ftetoai På venteliste

Kennisbank

AI og udarbejdelse af fragtdokumenter: hvad der allerede er muligt

Spørgsmålet konkret

Udarbejdelse af fragtdokumenter er oprettelse af CMR'er, følgesedler og andre forsendelsesdokumenter der er nødvendige for at sætte en forsendelse på transport. Hos en logistikmedarbejder eller speditør sker dette typisk i et TMS- eller ERP-system, på baggrund af ordredata der allerede ligger fast. Spørgsmålet er ikke om dette nogensinde kan automatiseres, men hvad der allerede er muligt i dag.

Hvorfor denne opgave passer godt

Tre akser bestemmer her billedet: struktureringsgrad, volumen og compliance.

Struktureringsgraden scorer højt. En CMR følger et fast format, en følgeseddel følger et fast format, og de data der skal stå i dem -- afsender, modtager, antal colli, vægt, referencenummer -- findes allerede i ordresystemet. Der er ikke brug for tekst, kun overtagelse og placering af data. Det er præcis det arbejde regelbaseret automatisering (RPA) er skabt til: at hente data fra system A og placere dem i de rigtige felter i system B eller en dokumentskabelon.

Volumen forstærker dette. Ved hver forsendelse skal dette gøres igen, hvilket betyder at en lille tidsbesparelse pr. dokument multipliceres over hundreder eller tusinder af forsendelser om måneden. Hvor volumen er højt og arbejdet er repetitivt, er sandsynligheden størst for at automatisering betaler sig selv tilbage.

Compliance scorer med en 2 lavere, og det spiller netop med her: en CMR er et lovpligtigt dokument med faste obligatoriske felter. Der er kun lidt fortolkningsrum om hvad der skal stå i det, hvilket gør det nemmere at kontrollere korrektheden af outputtet end ved dokumenter hvor man selv skal vurdere hvad der er compliant.

Hvorfor dette ikke er en fuld overtagelse

Skønsrummet ligger på 4, og det gør billedet straks mere nuanceret. Ikke hver forsendelse er standard. Et farligt stof, en usædvanlig tolddestination, en kunde med en afvigende leveringsbetingelse: det kræver en kontrol der går videre end at overtage data. Den der indretter automatisering her uden at genkende disse undtagelser, risikerer at fejlagtige dokumenter kommer ud lige så hurtigt som korrekte.

Fejlomkostningerne på 3 hører til samme billede. Et forkert CMR kan føre til en afvist forsendelse, en forkert følgeseddel til en forkert levering hos kunden. Det er ikke katastrofalt, men heller ikke uden betydning. Derfor er den mest brugbare indretning i dag ikke fuld overtagelse, men automatisk generering med et menneskeligt blik på afvigelser: systemet opretter dokumentet, en medarbejder godkender eller afviser det der falder uden for standardmønstret.

Kreativitet scorer en 1, hvilket er logisk: der er intet at formulere eller opfinde, kun at strukturere. Det gør netop opgaven velegnet til automatisering, men det betyder også at der er lidt rum for at arbejde smartere via AI-sprogmodeller. Dette er regelarbejde, ikke skrivearbejde.

Hvad AI kan klare her i dag

Den teknologi der passer her er RPA: software der overtager data og sammensætter dokumenter efter faste regler. Ikke generativ AI der producerer fri tekst, men et script der henter ordredata fra TMS'et eller ERP'et og placerer dem i det korrekte dokumentformat. Det fungerer så længe to betingelser er opfyldt: dokumentformaterne er standardiserede, og der er en kobling til ordredataene. Uden den kobling skal nogen stadig indtaste manuelt, og uden standardformat skal indretningen genovervejes for hver undtagelse.

Hvor dette ligger anderledes

Hos en virksomhed der primært sender standardforsendelser inden for EU, med et begrænset antal kunder og fastsatte leveringsbetingelser, er overtagelsen stor: næsten alle dokumenter følger samme mønster. Hos en speditør der arbejder internationalt med skiftende toldkrav, farlige stoffer og kundespecifikke aftaler, ligger andelen af automatiserbart arbejde lavere, og en større del forbliver hos medarbejderen der genkender undtagelserne.

Denne afhængighed af standardisering er den samme logik der gælder ved behandling af indkøbsfakturaer og ved registrering af en modtagelsesseddel i systemet: jo mere struktureret kilden er, desto større er den del der kan udføres uden menneskehånd. Længere fremme i den logistiske proces gælder det igen anderledes, som ved tildeling af lagerlokationer eller ved pluk og pakning af varer, hvor fysiske handlinger sætter en anden grænse.

Hvad dette ikke er

Dette er ikke en udtalelse om hvem der udfører denne opgave i dag, eller hvem der bør fortsætte med at gøre det. Hvad en organisation gør med de frigjorte timer, falder uden for denne analyse; beslutninger der berører personale, har deres egne lovmæssige krav og bør ikke vurderes her.

Hvordan vi kommer til denne vurdering

De otte akser der er brugt her -- fra struktureringsgrad til compliance -- udgør det fastlagte grundlag for hver opgavevurdering. Hvordan denne vurdering præcist fungerer er forklaret på en selvstændig side, for den der vil se hvor scorerne kommer fra. For den der vil se bredere end denne ene opgave: hvilket arbejde i logistikken AI kan overtage giver et overblik over det.

Hvad De kan gøre nu

For fragtdokumenter gælder: den strukturerede, højvolumendel er velegnet til automatisk udarbejdelse, undtagelserne kræver stadig et kontrollerende blik. Hvor stor en del af Deres dokumentstrøm der falder i den første del og hvor meget i den anden, varierer fra virksomhed til virksomhed og afhænger af hvor ensartede Deres forsendelser er.

Den gratis quickscan giver en første indikation af dette: tolv spørgsmål, uden konto, med et skøn over den del af timerne i Deres profil der i dag kan overtages af AI. Den fulde arbejdsscan, der opdeler en hel virksomheds arbejde i opgaver og omregner det til fte-kapacitet, er stadig under udvikling.

KIPPde assistent van de werkscan

Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.

Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.