Firmy przemysłowe otrzymują nowe narzędzie do analizowania transportu za pomocą języka naturalnego. project44 połączył swoją platformę Mo, pełniącą funkcję analityka łańcucha dostaw, z Snowflake Cortex AI.
Użytkownik może zapytać o opóźnienia, realizację dostaw, koszty przestojów lub zamrożony kapitał. Mo nie ogranicza się jednak do wygenerowania odpowiedzi. Mechanizm agenta interpretuje pytanie, uwzględnia reguły konkretnej firmy, pobiera dane i wskazuje możliwe kolejne działania.
Jedno pytanie, ale właściwy kontekst
Podstawą rozwiązania jest ontologia logistyczna project44 oraz około biliona rekordów przesyłek zgromadzonych w ciągu ostatniej dekady. System korzysta także z bieżących punktów kontrolnych i prognozowanych czasów przybycia. Dzięki temu może rozumieć znaczenie pojęć używanych przez danego klienta, zamiast zakładać, że każda organizacja mierzy wyniki w taki sam sposób.
Definicja dostawy na czas może zależeć od środka transportu, umowy i wybranego punktu rozpoczęcia pomiaru. W jednej firmie będzie nim data gotowości ładunku, w innej odbiór przesyłki. Mo uwzględnia takie różnice, a także wyjątki i wymagania kontraktowe.
Po zinterpretowaniu pytania Cortex Analyst przekłada je na zapytanie SQL i pobiera wynik bezpośrednio z danych project44 przechowywanych w Snowflake. Odpowiedź jest więc oparta na uporządkowanych danych operacyjnych, a nie na odtwarzaniu liczb przez model językowy. Szczegóły rozwiązania opisuje platforma Mo firmy project44.
Wyniki dla operacji i finansów
W testach wewnętrznych Mo poprawnie odpowiedział na wszystkie 10 zweryfikowanych pytań. Ogólny model językowy udzielił dwóch poprawnych odpowiedzi. Mo powtórzył ten sam wynik w 10 kolejnych próbach i działał 2,5 raza szybciej. Według project44 z rozwiązania korzysta już 210 klientów, a liczba obsłużonych pytań przekroczyła 50 000.
Firma wskazuje również konkretne efekty: jeden klient ograniczył ekspozycję na opłaty za przestój i składowanie o 6 mln dolarów, inny uwolnił 200 tys. dolarów kapitału obrotowego, a inicjatywa związana z zakłóceniami przyniosła niemal 750 tys. dolarów oszczędności. Dla przemysłu oznacza to możliwość udostępnienia wiarygodnej analizy większej liczbie osób odpowiedzialnych za codzienne decyzje.
