人工智能在包裹递送公司与托运人和消费者的互动中发挥着越来越重要的作用。
联邦快递、UPS 和包裹领域的小型公司正在利用该技术来生成更精确的数据运输时间估计、限制包裹被盗、自动化客户服务流程并帮助客户了解包裹递送数据。接受 Supply Chain Dive 采访的高管表示，最终结果是交付服务更加可靠，关键信息能够更快地交付给托运人。
“我认为联邦快递的人工智能未来将成为真正的变革推动者，”托尼·克雷格 (Tony Kreager) 说道该公司负责数据、数字和商业技术的企业副总裁在电子邮件中说道。
该技术已经成为 FedEx 内部运营效率的关键驱动力。今年早些时候，该公司利用人工智能算法，在田纳西州孟菲斯枢纽的严冬天气之前主动转移货量。竞争对手 UPS 已使用它来将网络容量与货量波动相匹配，从而帮助其控制劳动力成本。
但人工智能技术为托运人带来了更明显的好处。商业和技术咨询公司 West Monroe 的董事总经理斯里·斯里帕达 (Sri Sripada) 表示，包裹递送公司现在可以综合和分析与流经其网络的包裹相关的大量数据，以及天气和交通等外部因素。这加速了人工智能在面向客户的应用程序中的使用。
“他们中的大多数实际上都在一路到达终点线，这实际上意味着您可以扩展这些人工智能Sripada 表示：“创新贯穿各个网络，最终到达一大部分客户。”
FedEx 提供两小时预计送达时间大多数货件的交货时间窗口是在预计通过 AI 到达的当天。Kreager 表示，通过使用其全球交付预测平台，该公司将实时货运数据与最后一英里交付信息合并，然后将其输入“利用街道地理的复杂预测模型”。
“我们利用人工智能来确保为客户提供有关联邦快递货件的最准确的目标信息，”克雷格说。“客户希望近乎实时地了解他们的货物，并正在刷新 fedex.com 和移动应用程序，以了解重要的服装或礼物何时到达。”
其他承运商正在利用人工智能来实现更精确的交付时间估计也是如此。Veho 是一家使用零工司机的快速扩张的承运商，它利用的技术考虑了除停靠点之间的标准驾驶时间之外的各种因素，例如个体司机指标和包裹的大小。
“如果Veho 联合创始人兼首席技术官 Fred Cook 在 6 月份的送货世界会议上表示：“如果有人将三个大箱子运送到一间公寓，我们知道这比运送一个塑料袋到公寓需要更长的时间
库克表示，Veho 还在尝试使用生成式人工智能，以了解司机对客户特定交付要求的遵循程度。该技术将司机的投递图片证明与给定的指令进行比较，并对投递进行相应评分。
人工智能的存在可以影响包裹承运人最终投递的地点
例如，UPS 的 DeliveryDefense 产品允许托运人及其客户将存在被盗风险的货件重新路由到备用投递地点。其软件使用人工智能和机器学习技术来权衡位置、投递尝试次数和包裹丢失频率等因素，以预测在特定地址成功投递的可能性。
DeliveryDefense 将帮助托运人提高安全性执行副总裁兼首席数字和技术官 Bala Subramanian 在 3 月份的 UPS 投资者日演讲中表示，在打印运输标签之前做出更明智的递送决策。
“人工智能有助于创建简单的可操作分数，识别 2% 的地址这导致超过 30% 的运输损失，”Subramanian 说。“我们将使用只有 UPS 才能为我们的客户汇总的独特数据，以帮助释放价值。”
在内部，UPS 依靠生成式 AI 来自动回复每天收到的约 52,000 封客户电子邮件中的一些电子邮件，例如嗯，《CIO》杂志在 5 月份报道过。在“消息响应自动化”项目的试点测试期间，UPS 发现其代理解决电子邮件查询（例如保留包裹以供取件的请求）所花费的时间减少了 50%。
托运人正在利用人工智能来改善自己在包裹递送方面的决策。
包裹审核软件提供商 ShipScience 在今年早些时候发布了 ParcelAI 聊天机器人，以快速响应客户的询问运输数据，例如承运人绩效比较和运输时间速度。除了其他承运商之外，它还可以与来自 FedEx 和 UPS 帐户的托运人数据集成。ShipScience 创始人兼首席执行官安东尼·罗宾逊 (Anthony Robinson) 表示，查询越具体，提供的结果就越好。
“总体目标是为任何一位物流专业人士提供一个公司的物流专业人士，该公司甚至拥有稍微复杂的包裹数据以及获得快速答案的能力，”Robinson 在接受采访时表示。
生成式 AI 解释运输数据的能力将使大批量托运人比小型企业受益更多，至少在不久的将来是这样罗宾逊说，从长远来看，考虑到他们每月必须管理数以万计的货物。
“他们的订单量在变化，他们的客户在变化，承运商也在变化，”他说。“有很多事情在变化，因此在中间放置一些东西会很有帮助，可以将它们缝合在一起，并帮助您在所有这些情况下做出正确的决定。”
人工智能不是一根魔杖然而，公司可以轻松地改善托运人的体验。West Monroe 的 Sripada 表示，他们需要聘请合适的人才，开发必要的基础设施，并弄清楚如何轻松访问客户运输和订单数据，以便为人工智能系统提供大量干净且准确的信息。
“我认为清洁数据的访问和可用性存在一个障碍，它允许您集成所有这些数据元素并将这些元素模型或人工智能模型置于其之上，”Sripada 说。