Optymalizacja tras brzmi jak temat, który AI powinno rozwiązać jednym kliknięciem. W praktyce tak to nie działa.
Trasa nie jest tylko linią na mapie. To okna czasowe, tonaż, typ auta, pauzy, opłaty drogowe, zakazy, preferencje klienta, jakość rampy, czas załadunku, ryzyko opóźnienia i doświadczenie dyspozytora. AI może pomóc, ale nie powinna udawać mapy, TMS ani telematyki.
Co AI może zrobić dobrze
- zebrać ograniczenia trasy z maili i zleceń,
- przygotować checklistę przed planowaniem,
- porównać kilka scenariuszy opisowo, jeśli dostanie dobre dane,
- wypisać ryzyka: czas, dokumenty, klient, kraj, typ towaru,
- przygotować komunikację do klienta albo kierowcy,
- wyjaśnić managerowi, dlaczego plan wymaga korekty.
Czego AI nie powinna robić sama
Nie powinna być jedynym źródłem prawdy dla kilometrażu, czasu jazdy, ograniczeń drogowych, zakazów i kosztów. Do tego służą mapy, TMS, dane flotowe, telematyka i doświadczenie operacyjne.
Największy błąd to wrzucić do AI hasło "zoptymalizuj trasę" i potraktować odpowiedź jak gotowy plan. Lepsze pytanie brzmi: jakie ograniczenia muszę uwzględnić, jakie dane mi brakuje i jak porównać dwa warianty?
Przykład użycia
Masz transport z dwoma miejscami rozładunku, oknem czasowym, paletami zwrotnymi i klientem, który nie akceptuje spóźnień. AI może przygotować listę pytań do klienta, ryzyka dla dyspozytora, notatkę do TMS i mail z prośbą o potwierdzenie okna. To nie jest liczenie trasy, ale skraca pracę przed decyzją.
Co powinno trafić do briefu trasy
Żeby AI mogła pomóc, trzeba przygotować brief. W firmie transportowej taki brief nie musi być długi. Powinien zawierać miejsca załadunku i rozładunku, okna czasowe, typ pojazdu, ograniczenia towaru, wymagania klienta, informacje o dokumentach i elementy, które mają wpływ na koszt.
Warto dodać też rzeczy miękkie, które często siedzą w głowie dyspozytora: klient nie lubi zmian w ostatniej chwili, rampa na drugim rozładunku działa wolno, przewoźnik ma problem z komunikacją, kierowca nie zna języka, a magazyn wymaga wcześniejszego awiza. Tego nie zawsze widać w systemie, ale dla decyzji operacyjnej ma znaczenie.
AI może wtedy zrobić trzy rzeczy. Po pierwsze, sprawdzić czy brief jest kompletny. Po drugie, wypisać pytania, które trzeba zadać przed startem. Po trzecie, przygotować krótkie podsumowanie dla osoby, która ma podjąć decyzję albo przekazać temat dalej.
Scenariusze zamiast jednej odpowiedzi
Dobre użycie AI w planowaniu tras polega na porównaniu scenariuszy. Nie pytamy o "najlepszą trasę", tylko o konsekwencje wariantów. Na przykład: wariant szybki, wariant tańszy, wariant bezpieczniejszy czasowo, wariant z mniejszym ryzykiem opóźnienia na rozładunku.
Wynik AI powinien wyglądać jak notatka decyzyjna, a nie finalna instrukcja dla kierowcy. Dobra notatka mówi: co wiemy, czego nie wiemy, co trzeba sprawdzić w mapie, gdzie jest ryzyko i jak wytłumaczyć decyzję klientowi.
To szczególnie pomaga managerom. Gdy decyzja jest opisana, można ją później ocenić. Jeśli była dobra, standard zostaje. Jeśli była zła, wiadomo które założenie zawiodło. Bez opisu zespół tylko pamięta, że "coś poszło nie tak".
Komunikacja z klientem
Optymalizacja tras ma też warstwę komunikacyjną. Klient często nie widzi całej operacji. Widzi mail, status i to, czy firma uprzedza o ryzyku. AI może pomóc przygotować komunikat, który jest jasny, spokojny i oparty na faktach.
Przykład: zamiast pisać "będzie opóźnienie", można przygotować wiadomość z trzema elementami: co jest potwierdzone, co jeszcze sprawdzamy i kiedy damy kolejny update. To nie rozwiązuje problemu na drodze, ale zmniejsza chaos po stronie klienta.
W wielu firmach transportowych tu jest szybki efekt. Nawet jeśli sama trasa nie zmienia się znacząco, poprawia się jakość informacji. Mniej telefonów, mniej nerwowych maili, mniej powtórnych pytań. To też jest optymalizacja procesu.
Ryzyka przy pracy z AI
Największe ryzyko to pewnie brzmiąca odpowiedź oparta na niepełnych danych. AI może napisać przekonujący tekst, nawet jeśli nie zna aktualnych zakazów, sytuacji na drodze, realnego czasu załadunku albo ograniczeń klienta. Dlatego wynik musi być sprawdzany w narzędziach operacyjnych.
Drugie ryzyko to dane. Do publicznych narzędzi nie powinno się wrzucać pełnych danych klientów, przewoźników, stawek, numerów dokumentów i szczegółów handlowych bez zasad firmowych. Wersja pilotażowa powinna pracować na danych zanonimizowanych albo w bezpiecznie dobranym środowisku.
Trzecie ryzyko to brak odpowiedzialności. Jeśli AI zaproponuje wariant, ktoś w firmie nadal musi go zatwierdzić. W transporcie odpowiedzialność nie znika dlatego, że decyzję pomógł opisać model językowy.
Kiedy AI przeszkadza w planowaniu
AI przeszkadza wtedy, gdy dostaje zadanie bez granic. Jeśli dyspozytor prosi o "najlepszą trasę", ale nie podaje, czy ważniejszy jest czas, koszt, punktualność, komfort kierowcy czy ryzyko postoju, odpowiedź będzie wyglądać pewnie, ale może być bezużyteczna. Model nie zna priorytetów firmy, jeśli człowiek ich nie opisze.
Drugi problem pojawia się przy wyjątkach. Ładunek może mieć nietypowe wymagania, klient może mieć własne zasady awizacji, a przewoźnik może mieć ograniczenia, których nie ma w standardowym opisie zlecenia. AI może pomóc je zebrać, ale nie powinna udawać, że zna lokalną praktykę magazynu albo historię relacji z klientem.
Dlatego dobry workflow zaczyna się od krótkiej listy ograniczeń i kończy sprawdzeniem w systemach operacyjnych. AI jest pomiędzy: porządkuje, pyta, streszcza i porównuje warianty.
Proces zamiast magii
Firmy transportowe powinny traktować AI jako narzędzie do porządkowania wejścia i wyjścia z procesu. Wejście to dane, ograniczenia i priorytety. Wyjście to mail, notatka, checklista, raport albo uzasadnienie decyzji.
Jeśli dane wejściowe są słabe, AI da elegancko brzmiący chaos. Jeśli dane są dobre, AI może pomóc szybciej dojść do wariantu, który człowiek sprawdzi w narzędziach operacyjnych.
Jak przygotować dane do AI
Najpierw trzeba oddzielić fakty od komentarzy. Fakty to adresy, daty, okna czasowe, typ auta, wymogi klienta, masa, liczba palet, temperatury, zakazy wjazdu, dopuszczalne opóźnienie i punkty kontaktowe. Komentarze to założenia dyspozytora, doświadczenia z daną rampą i przewidywania, które mogą się zmienić.
AI najlepiej działa, gdy dostaje te elementy w uporządkowanej formie. Wtedy może zapytać o braki, wypisać ryzyka i przygotować warianty do sprawdzenia. Jeśli dostanie tylko chaotyczny mail, będzie zgadywać. A w transporcie zgadywanie wygląda profesjonalnie tylko do pierwszego problemu na trasie.
Przykładowy prompt roboczy
Dobry prompt nie brzmi "wyznacz najlepszą trasę". Lepsza instrukcja to: "Przeanalizuj dane zlecenia, wypisz wszystkie ograniczenia, wskaż brakujące informacje, przygotuj pytania do klienta i zasugeruj, które elementy muszę sprawdzić w mapie albo TMS".
Taki prompt nie próbuje zastąpić narzędzia operacyjnego. Robi porządek przed użyciem narzędzia. To jest różnica między użyciem AI jako partnera do myślenia a użyciem AI jako losowego generatora decyzji.
Gdzie pojawia się realna oszczędność
Oszczędność nie musi być w samym kilometrażu. Czasem większy efekt daje mniej telefonów, szybsze potwierdzenie danych, lepszy mail do klienta, kompletna checklista dla dyspozytora albo krótsze wyjaśnienie zmiany planu.
Właściciel firmy często patrzy na optymalizację przez koszt paliwa i puste kilometry. Manager operacyjny widzi też koszt chaosu: niepełne dane, powtórne pytania, ręczne przepisywanie, spóźnione statusy i brak jasnego uzasadnienia decyzji. AI może pomóc szczególnie w tej drugiej warstwie.
To jest dobry obszar na pilotaż, bo nie wymaga od razu zmiany całego systemu. Wystarczy wybrać jeden typ trasy, jeden zespół i jedną formatkę danych. Po kilku tygodniach widać, czy AI skraca przygotowanie planu, czy tylko dodaje kolejne narzędzie do obsługi.
Źródła
Ten tekst nie jest poradą prawną. To praktyczne spojrzenie na użycie AI w procesach transportowych.
Gdzie to spiąć z firmowym AI
Optymalizacja tras z AI powinna być częścią szerszego podejścia do AI w transporcie. Tam dochodzi AI Act, zasady pracy z danymi, szkolenie ludzi i audyt procesów, które można poprawić bez kupowania kolejnego systemu.