Lojistikte ve TMS'te Yapay Zekâ Kullanım Alanları

Sekiz somut kullanım alanı

1. 1Talep karşılama: Farklı formatlarda gelen fiyat taleplerinin okunup yapılandırılmış kayda dönüştürülmesi.
2. 2Teklif hazırlama: Uygun tarifenin bulunması, marjın uygulanması ve teklif metninin yazılması.
3. 3Belge işleme: Konşimento, AWB, CMR, fatura ve çeki listesinden veri çıkarılması ve dosyayla karşılaştırılması.
4. 4Planlama ve rota: Yük birleştirme, mod ve taşıyıcı seçimi için öneri üretilmesi.
5. 5Takip ve öngörü: Tahminî varış zamanının hesaplanması, gecikme riskinin erkenden işaretlenmesi.
6. 6Müşteri iletişimi: Durum sorularının yanıtlanması, bilgilendirme e-postalarının hazırlanması.
7. 7Navlun fatura kontrolü: Taşıyıcı faturasının anlaşılan fiyatla karşılaştırılıp farkların bulunması.
8. 8Analiz: “Geçen çeyrekte hangi hat zarar etti?” gibi sorulara doğal dille yanıt verilmesi.

Hangi yapay zekâ teknolojileri kullanılır?

• Büyük dil modelleri (LLM): E-posta ve belge gibi serbest metinleri anlama, yazma ve özetleme.
• Belge zekâsı (OCR + anlamlandırma): Taranmış veya PDF belgelerden alan çıkarma.
• Makine öğrenmesi: Varış zamanı, talep ve fiyat tahmini.
• Optimizasyon algoritmaları: Rota ve yükleme planlaması.
• Yapay zekâ ajanları: Birden çok adımı sırayla yürüten, araç kullanabilen otomasyonlar.

Örnek: Bir talebin tekliften faturaya yolculuğu

Bir müşteri, İstanbul'dan Hamburg'a karayolu ile taşınacak parsiyel yük için e-posta gönderir. AI-native bir TMS programı bu e-postayı okur, yük bilgilerini çıkarır ve müşteri kaydıyla eşleştirir. Güncel tarifelerden uygun seçenekleri bulur ve teklif taslağını hazırlar; operasyon uzmanı kontrol edip gönderir.

Teklif onaylandığında sevkiyat dosyası kendiliğinden açılır. Taşıyıcıdan gelen CMR yüklendiğinde alanlar okunur ve dosyayla karşılaştırılır. Yolculuk boyunca kontrol kulesi gecikme riskini izler; risk oluşursa ilgili kişiye haber verir ve müşteri bilgilendirmesini taslak olarak hazırlar. Teslimattan sonra taşıyıcı faturası anlaşılan fiyatla karşılaştırılır ve müşteri faturası onaya sunulur.

Riskler ve iyi uygulamalar

• İnsan onayı: Fiyat, ödeme ve müşteriye giden yazışmalar gibi kritik adımlar onaya bağlanmalıdır.
• İzlenebilirlik: Yapay zekânın hangi veriye dayanarak ne yaptığı kayıt altında olmalıdır.
• Veri kalitesi: Güncel tarife ve temiz müşteri verisi olmadan öneriler zayıf kalır.
• Veri gizliliği: Müşteri verisinin nerede işlendiği ve model eğitiminde kullanılıp kullanılmadığı netleştirilmelidir.
• Kademeli geçiş: Önce tek bir süreçte (örneğin belge okuma) başlanıp sonuç ölçülerek genişletilmelidir.

Avrupa'da faaliyet gösteren ya da AB'li müşterilerle çalışan firmalar için yasal çerçeveyi AB Yapay Zekâ Yasası belirler.