Talay, “Yapay zekâ ve büyük veri çalışmalarımızı pilot projeler kapsamında değerlendiriyoruz. Özellikle filo yönetimi, rota belirleme ve dispozisyon süreçlerine odaklanıyoruz. Araçlardan elde ettiğimiz telematik veriler ve geçmiş operasyon kayıtları, yüklerin doğru araçlara yönlendirilmesi, rotaların daha etkin belirlenmesi ve filonun dengeli yönetilmesi için detaylı analizlere tabi tutuluyor. Bu sayede hem taşıma kapasitemizi optimize ediyor hem de teslimat performansımızı artırıyoruz” dedi.
Talay, yapay zekânın hâlâ insan gözetimiyle desteklenmesi gerektiğine dikkat çekiyor: “Algoritmaların sunduğu sonuçlar mutlaka kontrol ediliyor. Bulut tabanlı yapay zekâ servisleri ise güvenlik, gizlilik, erişilebilirlik ve servis kalitesi açısından iş kritik operasyonlar için hâlâ yeterince olgun değil. Bu nedenle hibrit ve kurum içi çözümleri öncelikli olarak tercih ediyoruz. Teknolojiyi tamamen otomatikleştirmek yerine, insan deneyimi ile harmanlayarak kullanıyoruz.”
Veri analitiğinin rota planlama ve dispozisyon süreçlerinde sağladığı somut faydaları da paylaşan Talay, “Araç kapasitesinin daha verimli kullanılması ve yüklerin doğru şekilde dağıtılması sayesinde yakıt tüketiminde yüzde beş ila yedi arasında tasarruf sağladık. Bununla birlikte rota ve yük dağılımı önerileri otomatik değil, insan gözetimiyle uygulanıyor. Yapay zekâ bazlı çıktılar bazen operasyonun gerçek dinamiklerini tam anlamıyla yansıtamayabiliyor. Ayrıca bulut servislerinin servis kalitesi ve kesintisiz erişim garantileri hâlâ iş kritik operasyonlar için yeterli düzeyde değil” dedi.
Büyük veri analizlerinin tedarik zinciri yönetimindeki rolünü de açıklayan Talay, “Verileri filo yönetimi ve dispozisyon kararlarında yoğun olarak kullanıyoruz. Geçmiş operasyon kayıtları, hangi yüklerin hangi araçlara yönlendirilmesi gerektiği ve filonun hangi bölgelerde yoğunlaşacağı konusunda bize öngörüler sunuyor. Bu sayede depo çıkışlarında düzen sağlanıyor, teslimatlar daha planlı ilerliyor. Stok ve talep tahmini tarafında yapay zekâdan fayda görüyoruz, ancak bu çıktılar tek başına karar verici değil. İnsan kontrolüyle birleştirildiğinde daha sağlıklı ve güvenilir sonuçlar elde ediyoruz. Bulut tabanlı tahmin sistemleri ise kritik veri güvenliği ve servis sürekliliği açısından hâlâ sınırlı kullanılabiliyor” dedi.
Dışsal faktörlerin entegre edilmesinin önemine de dikkat çeken Talay, “Trafik ve hava durumu verilerini web servisleri üzerinden alıyor, araçların yakıt tüketimini telematik cihazlarla ölçüyoruz. Bu veriler, operasyonun bel kemiği olan TMS platformumuza entegre ediliyor ve analiz ediliyor. Ancak dış kaynaklı servislerden gelen verilerin doğruluğu ve sürekliliği her zaman güvence altında değil. Servis kesintileri veya hatalı veriler kritik operasyonları doğrudan etkileyebilir. Bu nedenle özellikle yakıt tüketimi verilerini sisteme almadan önce doğrulama ve filtreleme mekanizmalarından geçiriyoruz” dedi.
Talay, EvoLog’un gelecekte yapay zekâ ve büyük veri yatırımlarını artırmayı planladığını da aktardı: “Öncelikli yatırım alanlarımız, filo yönetiminde yapay zekâ tabanlı optimizasyon, gerçek zamanlı rota belirleme, dispozisyon süreçlerinde optimizasyon ve tahmine dayalı bakım olacak. Mevcut durumda yapay zekâ ve bulut servisleri tek başına yeterli olmasa da, teknolojiler olgunlaştıkça lojistik sektöründe rekabetin belirleyici unsurlarından biri haline gelecek. Amacımız, veri ve teknoloji odaklı bir yaklaşım ile operasyonel verimliliği sürekli artırmak ve müşterilerimize daha hızlı, güvenli ve planlı hizmet sunmak.”
EvoLog, dijitalleşme ve veri analitiğini lojistik süreçlerin merkezine koyarak, sektörde hem verimlilik hem de sürdürülebilirlik açısından fark yaratmayı sürdürüyor.
Türkçe karakter kullanılmayan ve büyük harflerle yazılmış yorumlar onaylanmamaktadır.