s been a genuine paradigm shift like this in my lifetime since cloud computing or maybe the arrival of smartphones,” the executive said. “That kind of economics simply has to result in massive changes. I think the world wants more code than it can get right now, so it won't lay people off. But we'll find out.”

Expedock, a software provider catering to forwarders, earlier this year built a chatbot-like interface designed to inspect a business’s supply chain data and answer queries in responses understandable to humans.

“The idea was for users not to have to slog through TMSs to get to the shipment data they need,” Expedock CEO King Alandy Dy said. “Personally, we believe that this will be one of the ways that businesses will interact with their supply chain data in the future. There are also many other interesting use cases that these AI models can address.”

Expedock is also experimenting with using LLM in other ways: to improve supply chain forecasting and decision-making to return results in an understandable format; extracting insights from unstructured data sources such as emails, customer reviews and social media posts; and generating human-like text that can be used to automate responses to customer inquiries and improve communication with suppliers.

“My team has some pretty crazy stuff they build for fun on the weekends,” Dy said. “There’s tons to be written about the wave of these new AI models that can drastically improve existing supply chain processes, and the innovation is just beginning.” “A great awakening” John Motley, CEO of logistics software vendor LOG-NET, said generative AI has resulted in a “great awakening to years of progress in AI.”

“ChatGPT and LLMs provided the epiphany of how close massive data sets combined with adaptive algorithms has gotten to human intelligence,” he said.

AI is largely based on computational intelligence, the ability to determine outcomes based on processing larger and larger data sets through increasingly sophisticated algorithms, Motley said. “The common element of AI is that it is now generally accepted that the cognitive intelligence of machines, in some instances, is exceeding human cognitive intelligence,” he said.

Motley, similar to Motsick, cautioned that LLMs without logistics context are of limited value.

“You have to understand the business model deeply,” he said. “Training on human models may just make a creative, fast and what appears to be stupid machine. You need business, algorithmic and AI expertise, not just LLM expertise.”