Pengambilan barang yang tertinggal sudah lama dianggap sebagai biaya biasa dalam bisnis pengiriman less-than-truckload (LTL). Hal ini sangat menyebalkan, tidak efisien, dan mahal. Tapi bagi industri yang bergantung pada berbagi kapasitas dan jadwal ketat, ini sering terasa tidak bisa dihindari. C.H. Robinson yakin hal itu tidak harus terjadi.
Penyedia logistik ini telah meluncurkan agen AI baru yang dirancang khusus untuk menangani pengambilan LTL yang tertinggal. Saat satu pengambilan gagal, itu bisa memicu penundaan berantai di terminal, rute, dan barang pelanggan lain. Dengan mengotomatisasi cara mengidentifikasi, menyelidiki, dan menyelesaikan pengambilan yang tertinggal, C.H. Robinson mengatakan mereka sudah melihat peningkatan yang terukur dalam kecepatan, efisiensi, dan keandalan jaringan.
Agen AI perusahaan sekarang mengotomatisasi 95% pemeriksaan pengambilan yang tertinggal, menghilangkan lebih dari 350 jam kerja manual setiap hari.
Barang sekarang bisa bergerak lebih cepat hingga satu hari penuh. Perjalanan pulang yang tidak perlu, ketika pengangkut dikirim hanya untuk menemukan barang belum siap atau sudah diambil, telah turun 42%. Untuk jaringan LTL di mana satu truk mungkin menangani barang dari 20 pengirim berbeda, pengurangan ini berarti lebih sedikit gangguan bagi semua yang berbagi kapasitas itu.
Pengambilan yang tertinggal jarang sederhana. Barang mungkin tidak dikemas atau disiapkan tepat waktu. Pengangkut mungkin tertunda macet atau kepadatan di terminal. Terkadang pengambilan sudah terjadi, tetapi konfirmasinya tidak sampai karena sistem yang terfragmentasi.
Seperti kata Greg West, Wakil Presiden LTL di C.H. Robinson, “Pengambilan yang tertinggal bukan cuma gangguan kecil. Saat truk datang dan barang atau kemasannya belum siap, atau pengangkut tidak bisa datang karena macet, itu memaksa truk lain untuk datang kembali besoknya. Itu mungkin bahkan bukan barang pengirim kita, tapi itu menciptakan efek domino untuk barang lain yang seharusnya diambil dan untuk semua truk lain dalam rantai tersebut.”
Pendekatan baru C.H. Robinson menggantikan banyak pekerjaan manual itu dengan agen AI yang terkoordinasi. Satu agen menghubungi pengangkut untuk mengumpulkan informasi tentang pengambilan yang tertinggal, sementara agen lain menggunakan informasi itu untuk menentukan tindakan terbaik berikutnya. Bekerja secara paralel, para agen bisa membuat ratusan panggilan dan keputusan secara bersamaan, memampatkan pekerjaan yang dulu butuh berjam-jam menjadi hanya beberapa menit. Hasilnya adalah penyelesaian lebih cepat, visibilitas lebih awal bagi pengirim dan penerima, dan lebih sedikit perjalanan sia-sia di jaringan LTL.
Sejauh ini, sistem ini menyelesaikan ratusan pengiriman setiap hari dari lebih dari 11.000 pelanggan. West mengatakan dampaknya melampaui operasi C.H. Robinson sendiri. Dengan mengumpulkan dan membagikan data pengambilan yang tertinggal kepada para pengangkut setiap hari, perusahaan memberikan mereka wawasan tentang masalah yang sebelumnya sulit diisolasi, dari putusnya komunikasi hingga kendala operasional di tingkat terminal.
“Sebelum teknologi transformasional ini, tim orang menghabiskan lebih dari setengah hari untuk mengejar pengambilan yang tertinggal – secara manual memeriksa situs web pengangkut, menelepon, mencatat pembaruan, dan memberi tahu pelanggan,” kata West. “Jika kami tidak bisa memastikan status pengiriman, kami harus menawarkannya kembali dan pengangkut akan mengirim truk lain, sering kali hanya untuk menemukan barangnya masih belum siap atau sudah diambil. Sekarang karena semua waktu dan kapasitas itu tidak terbuang, hal itu mencegah barang pengirim lain tertunda.”
Bagi C.H. Robinson, peluncuran ini juga menjadi studi kasus tentang apa yang mereka sebut Lean AI, pendekatan disiplin dalam menyebarkan kecerdasan buatan hanya di area yang bisa menghasilkan dampak bisnis nyata.
Mark Albrecht, Wakil Presiden Kecerdasan Buatan perusahaan, mengatakan masalah pengambilan yang tertinggal menonjol karena banyaknya pemborosan tersembunyi yang diciptakannya di seluruh jaringan. “Kami tidak asal menerapkan AI untuk semua hal. Ini bukan hobi bagi kami. Kami menggunakan agen AI hanya di tempat mereka bisa memberikan hasil bisnis yang nyata. Proses Lean AI kami membantu kami mengungkap seberapa banyak waktu yang terbuang dalam menangani pengambilan yang tertinggal dan di mana kecerdasan buatan memiliki potensi terbesar untuk meningkatkan perangkat lunak otomasi kami.”
Agen-agen itu awalnya digunakan untuk mendukung pelanggan kecil dan menengah yang memakai platform Freightquote C.H. Robinson, sebelum diperluas ke basis pelanggan LTL yang lebih besar musim panas lalu. Mereka sekarang bergabung dengan portofolio lebih dari 30 agen AI yang telah dibangun perusahaan untuk mendukung penentuan harga LTL, manajemen pesanan, klasifikasi barang, pelacakan, dan bukti pengiriman.
Meskipun pengambilan yang tertinggal mungkin terlihat seperti masalah operasional sempit, taruhan C.H. Robinson adalah bahwa menyelesaikannya dalam skala besar dapat membuka efisiensi yang lebih luas di pengiriman LTL. Lebih sedikit jarak yang terbuang, pemanfaatan peralatan yang lebih baik, dan visibilitas yang lebih jelas tidak hanya menguntungkan pengirim individu; itu membantu menstabilkan jaringan yang bergantung pada berbagi kapasitas.
Posting Bagaimana C.H. Robinson Menggunakan AI untuk Memperbaiki Masalah Pengambilan Tertinggal di LTL muncul pertama kali di FreightWaves.