随着供应链问题已经在全球范围内成为一大关注焦点,货运和物流公司也开始转向采用信息技术来改善自身运营能力,作为长期数字化转型的一个组成部分。
总部位于美国田纳西州查塔努加的US Xpress就是这样一家货运公司,该公司正在将数字架构改造为灵活的多云平台,以扩大路线、加快交付速度、吸引更多的卡车司机。
US Xpress公司临时首席信息官Bryan Johnson表示,他的IT团队已经在AWS云上开发和优化了三个司机路线应用,并且正在将他们遗存的后台系统迁移到Oracle Cloud Fusion E-Business Suite上,预计将于2022年底或2023年初完成。
除了迁移到云端之外,US Xpress公司还在自身运营中注入了人工智能和机器人流程自动化(RPA)等技术,虽然这些带来了额外的复杂性和运营挑战,但据Johnson表示,这些举措在吸引更多司机、更有效地预测货运量和路线方面所带来的回报,都是非常值得的。
他说:“2022年我们计划通过云优先战略继续对我们的技术堆栈进行现代化改造,这将带来流程标准化、数据质量、数据驱动决策分析、高度可用的云环境和可扩展性,我们的目标是在未来四年内收入翻一番。”
Johnson于2021年9月开始担任临时首席信息官一职,接替前任首席执行官Robert Pischke,后者等启动了该公司数字化转型的多个方面。
Johnson在谈及公司转型时表示:“从客户的角度来看,这让我们变得更加灵活了。随之而来的是变更管理,但实际上从企业的角度来看,标准程序为我们提供了比旧系统更好的可扩展性,最重要的是,数据质量完全改变了我们的现状,改变了我们在未来利用数据力量的方式。”
改善货运体验
疫情导致的供应链困境,致使卡车司机的巨大缺口,US Xpress援引美国卡车运输协会提供的数据预测,到2022年底,该行业将减少10万名专业司机。
因此,吸引和留住卡车司机是当前的一大挑战。US Xpress把运行在AWS云上的三大前端应用视为了支持和招募更多司机、为客户提供更加灵活和全方位的服务(包括沃尔玛、Target、Dollar Store、家得宝和劳氏)的一大关键因素。
US Xpress制定了三管齐下的计划,包括为提供US Xpress核心服务(驾驶US Xpress红色卡车按照专门的每日或每周时间表运送货物)的卡车司机提供增强工具和更多补偿;此外US Xpress推出了一项名为Variant的计划,该计划主要针对那些需要在路上行驶两到六周的长途卡车司机;以及推出了一项数字经纪服务,该服务可以将那些驾驶自己卡车运送US Xpress货物的独立卡车司机进行匹配。
“这三个计划是相互依存、并且相互配合的,切实地支持我们快速扩张的目标。而且我们深知,技术将成为所有这些、以及所有这三大领域的核心。”
引入RPA和人工智能
US Xpress还扩大了对RPA的投入,去年US Xpress与RPA巨头UiPath签署了一项协议,将进行人力资源、工资和财务等后端流程的自动化。
“RPA非常适合那些需要完成100次重复性、高接触、大容量、低错误类型的操作,”US Xpress公司IT总监Corey Goux这样表示,去年他实施了多个模型。
其中,US Xpress采用了UiPath的一个模型来打造高级驾驶员入职自动化系统。Goux说,使用UiPath开发的模型和算法还让US Xpress能够更好地预测卡车司机的流动率,让管理层有机会解决问题并留住有价值的员工,这是US Xpress的一项关键业务功能。
“我们已经使用人工智能和机器学习来预测会提前30天辞职的司机,帮助我们的业务人员关注那些有可能要辞职的人,找出他们可能辞职的真正原因,并与他们进行沟通,从而减少人员流失。”
Goux和Johnson表示,US Xpress公司的RPA战略的下一步,是要启动一项全民开发计划,该计划将使从财务、业务分析师到维护人员的各种员工,都能够编写自动化手动流程的RPA机器人。
US Xpress还与UiPath合作开发了能够提高司机和客户业务效率的机器学习算法,其中,负荷预测一直是US Xpress致力于改进的一个领域,Johnson这样表示。
“我们可以提前3到7天进行预测,了解未来的负载量、卡车能够到达和应该所处的位置,并从执行的角度提出更好的计划,最终改善客户服务。”
让卡车司机使用一流的平板电脑
US Xpress已经开始启动淘汰卡车的驾驶室内通信系统,取而代之的是Platform Science集成平板电脑和数据系统,可以实现更好的通信、自适应导航、增强的天气报告、强制登录、交货证明软件、机械检查、提醒休息站开放停车位等。
“以前司机使用的是我们旧的司机技术单元,让他们可以与后台应用进行交互,填写他们规定的司机日志等等。现在在Platform Science上升级采用了更先进的技术,在提供了他们所熟悉的功能同时,也让我们能够通过迁移到安卓平板电脑进一步对功能进行丰富。”
这其中,包括了US Xpress将更多文书性的流程进行数字化,无缝传输到后台,并让司机能够以非接触的方式与客户保安和仓库人员进行互动,这在疫情期间是至关重要的。
“通常任何类型的文书工作都是需要签名的,而现在我们可以利用这些[数据]并在无物理接触的情况下来回传输这些信息。”
US Xpress计划在年底前为整个车队配备平板电脑,迄今为止安装量已经达到3300多部。
前端的司机应用和后端系统之间的无缝交互,以及AI和RPA模型对US Xpress很多业务流程实施了自动化,将让US Xpress能够收集PB级的数据,并对这些数据进行挖掘和分析,用于推进其交货能力,为US Xpress的下一步发展奠定了基础。
Johnson在谈到该公司数字化旅程的下一个目标是表示:“我们正在制定一项数据战略,将数据转化为我们最大的资产,这将确保我们对整个企业的数据元素有单一且一致的定义,提高数据素养,加强数据分类以便于数据的可发现性和可解释性,维护主数据的单一真实来源,通过数据治理保持质量、安全性和数据访问,以及实现数据民主化。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。