اے آئی ایڈوانٹیج کی وضاحت

 

لاجسٹک ٹیکنالوجی میں شفافیت، انضمام اور اعتماد فیصلہ کن کیوں ہو رہا ہے؟ پیٹر میکلوڈ ایک ماہر سے بات کر رہے ہیں۔

اس سال کے LogiMAT میں، اگر کوئی ایسی تھیم تھی جو شور کو زیادہ سے زیادہ واضح طور پر کاٹتی ہو، تو یہ رفتار ہوگی۔ نہ صرف کارروائیوں کی رفتار، بلکہ تعیناتی کی رفتار، جدت طرازی کی رفتار، اور بالآخر The Big One: سرمایہ کاری پر واپسی کی رفتار۔ Inform Software کے لیے، یہ بحث تیزی سے ایک وسیع تر سوال کی طرف لے جاتی ہے: کس طرح لاجسٹک تنظیمیں شفافیت، کنٹرول یا اعتماد کو کھونے کے بغیر زیادہ ذہین نظام اپنا سکتی ہیں؟

 

Inform کی SVP انوینٹری اور سپلائی چین میں مصروف شو فلور پر مجھ سے بات کرتے ہوئے، ڈاکٹر برنڈ ہینرکس نے بتایا کہ کمپنی کس طرح مصنوعی ذہانت کو سپلائی چین اور انٹرالوجسٹکس ماحول میں ترقی کرتی دیکھتی ہے۔

 

اصلاح کی پرت کو بڑھانا

Inform طویل عرصے سے پیچیدہ، ڈیٹا-پر مبنی ماحول میں اصلاح سے وابستہ ہے۔ لیکن جیسے جیسے مارکیٹیں زیادہ اتار چڑھاؤ کا شکار ہوتی جاتی ہیں، اصلاحی نظاموں سے کہا جاتا ہے کہ وہ تیزی سے رد عمل ظاہر کریں، مزید سگنلز شامل کریں اور مزید متحرک فیصلہ سازی-کی حمایت کریں۔

یہ تبدیلی خاص طور پر ایسے ماحول میں متعلقہ ہے جہاں فیصلے ایک دوسرے پر منحصر ہوتے ہیں۔ مانگ کی منصوبہ بندی میں تبدیلی انوینٹری، نقل و حمل کی صلاحیت، لیبر مختص یا خدمات کی سطح کو متاثر کر سکتی ہے۔ آپریشن کے ایک حصے میں کی گئی سفارش کہیں اور نتائج پیدا کر سکتی ہے، جو کہ شفافیت کو روز-سے-دن کے استعمال کے لیے ضروری بناتی ہے۔

Heinrichs کے لیے، یہ وہ جگہ ہے جہاں لاجسٹکس میں AI کو اپنی عملی قدر ثابت کرنا ہوگی۔ "میں AI کے بارے میں بات نہیں کرتا۔ میں قابل وضاحت AI کے بارے میں بات کرتا ہوں،" وہ کہتے ہیں۔ "ہم جو کچھ بھی کرتے ہیں، ہر چیز جو ہم تجویز کرتے ہیں، اس کی ایک وضاحت ہوتی ہے۔ بصورت دیگر، لوگ اس پر بھروسہ نہیں کرتے۔"

ایک عملی ضرورت کے طور پر بھروسہ کریں۔

مختلف صنعتوں میں صارفین کے ساتھ بات چیت میں، وہ کہتے ہیں کہ ایک ہی سوال بار بار آتا ہے: "نظام نے وہ آپشن کیوں اٹھایا اور کوئی دوسرا نہیں؟"

 

سوال اہم ہے کیونکہ لاجسٹکس کے فیصلے شاذ و نادر ہی اکیلے ٹیکنالوجی کے ذریعے کیے جاتے ہیں۔ ان میں منصوبہ ساز، مینیجرز، آپریشنز ٹیمیں اور، بہت سے معاملات میں، گاہک یا بیرونی شراکت دار شامل ہوتے ہیں۔ اگر یہ اسٹیک ہولڈرز AI-تعاون یافتہ سفارش کے پیچھے استدلال کی پیروی نہیں کر سکتے ہیں، تو ان کے اس پر عمل کرنے کا امکان کم ہے۔

 

Heinrichs کے لیے، یہ یورپی ٹیکنالوجی فراہم کرنے والوں کے لیے تفریق کا ایک بامعنی نقطہ بن سکتا ہے۔ وہ کہتے ہیں، "ہم کسی کی طرح AI بنا سکتے ہیں، لیکن ہم کچھ مختلف بھی شامل کر سکتے ہیں۔" "یہ ایک بلیک باکس نہیں ہونا چاہئے."

چونکہ کمپنیاں AI ایپلی کیشنز کو قائم کردہ کاروباری عمل میں شامل کرنے کی کوشش کرتی ہیں، یہ فرق تیزی سے اہم ہو جاتا ہے۔ سسٹمز کو تکنیکی طور پر مضبوط ہونے کی ضرورت ہے، لیکن انہیں صارفین کے لیے وقت کے ساتھ چیلنج کرنے، ان کی توثیق کرنے اور بہتر بنانے کے لیے کافی قابل فہم ہونے کی بھی ضرورت ہے۔

 

کم پیشین گوئی والے ماحول کا انتظام

صرف تاریخی اعداد و شمار کے ساتھ آپریشنل ماحول کی منصوبہ بندی کرنا مشکل تر ہوتا جا رہا ہے۔ ڈیمانڈ پیٹرن میں تبدیلی، بیرونی عوامل مداخلت کرتے ہیں اور مارکیٹ کے حالات تیزی سے تبدیل ہو سکتے ہیں، اکثر اس سے پہلے کہ یہ تبدیلیاں تعداد میں واضح طور پر نظر آئیں۔ "آپ کو حقیقی وقت کا ڈیٹا اکٹھا کرنے کی ضرورت ہے اور صرف تاریخی ڈیٹا پر انحصار نہیں کرنا چاہیے،" وہ کہتے ہیں۔ "آپ کو اتار چڑھاؤ پر ردعمل ظاہر کرنا ہوگا اور اپنے فیصلوں میں مختلف ذرائع سے سگنلز کو ضم کرنا ہوگا۔"

یہ مزید مستحکم اصلاحی ماڈلز سے ریسپانسیو سسٹمز کی طرف ایک تبدیلی کی نشاندہی کرتا ہے جو مسلسل نئی معلومات کو مدنظر رکھتے ہیں۔ "یہ زیادہ متحرک ہو رہا ہے،" وہ مزید کہتے ہیں۔ "اگلا مرحلہ اسے مزید ایجنٹ بنا رہا ہے - ماحول میں ہونے والی تبدیلیوں پر خود سے رد عمل ظاہر کرنا۔"

 

خبروں سے پیشین گوئی تک

LogiMAT پر پہلی بار پیش کردہ Inform کی ایک مثال ایک نیا AI-پر مبنی نقطہ نظر ہے جو بیرونی واقعات کو براہ راست پیشین گوئی اور منظر نامے کی منصوبہ بندی میں لانے کے لیے ڈیزائن کیا گیا ہے۔ Heinrichs کا کہنا ہے کہ نقطہ آغاز ایک سادہ سا سوال تھا: کیوں پیشن گوئی کے ماڈل اپنے اردگرد کی دنیا میں جو کچھ ہو رہا ہے اسے اکثر نظر انداز کر دیتے ہیں؟

 

"اگر آپ آج کلاسیکی پیشن گوئی چلاتے ہیں، تو یہ تاریخی اعداد و شمار پر مبنی ہے،" وہ بتاتے ہیں۔ "لیکن حقیقت میں، مانگ مسلسل جغرافیائی سیاسی تنازعات، سپلائی چین میں خلل، نئے ضابطے یا مارکیٹ کے رجحانات جیسے واقعات سے متاثر ہوتی ہے۔ یہ معلومات موجود ہے، لیکن عام طور پر خبروں کے طور پر، نمبروں کے طور پر نہیں۔"

نیا حل اس خلا کو بند کرنے کے لیے ڈیزائن کیا گیا ہے۔ صارفین ایک ٹائم سیریز فراہم کرتے ہیں، جیسے کہ سیلز کے اعداد و شمار یا مارکیٹ انڈیکیٹر، اور مختصراً سیاق و سباق کی وضاحت کرتے ہیں۔ پھر AI متعلقہ خبروں کے واقعات کی تحقیق کرتا ہے، تاریخی تعلقات کا تجزیہ کرتا ہے اور مستقبل کے کئی ممکنہ منظرنامے تیار کرتا ہے۔ نتیجہ ایک پیشن گوئی ہے جس کے ساتھ ثبوت-کی بنیاد پر وضاحت ہوتی ہے کہ مارکیٹ مختلف سمتوں میں کیوں ترقی کر سکتی ہے۔

لوپ میں انسان

Heinrichs کے لیے (تصویر میں، نیچے)، AI کے بارے میں بحث بھی براہ راست انسانی مہارت کے کردار کی طرف لے جاتی ہے۔ AI پیٹرن کی شناخت کرسکتا ہے، معلومات کی بڑی مقدار پر کارروائی کرسکتا ہے اور رفتار سے منظرنامے تیار کرسکتا ہے۔ لیکن اس کی قدر اس وقت بڑھ جاتی ہے جب لوگ تجربے، سیاق و سباق اور فیصلے کو شامل کر سکتے ہیں جو اکیلے ڈیٹا فراہم نہیں کر سکتا۔

"AI صرف اتنا ہی اچھا ہے جتنا وہ ڈیٹا کے ساتھ کام کرتا ہے اور جو لوگ اس ڈیٹا کو معنی دینے کے قابل ہیں،" وہ کہتے ہیں۔ "یہی وجہ ہے کہ انسان لوپ کا ایک لازمی حصہ رہتا ہے۔"

عملی طور پر، اس کا مطلب ہے کہ منصوبہ ساز اور فیصلہ ساز-اس عمل سے نہیں ہٹائے جاتے ہیں۔ وہ اس میں مرکزی حیثیت رکھتے ہیں۔ ان کا کردار منظرناموں، سوالوں کے مفروضوں کی توثیق کرنا اور آپریشنل علم یا مارکیٹ کی بصیرت کی بنیاد پر نتائج کو بہتر بنانا ہے۔

 

"اگر لوگ سمجھتے ہیں کہ نظام کسی چیز کی سفارش کیوں کرتا ہے، تو وہ فیصلہ کر سکتے ہیں کہ آیا اس پر بھروسہ کرنا ہے، اس پر سوال کرنا ہے یا اسے بہتر کرنا ہے،" ہینرکس بتاتے ہیں۔ "یہی وہ جگہ ہے جہاں انسانی فیصلے اور مشینی ذہانت کے درمیان تعاون واقعی طاقتور ہو جاتا ہے۔"

 

انضمام اور انٹرآپریبلٹی

گاہک کے مباحثوں میں ایک اور مستقل تھیم انضمام ہے۔ جیسے جیسے لاجسٹک آپریشنز ایک دوسرے سے جڑے ہوئے ہیں، AI-سے چلنے والی ایپلیکیشنز کو موجودہ سسٹمز سے جوڑنے کی صلاحیت ضروری ہوتی جا رہی ہے۔ "ہمیں ہمیشہ یہ سوال ملتا ہے: میں اپنے ERP سسٹم، اپنے دوسرے حل کے ساتھ کیسے ضم کروں؟" Heinrichs مجھے بتاتا ہے. انفارم کا ردعمل کنیکٹرز کو معیاری بنانا اور SAP اور Microsoft جیسے بڑے پلیٹ فارمز کے ساتھ صف بندی کرنا ہے۔ نتیجہ ایک زیادہ سیدھا انضمام کا راستہ ہے، جس سے لاگت اور عمل درآمد کے وقت دونوں میں کمی آتی ہے۔

 

"اس سے بڑا فرق پڑتا ہے،" وہ مزید کہتے ہیں۔ "اور یہ ہمارے لیے بین الاقوامی سطح پر توسیع کرنا بھی آسان بناتا ہے۔"
یہ AI کو اپنانے میں ایک اہم نکتہ ہے۔ حتیٰ کہ جدید ترین ایپلیکیشن بھی قدر پیدا کرنے کے لیے جدوجہد کرے گی اگر یہ ان نظاموں سے الگ ہو جہاں کاروباری عمل کو حقیقت میں منظم کیا جاتا ہے۔ لاجسٹک کمپنیاں پہلے سے ہی قائم کردہ IT لینڈ اسکیپس کے ساتھ کام کرتی ہیں، اور نئے حل کو اضافی پیچیدگی پیدا کیے بغیر ان ماحول میں فٹ ہونا چاہیے۔

 

 

ڈیٹا کی ذمہ داری

بڑھتی ہوئی کنیکٹیویٹی اور ڈیٹا کے استعمال کے ساتھ سیکیورٹی کے ارد گرد جانچ پڑتال میں اضافہ ہوتا ہے۔ سائبرسیکیوریٹی میں ہینرک کا پس منظر اس مسئلے پر ایک مضبوط موقف سے آگاہ کرتا ہے۔ وہ کہتے ہیں، "ہر پروڈکٹ کے باہر جانے سے پہلے اس کے پاس سیکیورٹی سٹیمپ ہونا ضروری ہے۔ "یہ لازمی ہے۔"

جیسا کہ AI ماڈلز ڈیٹا کے وسیع ذرائع کو اپنی طرف متوجہ کرتے ہیں – بشمول خبروں اور مارکیٹ کی معلومات جیسے بیرونی فیڈز – اس ڈیٹا کو منظم کرنے اور محفوظ کرنے کی پیچیدگی بڑھتی ہے۔ "ہم جس ڈیٹا کو ٹیپ کر رہے ہیں اس سے ڈیٹا سیکیورٹی کے لحاظ سے بہت زیادہ مانگ پیدا ہوتی ہے،" ہینرکس نوٹ کرتے ہیں۔ "آپ کو اس کے اوپر رہنا ہوگا۔"

 

ایک مارکیٹ منتقل کرنے کے لئے تیار ہے۔

شاید سب سے زیادہ حیرت انگیز مارکیٹ کے جذبات کے بارے میں Heinrichs کا اندازہ ہے۔ احتیاط کے بجائے، وہ تجربات اور تیز رفتار ترقی کے لیے بڑھتی ہوئی بھوک کو دیکھتا ہے۔

"گاہک ہم سے خیالات کے ساتھ آنے کو کہہ رہے ہیں،" وہ کہتے ہیں۔ "وہ تیزی سے جیتنے کے لیے تیار ہیں، تیزی سے ناکام ہونے کے لیے۔" یہ کشادگی ذہین حلوں کے لیے زرخیز زمین تیار کرتی ہے جو بڑے-پیمانے کی تبدیلی کے منصوبوں کی جڑت کے بغیر ٹھوس بہتری فراہم کر سکتی ہے۔

 

بہت سی کمپنیوں کے لیے، ڈیجیٹلائزیشن کے اگلے مرحلے کی تعریف صرف AI کے ذریعے نہیں کی جائے گی۔ اس کی تعریف AI کے ذریعے کی جائے گی جو خود کی وضاحت کرتا ہے، موجودہ نظاموں کے ساتھ صاف طور پر جڑتا ہے اور ایسے فیصلوں کی حمایت کرتا ہے جن پر لوگ بھروسہ کر سکتے ہیں۔