Elke logistiek manager kent het verhaal: er wordt een transportorder verstuurd en meteen daarna wordt er een wijziging aangevraagd. De transporteur heeft de order al ontvangen, dus er volgen telefoontjes en e-mails om de situatie recht te zetten. Dit kost tijd, veroorzaakt verwarring en frustreert zowel je team als de transporteur.
Van overvloed aan informatie naar onmiddellijke duidelijkheid
We hebben dit proces nauwkeurig onderzocht en vastgesteld dat er regelmatig wijzigingen plaatsvinden nadat transportopdrachten zijn verzonden. De verzamelde logbestanden en records bevestigen dit patroon. Er is nog geen structurele oplossing, maar het bewijs toont duidelijk aan dat dit een terugkerend knelpunt is.
Wat gaat hier mis? Het is niet zo dat de vervoerder de update niet ziet in het zichtbaarheidsplatform, maar eerder dat er soms te veel informatie is om betrouwbaar en snel te vergelijken. Bijvoorbeeld als de hele route is gewijzigd. Daardoor wordt het soms niet goed opgemerkt.
Stel je nu eens voor dat de vervoerder binnen enkele seconden nadat een wijziging is aangebracht een bijlage bij de bestelling ontvangt waarin kort wordt uitgelegd wat er is gewijzigd. Geen vuurgevecht, gewoon onmiddellijke duidelijkheid.
Dit is een geweldige kans om op een toegankelijke manier met AI aan de slag te gaan. Onder de motorkap van dit proces genereert een transportmanagementsysteem (TMS) twee berichten met dezelfde structuur. Dat is toevallig iets waar AI heel goed in is: gestructureerde input vergelijken en in duidelijke taal reageren. Zie hieronder een voorbeeld van een praktische toepassing:
Hoe maak je AI toegankelijk in TMS
Deze 4 elementen maken AI mogelijk in de logistiek
De afbeelding hierboven toont vier elementen die dit proces vergemakkelijken:
– Het TMS als bron van de transportordergegevens;
– Het zichtbaarheidsplatform als ontvanger van de transportopdrachtgegevens;
– Een AI-platform
– Een integratieplatform (IPaaS)
Hoe werkt het?
1. Het TMS stuurt een orderupdate naar de IPaaS.
2. Het IPaaS haalt vervolgens de bestelgeschiedenis op uit het TMS.
3. Beide versies van de opdracht worden door de IPaaS samengevoegd tot een prompt voor het AI-platform.
4. Het AI-platform legt de verschillen tussen de twee orders uit in duidelijke taal en geeft een gestructureerd antwoord.
5. Het IPaaS zet dit om in een PDF en voegt het als bijlage toe aan de bestelling in het zichtbaarheidsplatform.
En het resultaat?
-Collega’s kunnen weer vertrouwen op het updateproces zonder brandjes te hoeven blussen.
-Transporters know where they need to be and what needs to be done in good time.
Dat klinkt heel eenvoudig! Wat is nog meer nuttig om te weten?
Een veelzijdiger iPaaS betekent meer integratiemogelijkheden
In het voorbeeld heeft het TMS een API voor het ophalen van de bestelgeschiedenis. Als dat niet mogelijk is, zijn er andere oplossingen: zoals bestandsuitwisseling of het tijdelijk opslaan van een bericht voor het geval er een update plaatsvindt. ace.
Kan dit niet gewoon met een sjabloon worden gedaan?
Ja, technisch gezien wel. Het vergelijken van alle velden en het maken van een sjabloon is niet de uitdaging. Dit kan echter wel extra onderhoud met zich meebrengen voor complexere berichten. De uitdaging is om beknopt en duidelijk te kunnen uitleggen wat er is veranderd. AI is goed in het genereren hiervan.
Test met een AI-platform dat meerdere modellen biedt.
Twee grote spelers die meerdere modellen toegankelijk maken zijn AWS Bedrock en Microsoft Foundry. Tijdens onze tests vonden we het gemakkelijk om een provider te gebruiken waarmee we gemakkelijk verschillende modellen konden uitwisselen. Hierdoor konden we de resultaten van Mistral snel vergelijken met die van Claude.
Gebruik je eigen prompt om de uitvoer te regelen
Het AI-platform biedt de optie om je eigen prompt te maken. Een prompt vertelt het model hoe het moet reageren. Je kunt je eigen prompt ook gebruiken om van model te wisselen en de creativiteit van het model te bepalen. Wij hebben de volgende elementen toegevoegd aan onze prompt:
– Wat is de rol? Bijvoorbeeld: Je bent een analist gespecialiseerd in transport en logistiek.
– Wat is de context? Bijvoorbeeld: De invoer is een enkel bericht met twee elementen: een basislijnbestelling en een gewijzigde bestelling.
– Wat zijn de richtlijnen voor de inhoud? Bijvoorbeeld: Je legt de wijzigingen tussen de basislijn en gewijzigde orders uit aan een vervoerder, vermijdt technische termen, vermijdt emoji’s, focust op wijzigingen en reageert met behulp van het uitvoersjabloon.
– Welke structuur moet de uitvoer hebben? Geef concrete voorbeelden van de gewenste structuur.
Kortom, last-minute wijzigingen hoeven niet langer chaos te veroorzaken. Met AI en integratieplatforms kun je elke wijziging omzetten in een automatische, duidelijke boodschap voor je vervoerder. Dit bespaart tijd, voorkomt fouten en versterkt de samenwerking.
Aan de slag!
Wil je zien hoe dit in de praktijk werkt? Vraag vandaag nog een gratis demo aan!
Heb je iets om aan te sluiten?
Aanmelden voor een demo
Zie hoe eenvoudig integratie kan zijn!
Plan een demo en ervaar zelf de Fluxygen applicatie
