Несмотря на несомненные плюсы использования искусственного интеллекта в логистике, отказываться от мнения экспертов не стоит. Такой вывод делается в исследовании «Искусственный интеллект или мнение эксперта — что является приоритетом в управлении цепями поставок?», представленном на проходящей с 15 по 18 апреля в НИУ ВШЭ XXV Ясинской (Апрельской) международной научной конференции по проблемам развития экономики и общества. Авторы исследования — профессора НИУ ВШЭ Валерий Лукинский и Владислав Лукинский и доценты НИУ ВШЭ Дарья Бажина и Александр Маевский.
Как отмечается в исследовании, в транспорте и логистике стоимость доставки готовых товаров и полуфабрикатов становится одним из ключевых факторов ценообразования, поэтому внедрение эффективных решений в логистике могло бы дать мультипликативный эффект для всей экономики. В числе ключевых преимуществ использования ИИ в логистике — повышение точности прогнозирования спроса, уменьшение затрат на хранение и транспортировку и укрепление устойчивости цепей поставок в условиях неопределенности.
Валерий Лукинский приводит пример, как можно использовать ИИ в логистике на практике. «При доставке на несколько тысяч километров с соблюдением температурных режимов в каждой коробке с фруктами находятся три датчика — температуры, влажности и углекислого газа, — которые в режиме реального времени передают информацию о состоянии скоропортящихся грузов. Выполненный на основе анализа больших данных (Big Data) прогноз об оставшемся сроке годности фруктов в днях позволяет ответственному лицу выбрать одно из управленческих решений: доставить груз в пункт назначения, разгрузить на складе / в распределительном центре по пути доставки или вернуть его к грузоотправителю — на ферму или в оранжерею», — отмечает он. Таким образом, решение традиционных задач логистики и управления цепями поставок осуществляется на основе возможностей Интернета вещей и искусственного интеллекта.
Но принимать решения в условиях неопределенности по-прежнему можно на основе экспертных мнений. «Например, необходимо решить, на что летом потратить отпускные деньги: сделать ремонт в квартире, посетить стоматолога, поехать к морю, купить автомобиль или пойти на курсы повышения квалификации. В логистике и управлении цепями поставок это задачи выбора места размещения объектов инфраструктуры, способа транспортировки, оценки поставщиков, классификации запасов и многие другие», — приводит пример Валерий Лукинский.
Чтобы понять, какой метод лучше, можно парно сравнить альтернативы: например, во сколько раз важнее приобретение автомобиля, чем курсы повышения квалификации. В результате обработки матрицы парных сравнений можно определить лучшую альтернативу или распределить ресурсы между альтернативами.
«Возникает вопрос о возможном пересмотре мнения эксперта, обладающего жизненным опытом, интуицией и, самое главное, озарением, если оно не согласуется с решением, полученным на основе сгенерированных матриц. Но проведенные нами исследования показали, что в этом нет необходимости», — прокомментировал полученные данные Валерий Лукинский.
Однако, по его мнению, необходимо «продолжить сбор, систематизацию и статистический анализ экспертных оценок с целью получения репрезентативных выборок матриц, которые можно будет сравнивать с искусственными матрицами». В ближайшем будущем можно ожидать дальнейшего расширения возможностей ИИ, интеграции его в глобальные платформы управления цепями поставок и создания полностью автоматизированных систем.
В исследовании был предложен вероятностный подход к оценке согласованности матриц, который позволяет устанавливать количественные связи между экспертными и сгенерированными матрицами. Анализ обработки 292 матриц показал, что «вероятностные оценки индексов согласованности (в случае экспертных суждений) существенно отличаются от вероятностных оценок индексов согласованности для сгенерированных значений». В некоторых случаях эти оценки могут отличаться в 20 раз.