Noticias Mundiales Es probable que la IA generativa tenga un impacto en la logística, pero no de manera pública

Los expertos en tecnología logística dicen que el impacto inmediato de los llamados modelos de lenguaje extenso (LLM, por sus siglas en inglés) será acelerar el desarrollo de software y la iteración de productos, mientras que el impacto a largo plazo será una remodelación de cómo los embarcadores administran los flujos de trabajo que sustentan sus movimientos de carga internacionales.

Casi seis meses después de que ChatGPT, el LLM más famoso, puso el potencial de la inteligencia artificial (IA) en un enfoque más claro para personas no técnicas, sigue existiendo cierto debate sobre cuán importantes son los modelos de lenguaje grande en casos de uso puro de empresa a empresa.

Parte del escepticismo en torno a tales herramientas, también conocidas como IA generativa, es que la industria de la logística se ha quemado en los últimos años por tecnologías sobrevaloradas que no necesariamente produjeron un progreso tangible. El más notable de esos conceptos sobrevalorados fue blockchain, que saltó a la fama en los círculos empresariales en 2018, pero aún no ha encontrado una aplicación transformadora en la logística global.

Algunos expertos en tecnología logística creen que los LLM cambiarán la forma en que las personas de la industria interactúan con el software. Pero otros creen que la industria está lejos de ser una realidad en la que un gerente de logística simplemente activa un sistema para ejecutar de forma autónoma un envío de mercancías a través de los continentes, como un consumidor podría activar un dispositivo doméstico inteligente para ajustar la temperatura en su casa.

Sin embargo, están surgiendo claramente dos patrones claros de impacto en torno a la IA generativa en la logística. Primero, la idea de que los LLM específicos de la industria serán mucho más valiosos que los de propósito general, como ChatGPT. Y segundo, que el valor inmediato de los LLM será aprovechado por ingenieros de software y programadores que entienden cómo generar dichos sistemas mejor que los no expertos.

La efectividad de las indicaciones, el arte de hacerle a un LLM las preguntas correctas para obtener las respuestas deseadas, es el núcleo de si la IA generativa puede alcanzar el potencial que muchos creen que tiene en el mundo de la logística.

“Los casos de uso más relevantes que se ven hoy en día de la IA son la atención al cliente y el servicio al cliente, con tanto tiempo dedicado a enviar correos electrónicos y contestar llamadas telefónicas”, dijo Michael Wax, director ejecutivo del transportista Forto, al Journal of Commerce. “Imagínese cuánto tiempo se puede dedicar a resolver excepciones, asegurándose de que los clientes sean tratados en una agenda mucho más amplia y de una manera mucho más proactiva. Veo toneladas y toneladas de potencial allí que siento que todavía, hoy hay mucho por descubrir”. Años en la fabricación Para ser claros, los LLM no son una novedad. Los proveedores de software en la industria de la logística han anhelado, durante años, crear herramientas que faciliten a los usuarios extraer información de grupos de datos cada vez mayores, o ejecutar comandos de administración de transporte en sistemas heredados existentes.

Algunas empresas incluso están diseñadas exclusivamente en torno a la creación de chatbots específicos de logística, que aprovechan los LLM para permitir que las máquinas "conversen" con los humanos.

“La idea es tener un bot que le proporcione una cotización de envío, rastree un envío, reserve un envío y responda en tiempo real”, dijo Matt Motsick, director ejecutivo de Rippey.ai, que crea bots específicos de logística para transportistas basados en un LLM patentado que ha construido.

“Con ChatGPT, está consultando Internet, pero no responderá consultas relacionadas con el negocio”, dijo Motsick. “No puede obtener una cotización de envío de ChatGPT. ChatGPT es excelente como herramienta interna y como herramienta de investigación. Pero para una herramienta de cliente, ChatGPT por sí solo no funcionará”.

Rippey.ai es un ejemplo de LLM que interactúan directamente con usuarios que no son expertos en IA. El objetivo, dijo Motsick, es utilizar LLM para hacer que las interacciones entre empresas sean más eficientes. Despues de vender la gestion de manejo de manejo de tarifas, el proveedor Catpult (ahora parte del proveedor de software de envío Magaya), Motsick fundó Rippey.ai, anteriormente llamado RPA Labs, en 2017. Dijo que los usuarios de logística deberían pensar en los LLM como "modelos de lenguaje logístico".

“Está capacitado en términos como FCL, LCL, CBM, por lo que el chatbot sabe exactamente lo que busca el cliente”, dijo. “Pasamos cuatro años construyendo el modelo de lenguaje logístico”.

Si los bots de Rippey.ai son un ejemplo de cómo los LLM ya están ayudando a los usuarios de software, algunos en la industria creen que las mayores ganancias las obtendrán los programadores que saben lo que están haciendo. La teoría es que los LLM acelerarán el desarrollo de software esencialmente expandiendo la capacidad de los equipos de ingenieros y permitiéndoles iterar productos más rápido, porque los LLM también pueden incluir lenguajes de codificación, no solo lenguajes humanos. Expansión de la capacidad de desarrollo Un ejecutivo de un proveedor global de software de gestión de adquisiciones y transporte responsable de 100 ingenieros de software dijo que los LLM están teniendo exactamente ese impacto.

“Es difícil de precisar, pero probablemente sea entre un 10 y un 30 % más de velocidad por persona”, dijo el ejecutivo, que no quiso ser identificado, al Journal of Commerce. “Es como conseguir alrededor de 20 ingenieros por $1,000 al año por persona”.

“No creo que haya habido un cambio de paradigma genuino como este en mi vida desde la computación en la nube o tal vez la llegada de los teléfonos inteligentes”, dijo el ejecutivo. “Ese tipo de economía simplemente tiene que resultar en cambios masivos. Creo que el mundo quiere más código del que puede obtener en este momento, por lo que no despedirá a la gente. Pero lo averiguaremos.

Expedock, un proveedor de software que atiende a los transportistas, a principios de este año creó una interfaz similar a un chatbot diseñada para inspeccionar los datos de la cadena de suministro de una empresa y responder consultas en respuestas comprensibles para los humanos.

“La idea era que los usuarios no tuvieran que pasar por los TMS para obtener los datos de envío que necesitan”, dijo el director ejecutivo de Expedock, King Alandy Dy. “Personalmente, creemos que esta será una de las formas en que las empresas interactuarán con los datos de su cadena de suministro en el futuro. También hay muchos otros casos de uso interesantes que estos modelos de IA pueden abordar”.

Expedock también está experimentando con el uso de LLM de otras maneras: para mejorar la previsión de la cadena de suministro y la toma de decisiones para devolver resultados en un formato comprensible; extraer información de fuentes de datos no estructurados, como correos electrónicos, reseñas de clientes y publicaciones en redes sociales; y generar texto similar al humano que se puede usar para automatizar las respuestas a las consultas de los clientes y mejorar la comunicación con los proveedores.

“Mi equipo tiene algunas cosas bastante locas que construyen para divertirse los fines de semana”, dijo Dy. “Hay mucho que escribir sobre la ola de estos nuevos modelos de IA que pueden mejorar drásticamente los procesos de la cadena de suministro existentes, y la innovación apenas comienza”. “Un gran despertar” John Motley, CEO del proveedor de software de logística LOG-NET, dijo que la IA generativa ha resultado en un "gran despertar a años de progreso en IA".

"ChatGPT y LLM proporcionaron la epifanía de cuán cerca se han acercado los conjuntos de datos masivos combinados con algoritmos adaptativos a la inteligencia humana", dijo.

La IA se basa en gran medida en la inteligencia computacional, la capacidad de determinar resultados basados en el procesamiento de conjuntos de datos cada vez más grandes a través de algoritmos cada vez más sofisticados, dijo Motley. “El elemento común de la IA es que ahora se acepta generalmente a diferencia de la inteligencia cognitiva de las máquinas que en algunos casos supera la inteligencia cognitiva humana”, dijo.

Motley, al igual que Motsick, advirtió que los LLM sin contexto logístico tienen un valor limitado.

“Hay que entender profundamente el modelo de negocio”, dijo. “El entrenamiento en modelos humanos puede hacer una máquina creativa, rápida a lo que ser a una máquina estúpida. Necesita experiencia comercial, algorítmica y de inteligencia artificial, no solo experiencia 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.”