Frå magekjensle til betre ruteplan
Mange små og mellomstore verksemder planlegg framleis køyring med Excel, Google Maps, telefon og ein erfaren person som kan bygdene, kundane og sjåførane. Det fungerer ofte heilt greitt. Problemet kjem når det blir mange stopp, korte tidsvindauge, halvfulle bilar, sjukdom, kø eller ein kunde som plutseleg må ha levering før lunsj.
Det er her AI og moderne ruteplanlegging faktisk kan vere nyttig. I staden for at ein person sit og flyttar på stopp manuelt, kan systemet rekne ut gode ruter på nokre sekund. Det kan ta omsyn til opningstider, køyretid, kapasitet i bilen, pausar, sjåførvakter, trafikk og kor lang tid kvart stopp brukar å ta.
Dette er ikkje magi. Det er heller ikkje sjølvkøyrande lastebilar. Det er praktisk databruk på eit område der mange verksemder taper tid kvar einaste dag.
Kva AI kan hjelpe med i dag
For ei lokal verksemd kan AI i transport handle om fleire konkrete arbeidsoppgåver. Det mest tilgjengelege er ruteoptimalisering: Kva bil skal køyre kvar, i kva rekkjefølgje, og når?
Neste steg er dynamisk utsending. Det betyr at planen ikkje er låst klokka åtte om morgonen. Viss ein sjåfør blir forseinka, ein kunde avbestiller, eller det kjem inn ein hastejobb, kan systemet foreslå ny rute. Det sparer gjerne både telefonar og irritasjon.
Ein annan nyttig funksjon er sporing og ETA, altså forventa leveringstid. Kundane kan få melding om at leveringa er på veg, eller sjå omtrent når bilen kjem. For bedrifter med mange telefonar av typen kvar er pakken min, kan dette åleine vere verdt mykje.
Elektronisk leveringsbevis er òg blitt vanleg. Sjåføren kan ta bilete, hente signatur eller registrere at vara er levert. Det gjer det enklare å handtere usemje i etterkant, særleg når fleire personar er involverte.
Typiske bruksområde er:
- varelevering frå grossist eller nettbutikk
- handverkarar og serviceteknikarar med mange kundebesøk
- lokal matdistribusjon og catering
- reservedelar, apotekvarer eller andre tidskritiske leveringar
- renovasjon, utleige og henting av utstyr
Felles for desse er at mange små val i løpet av dagen påverkar kostnad, kundeservice og stressnivå.
Du treng sjeldan byggje sjølv
For nokre år sidan måtte ein ofte byggje eigne løysingar dersom ein ville ha avansert logistikk. Det kunne fort bli dyrt og tungt. I dag finst det ferdige verktøy som kan testast utan store prosjekt.
Døme frå marknaden er OptimoRoute, Routific, Spoke Dispatch og Onfleet. Prisane varierer mykje. Nokre verktøy ligg på nokre titals dollar per sjåfør per månad, medan andre startar på fleire hundre dollar i månaden og prisar etter talet på stopp eller oppgåver. Routific har til dømes vore tilgjengeleg gratis for lågare volum, medan Spoke Dispatch og Onfleet rettar seg meir mot verksemder med fleire stopp og meir behov for sporing, meldingar og leveringsbevis.
Poenget er ikkje at eitt av desse verktøya passar alle. Poenget er at ei norsk verksemd ikkje treng å starte med eit skreddarsydd AI-prosjekt til hundretusenvis av kroner. Eit avgrensa forsøk med eit ferdig verktøy er som regel klokare.
Skreddarsaum kan vere rett seinare, særleg viss de har mange bilar, fleire lager, spesielle krav eller tett kopling mot ERP, nettbutikk eller transportstyringssystem. Men då bør de vite kva de faktisk treng først.
Rekn på heile prisen, ikkje berre månadsprisen
Når de vurderer slike verktøy, må de sjå på meir enn startprisen. Nokre tek betalt per sjåfør. Andre per stopp, oppgåve, SMS, API-kall eller sporing. Eit verktøy som ser billeg ut for fem sjåførar, kan bli dyrt viss de har mange leveringar og mange kundemeldingar.
Lag difor eit enkelt reknestykke med dykkar eigne tal. Kor mange sjåførar har de? Kor mange stopp per dag eller månad? Kor ofte treng de å sende melding til kunde? Skal systemet brukast kvar dag, eller berre i høgsesong?
Sjekk òg det norske praktiske. Fungerer adressene godt i Noreg, også utanfor dei største byane? Støttar løysinga norske teikn og lokale adresseformat? Kan sjåførane bruke appen på eit språk dei forstår? Kor blir data lagra, og er databehandlinga i tråd med GDPR og krava de sjølve har?
Det er òg lurt å teste med ekte ruter, ikkje berre ein demo frå leverandøren. Ta ein vanleg køyrerunde frå førre veke og sjå kva systemet foreslår. Stemmer tidsbruken? Tek det omsyn til ferjer, smale vegar, laste- og lossetid, bommar og kundar som aldri er klare klokka ni?
Start lite, mål enkelt
Den beste starten er ikkje å digitalisere heile logistikken. Start med éin arbeidsflyt. Til dømes dagleg ruteplanlegging for tre bilar i eitt område.
Før de testar, skriv ned korleis det fungerer i dag: kor lang tid brukar de på planlegging, kor mange kilometer køyrer bilane, kor ofte kjem de for seint, og kor mange telefonar får de frå kundar som spør etter levering. De treng ikkje perfekt statistikk. Berre nok til å sjå om forsøket gjev betre kvardag.
Etter to til fire veker kan de samanlikne. Brukar planleggjar mindre tid? Er sjåførane nøgde, eller opplever dei systemet som mas? Får kundane betre informasjon? Har de færre bomturar eller betre utnytting av bilane?
AI i transport og logistikk handlar til slutt om å få kvardagen til å gli betre. Mindre leiting, mindre ringing, færre manuelle endringar og meir kontroll når ting ikkje går etter planen.
Mitt konkrete råd: Vel éi fast rute eller eitt team, hent ut leveringsdata frå dei siste vekene, og test eitt ferdig ruteverktøy med ekte norske adresser før de kjøper noko større.