Cud, którego nie ma. Druga strona rewolucji AI w branży TSL

Na każde dziesięć przedsiębiorstw, które w bieżącym roku zdecydują się wdrożyć sztuczną inteligencję, dziewięć nie odnotuje z tego tytułu żadnego zwrotu. To nie pesymistyczna prognoza, lecz wniosek z badań nad wdrożeniami generatywnej AI prowadzonych w 2025 roku, w których aż 95 procent projektów nie przyniosło mierzalnej korzyści finansowej. W przestrzeni medialnej trwa narracja o przełomie; dane opisują zjawisko znacznie mniej efektowne: masową, cichą nieskuteczność, finansowaną wprost z firmowych budżetów.

#ad

Istnieje też druga strona tej rewolucji, rzadziej obecna w nagłówkach. Sztuczną inteligencję w łańcuchu dostaw najsprawniej zaadaptowali nie przewoźnicy ani operatorzy logistyczni, lecz przestępcy. Współczesna utrata ładunku coraz rzadziej zaczyna się od rozciętej plandeki, znacznie częściej od jednego telefonu i od informacji, których rozmówca nie powinien posiadać: numeru rejestracyjnego pojazdu, numeru zlecenia, nazwiska kierowcy. Równolegle, wewnątrz samych organizacji, pracownicy przekazują stawki, warunki umów i dane kontrahentów do publicznie dostępnych narzędzi AI, nie mając świadomości, gdzie informacje te ostatecznie trafiają.

Sztuczna inteligencja w praktyce sektora TSL

Ta druga strona, nieobecna na konferencyjnych slajdach, wyznacza realne ramy dyskusji o sztucznej inteligencji w transporcie, spedycji i logistyce. Pomiędzy bezkrytycznym entuzjazmem a równie nieproduktywną obawą rozciąga się wąski obszar, w którym mieści się owe pięć procent firm osiągających rzeczywisty ROI. Nie wyróżnia ich większy budżet ani lepsze narzędzia, lecz metoda postępowania, której poświęcony jest niniejszy tekst.

Sektor TSL jest tu przypadkiem szczególnym: funkcjonuje w oparciu o dane, na których algorytmy pracują najefektywniej, a zarazem pod presją czasu na tyle silną, że „inteligentne” rozwiązanie kupuje się niekiedy pod wpływem pojedynczej prezentacji, by po kwartale odłożyć je do szuflady. O tym, po której stronie statystyki znajdzie się organizacja, rozstrzyga nie technologia, lecz działania podjęte zanim zostanie ona zakupiona.

Punktem wyjścia powinno być rzeczowe zrozumienie natury narzędzia. Sztuczna inteligencja użyteczna w transporcie i logistyce nie jest cyfrowym pracownikiem zdolnym samodzielnie poprowadzić zlecenie, lecz wyjątkowo wydajnym analitykiem, który nie ulega zmęczeniu i zachowuje czujność niezależnie od pory dnia, wymaga jednak precyzyjnie zdefiniowanego zadania, uporządkowanych danych i człowieka podejmującego ostateczną decyzję. Wynika stąd zasada formułowana na każdym szkoleniu. Pytanie „Jak wykorzystać sztuczną inteligencję?” jest źle postawione. Właściwe brzmi: w którym obszarze tracimy najwięcej czasu i środków oraz czy proces ten można wesprzeć danymi lub zautomatyzować. Dopiero ta odpowiedź rozstrzyga, czy organizacja potrzebuje AI, czy wystarczy jej uporządkowany obieg dokumentów.

Krok zero: mapa procesów i audyt Shadow AI

Najczęstszym błędem jest wdrażanie technologii na nieuporządkowany proces, co prowadzi wyłącznie do przyspieszenia istniejącego nieładu. Dlatego pierwsze trzydzieści dni metodyki yesfor.ai nie polega na zakupie oprogramowania, lecz na audycie złożonym z dwóch części. Pierwszą jest mapa procesów, czyli prześledzenie drogi zlecenia od zapytania klienta, przez wycenę, podstawienie pojazdu i obieg dokumentów, aż po fakturę oraz ewentualne postępowanie reklamacyjne. Na każdym etapie należy postawić trzy pytania: ile czasu pochłania, gdzie najczęściej powstają błędy oraz które czynności są powtarzalne. Działania powtarzalne i kosztowne to kandydaci do automatyzacji, a jednostkowe, wymagające osądu i relacji, pozostają w gestii człowieka.

Drugą część stanowi audyt Shadow AI, czyli rozpoznanie narzędzi, z których zespół korzysta już dziś, lecz poza wiedzą organizacji. Przekazywanie danych zleceń do bezpłatnych modeli oznacza realne ryzyko ujawnienia stawek, danych kontrahentów i treści umów; celem audytu nie jest egzekwowanie odpowiedzialności wobec pracowników, lecz objęcie tych obszarów polityką wewnętrzną oraz właściwymi narzędziami.

Decision Tree: pięć kroków, pięć minut, jedna decyzja

Rdzeniem metodyki jest zwięzła procedura decyzyjna, którą można przeprowadzić w ciągu pięciu minut dla każdego procesu rozważanego pod kątem automatyzacji; obejmuje pięć kroków zakończonych jednoznacznym werdyktem.

Krok pierwszy dotyczy definicji problemu. Jeżeli nie sposób w jednym zdaniu opisać, jakie zadanie ma realizować sztuczna inteligencja, należy wstrzymać prace i rozpocząć od warsztatu z zespołem oraz mapowania procesu. Krok drugi obejmuje powtarzalność. Proces wykonywany rzadziej niż dziesięć razy w miesiącu z reguły nie uzasadnia wdrożenia, ponieważ jego koszt przewyższa potencjalną oszczędność. Częstotliwość od dziesięciu do pięćdziesięciu powtórzeń miesięcznie uzasadnia rozważenie pilotażu, a jej przekroczenie czyni proces silnym kandydatem.

Krok trzeci odnosi się do ryzyka, rozumianego jako konsekwencje błędu. Przy ryzyku niskim, jak nieprawidłowa kategoryzacja korespondencji, narzędzie może działać autonomicznie; przy średnim, na przykład przy wstępnym projekcie oferty, sztuczna inteligencja przygotowuje treść, którą zatwierdza człowiek. Ryzyko wysokie, jak procesy rekrutacyjne czy decyzje kredytowe, wkracza w obszar, który unijny AI Act kwalifikuje jako wysokiego ryzyka, z obowiązkiem dokumentacji, audytu i nadzoru, a ryzyko krytyczne, dotykające zdrowia lub kwestii prawnych, nakazuje wstrzymanie prac i konsultację ze specjalistą.

Krok czwarty dotyczy danych. Informacje publiczne można przetwarzać w narzędziach bezpłatnych; dane wewnętrzne wymagają konta firmowego w wersjach zabezpieczonych, płatnych; dane osobowe pociągają za sobą obowiązki wynikające z RODO oraz środowisko zlokalizowane w Unii Europejskiej; dane krytyczne, jak własność intelektualna i informacje finansowe, dopuszczają wyłącznie rozwiązania w pełni kontrolowane. W sektorze TSL krok ten jest pierwszorzędny, ponieważ stawki, dane przewoźników i treści umów to najczęściej kategorie, których nie wolno powierzać przypadkowym narzędziom.

Krok piąty, rozstrzygający, to zwrot z inwestycji. Wzór pozostaje celowo prosty: oszczędzone w skali miesiąca godziny pracy pomnożone przez stawkę, pomniejszone o koszt narzędzia oraz o koszt wdrożenia rozłożony na dwanaście miesięcy. Wynik dodatni uzasadnia wdrożenie, ujemny nakazuje powrót do kroku drugiego i analizę innego procesu. Rozstrzyga liczba, nie intencja.

Autor: Arleta Marczyńska, CEO spółki transportowo-spedycyjnej eXportsy oraz firmy konsultingowej yesfor.ai

Fragment artykułu z nr 3/2026 Truck Biznes. Tutaj możesz pobrać wydanie