AI løfter lagerdrift fra automatisering til strategisk styrke

En ny undersøgelse fra Mecalux og MIT Intelligent Logistics Systems (ILS) Lab ved MIT’s Center for Transportation and Logistics viser, at de lagre, der driver nutidens globale forsyningskæder, er gået ind i en ny æra af intelligens. 
Undersøgelsen, der er baseret på svar fra over 2.000 fagfolk inden for forsyningskæde og lagerdrift i 21 lande, viser, at kunstig intelligens og maskinlæring ikke længere er eksperimentelle værktøjer men centrale drivkræfter for produktivitet, nøjagtighed og arbejdsstyrkens udvikling.

Med mere end 9 ud af 10 lagre, der nu anvender en form for AI eller avanceret automatisering, har sektoren nået et overraskende højt modenhedsniveau. Over halvdelen af de adspurgte organisationer rapporterer, at de opererer på avancerede eller fuldt automatiserede modenhedsniveauer – især blandt større virksomheder med komplekse logistiknetværk på tværs af flere lokationer. 
Lagrene er kommet langt ud over isolerede pilotprojekter, idet AI i stigende grad understøtter daglige arbejdsgange, herunder ordreplukning, lageroptimering, udstyrsvedligehold, arbejdsstyrkeplanlægning og sikkerhedsovervågning.

"Dataene viser, at intelligente lagre ikke kun overgår andre i volumen og nøjagtighed men også i tilpasningsevne. Når højsæsonen nærmer sig, er virksomheder, der har investeret i AI, ikke bare hurtigere — de er mere robuste, mere forudsigelige og bedre rustet til at håndtere udsving”, siger Javier Carrillo, CEO for Mecalux.

Undersøgelsen viser også, at AI-investeringer giver hurtigere afkast end forventet. De fleste virksomheder afsætter nu mellem 11 procent og 30 procent af deres teknologibudget til AI- og maskinlæringsinitiativer.  Den typiske tilbagebetalingstid er blot to til tre år. 
Disse afkast stammer fra målbare forbedringer i lagerpræcision, gennemløb, arbejdseffektivitet og fejlreduktion. De afspejler også et skift fra eksperimenterende udgifter til langsigtet kapacitetsopbygning. Omkostningsbesparelser, kundernes forventninger, mangel på arbejdskraft, bæredygtighedsmål og konkurrencepres driver alle disse investeringer og viser, at AI’s værdi rækker langt ud over automatisering alene.

På trods af fremskridtene står organisationer fortsat over for udfordringer, når AI skal skaleres på tværs af deres operationer. 

“Den svære del er nu den sidste mil: at integrere mennesker, data og analyser problemfrit i de eksisterende systemer”, siger Dr. Matthias Winkenbach, direktør for MIT ILS Lab. 

De største barrierer omfatter teknisk ekspertise, systemintegration, datakvalitet og implementeringsomkostninger, hvilket afspejler det grundlæggende arbejde, der kræves for at forbinde avancerede værktøjer med ældre systemer. Alligevel rapporterer virksomheder om stærke fundamenter inden for data og projektledelse, og de peger på bedre værktøjer, tydeligere køreplaner, større budgetter og stærkere intern ekspertise som nøglefaktorer for yderligere udbredelse.

Undersøgelsen udfordrer desuden frygten for, at automatisering erstatter menneskelige arbejdere. I stedet for at udkonkurrere medarbejdere bidrager AI til højere produktivitet, større arbejdsglæde og flere jobmuligheder. Over tre fjerdedele af de adspurgte organisationer oplevede øget medarbejderproduktivitet og tilfredshed efter implementering af AI-værktøjer, og over halvdelen rapporterede, at deres arbejdsstyrke voksede. Nye roller opstår på tværs af hele sektoren — herunder AI/ML-ingeniører, automationsspecialister, procesforbedringseksperter og dataforskere — hvilket viser, at intelligent automatisering udvider snarere end reducerer det menneskelige bidrag i lagerdriften.

Læs også: Mobile robotter frigør hænder og hoveder på Solars lagre

Fremadrettet planlægger næsten alle adspurgte virksomheder at skalere deres brug af AI i løbet af de næste to til tre år. Hele 87 procent forventer at øge deres AI-budgetter, og 92 procent er enten i gang med eller planlægger nye AI-projekter. 
Rapporten peger på, at næste fase vil koncentrere sig om beslutningstagende teknologier — særligt generativ AI. Virksomheder identificerer generativ AI som den mest værdifulde metode i moderne logistikfaciliteter og nævner anvendelser som automatiseret dokumentation, optimering af lagerlayout, design af procesflows og endda kodegenerering til automationssystemer. I takt med at disse kapaciteter udvikles, vil AI hjælpe flere lagre med at bevæge sig fra forudsigende indsigt til automatiseret handling.

“Traditionel maskinlæring er fremragende til at forudsige problemer, men generativ AI hjælper dig faktisk med at konstruere løsningen. Derfor ser virksomheder det som den største værdiskaber i lageret i dag. I sidste ende er de målbare gevinster fra automatisering produktivitetsgevinster, der får eksisterende systemer til at fungere mere gnidningsfrit, hurtigere og med færre forstyrrelser”, siger Dr. Winkenbach.

/ PiB