Yapay Zekâ, Lojistik Hizmet Satın Almayı Nasıl Etkiler?

Yapay zekâ (AI), lojistik hizmet (*) satın almayı nasıl etkiler ve nasıl değiştirir (dönüştürür)? Buna cevap vermeden önce “Bir şirket, lojistik hizmetlerini veriye dayalı olarak mı satın alıyor yoksa excel tabloları, geçmiş fiyatlar, e-postalar ve kişisel tecrübeler üzerinden mi karar veriyor?” sorusunu da sormak isterim.

Lojistik hizmet satın alma, çoğu zaman yalnızca “hangi firma daha düşük fiyat verdi?” sorusuna indirgeniyor. Oysa lojistik hizmet satın alma bundan çok daha geniş bir alan. Yapay zekânın lojistik satın almaya etkisi için yalnızca lojistik hizmet sağlayıcıların verdiği fiyatların karşılaştırılmasını değil, şirketin bütün lojistik hizmet ağını ve bunun performansını düşünmek faydalı olabilir.

En ucuz lojistik hizmet gerçekten en ucuz olan mı?

Lojistik satın almanın en önemli problemlerinden biri, fiyat ile gerçek maliyet arasındaki farktır. Bir taşıyıcının fiyatı, daha düşük olabilir ancak teslimat performansı düşükse, hasar oranı yüksekse veya kapasite problemi yaşanıyorsa şirketin gerçek maliyeti çok daha yüksek olabilir.

Aynı durum depolama hizmetlerinde daha da belirgin hale gelir. Bir depo düşük palet/gün fiyatı verebilir. Fakat; sipariş hazırlama maliyetleri yüksekse, minimum hacim taahhüdü varsa, stok doğruluğu düşükse, fazla mesai ücretleri yüksekse, elleçleme ücretleri karmaşıksa veya depo müşterilere uzak olduğu için dağıtım maliyetlerini artırıyorsa; aslında ucuz görünen depo, toplamda daha pahalı hale gelebilir. Yapay zekâ, önemli bir rol üstlenebilir çünkü yapay zekâ, yalnızca teklif fiyatlarını değil çok daha fazla değişkeni aynı anda analiz edebilir.

Yapay zekâ, satın almanın önüne yeni bir soru koyuyor: “Fiyat ne?” değil, “Toplam etki ne?”

Geleneksel bir lojistik ihalesinde satın alma ekipleri farklı hizmet sağlayıcılardan gelen teklifleri karşılaştırır. Örneğin nakliye için “TL/km, TL/sefer, araç tipi, hat, palet başına, desi, m3 vs.” ve depolama için “palet/gün, m²/ay, giriş-çıkış elleçleme, sipariş hazırlama, koli toplama, paketleme ve katma değerli hizmet” fiyatlarını karşılaştırabilir. Öte yandan yapay zekâ destekli bir satın alma sistemi, örneğin “fiyat + hizmet seviyesi + kapasite + lokasyon + geçmiş performans + talep tahmini + stok profili + taşıma mesafesi + teslimat süresi + risk + operasyonel esneklik” gibi çok daha geniş veri setini değerlendirebilir:

Böylece “En düşük fiyatı kim verdi?” yerine “Bu operasyon için toplam maliyet ve hizmet seviyesi açısından en doğru lojistik yapı hangisi?” sorusu sorulabilir. Bu değişiklik, aslında lojistik satın alma anlayışını tamamen değiştirebilir.

Yapay zekâ, nakliye (**) satın alma için neyi değiştirebilir?

Bir şirketin geçmiş sevkiyatları, araç dolulukları, bekleme süreleri, taşıyıcı performansları, sezonluk kapasite problemleri, spot piyasa fiyatları ve teslimat performansları yıllar boyunca büyük miktarda veri oluşturur.

Yapay zekâ, bu veriler üzerinden satın alma ekibine örneğin “Hangi hatta hangi taşıyıcı daha başarılı?”, “Hangi fiyat teklifleri piyasa koşullarına göre yüksek veya düşük?”, “Önümüzdeki üç ay hangi bölgelerde kapasite sıkışıklığı yaşanabilir?”, “Kontratlı taşıma ile spot taşıma arasındaki optimum dağılım ne olmalı?”, “Hangi taşıyıcı düşük fiyat vermesine rağmen operasyonel olarak daha fazla maliyet yaratıyor?”, “Hangi rotalarda konsolidasyon yapılabilir?”, “Hangi sevkiyatlar farklı araç tipleriyle daha ekonomik gerçekleştirilebilir?” gibi sorular için cevapları verebilir. Böylece yapay zekâ, satın alma ekibinin karar kalitesini artıran karar destek mekanizmasına dönüşür.

Depolama hizmeti satın almada konu daha da karmaşık

Depolama hizmeti satın almak, nakliye hizmeti satın almaktan farklıdır çünkü burada yalnızca bir hizmet sağlayıcı değil, aynı zamanda bir lokasyon ve operasyon modeli seçilir. Bir deponun İstanbul’un batısında veya doğusunda olması bile toplam lojistik maliyetini ciddi şekilde değiştirebilir. Depolama maliyeti daha yüksek olan bir tesis, müşterilere daha yakın olduğu için dağıtım maliyetlerini azaltabilir. Daha pahalı görünen başka bir depo, yüksek otomasyon seviyesi sayesinde daha düşük sipariş hazırlama maliyeti ve daha yüksek doğruluk sağlayabilir.

Bu nedenle yapay zekâ destekli bir depo hizmeti satın alma modeli, kira/depolama maliyetini değil toplam lojistik ağ maliyetini optimize etmeye çalışmalıdır. Örneğin sistem, “Depo A: düşük depolama maliyeti + yüksek dağıtım maliyeti”, “Depo B: yüksek depolama maliyeti + düşük dağıtım maliyeti” ve “Depo C: orta maliyet + yüksek operasyonel esneklik + daha iyi SLA” gibi farklı senaryoları karşılaştırabilir.

İnsanların (satın alma ekibinin), yüzlerce değişken içeren bu alternatifleri sürekli olarak karşılaştırması oldukça zordur. Yapay zekânın gerçek avantajı, burada ortaya çıkar. Bu da çok sayıda değişken arasındaki ilişkileri birlikte değerlendirebilmek.

Nakliye ve depolama, ayrı ayrı satın alınabilir mi?

Bazı şirketler, birçoğu, nakliye ihalesini ve ihalesini ayrı yapabilir. Oysa bunlar, ekonomik olarak birbirlerinden bağımsız değildir ve birbirini etkiler. Deponun lokasyonu nakliye maliyetini, sipariş profili depo operasyonunu, stok politikası ihtiyaç duyulan alanı, müşteri teslimat beklentisi hem depo hem dağıtım ağını, sezonluk dalgalanmalar ise hem depo kapasitesini hem taşıma kapasitesini etkiler.

Yapay zekâ destekli satın alma, yalnızca “hangi lojistik hizmet sağlayıcısını seçmeliyim?” sorusunu değil “Lojistik ağımı nasıl kurgulamalıyım ve bu ağ içerisindeki hizmetleri kimlerden, hangi kapasitede, hangi sözleşme modeliyle satın almalıyım?” sorusunu cevaplamalıdır. Satın alma, klasik RFQ sürecinden ziyade “ağ optimizasyonu (network optimization)” çözümüne dönüşür.

Yapay zekâ, RFQ ve teklif değerlendirme süreçlerini de değiştirebilir

Lojistik satın alma süreçlerinin önemli bir bölümü, bugün hâlâ manuel. Basitçe RFQ hazırlanır ve hizmet sağlayıcılara gönderilir, teklifler Excel veya PDF olarak gelir, eksik bilgiler için tekrar e-postalar gönderilir, gelen teklifler karşılaştırılır.

Üretken yapay zekâ ile geçmiş sözleşmeler, operasyon verileri ve ihtiyaç tahminleri kullanılarak RFQ taslağı oluşturulabilir; teklifler, otomatik olarak okunabilir; sözleşmeler karşılaştırılabilir ve olağan dışı maddeler işaretlenebilir. Örneğin yapay zekâ, “Bu depo teklifinin palet/gün fiyatı diğer tekliflerden %12 daha düşük. Ancak giriş-çıkış elleçleme ve minimum aylık hacim şartları dikkate alındığında beklenen yıllık toplam maliyet %8 daha yüksek.” Uyarısını vererek satın alma kararının niteliğini değiştirebilir.

Yapay zekâ, pazarlığı da mı yapacak?

Yapay zekâ, örneğin geçmiş ihaleleri, piyasa fiyatlarını, hizmet sağlayıcının kapasitesini ve şirketin satın alma hacmini analiz ederek satın alma ekibine bir “hedef fiyat veya pazarlık aralığı” önerebilir. Hatta gelecekte bazı standart lojistik hizmetlerde yapay zekâ ajanlarının, hizmet sağlayıcıların sistemleriyle doğrudan görüşerek kapasite ve fiyat müzakeresi yapması şaşırtıcı olmayacaktır.

Lojistik hizmet satın alma, yalnızca fiyat pazarlığından ibaret değildir. Bir lojistik hizmet sağlayıcının kriz anındaki davranışı, esnekliği, iletişim kalitesi, yönetim ekibi, finansal dayanıklılığı ve müşterisiyle kurduğu güven ilişkisi her zaman kolayca sayısallaştırılamaz (şimdilik). Bu nedenle geleceğin modeli, muhtemelen “AI + satın alma uzmanı + lojistik operasyon uzmanı” üçgeninde şekillenecektir.

Asıl değer, ihale öncesinde olabilir.

Yapay zekânın en büyük katkısı, belki de teklifleri karşılaştırmak değil, neyin satın alınması gerektiğini belirlemek olacaktır çünkü yanlış tasarlanmış bir lojistik operasyonu ne kadar iyi ihale ederseniz edin, sonuç optimum olmayacaktır.

Yapay zekâ, örneğin “Şirket, gerçekten 20.000 m² depoya mı ihtiyaç duyuyor yoksa stok politikası değiştirilirse 15.000 m² yeterli olabilir mi?”; “Her taşıma hattı için yıllık kontrat gerekli mi? yoksa bazı hatlar spot piyasadan yönetilebilir mi?”, “Tek bir merkezi depo mu yoksa bölgesel depolar mı daha doğru?”, “Fulfillment operasyonu, şirket içinde mi tutulmalı yoksa dışarıdan mı alınmalı?”, “Nakliye ve depo, aynı 3PL tarafından mı yönetilmeli mi yoksa ayrı ayrı mı satın alınmalı?” gibi soruların cevaplarını satın alma başlamadan önce sorgulayabilir. Bu durumda satın almanın görevi, “en düşük fiyatla satın almaktan” ziyade “doğru ihtiyacın ne olduğunu sorgulamaya” doğru ilerler.

Ancak bir sorun var: Yapay zekâ, kötü veriyi iyi karara dönüştüremez

Veriye ulaşım ve veri kalitesi, lojistik için çok büyük sorundur. Taşıma verileri, bir sistemde; depo operasyonları, başka bir sistemde; faturalar ERP’de; SLA sonuçları Excel’de, sözleşmeler PDF dosyalarında olabilir. Hatta aynı hizmet sağlayıcının “adı”, farklı sistemlerde farklı şekillerde kayıtlı olabilir.

Yapay zekâ, ne kadar gelişmiş olursa olsun; eksik, hatalı ve standartlaştırılmamış veriler üzerine kurulan analizler, yanlış sonuçlara yol açabilir. Bu nedenle lojistik satın almada AI dönüşümünün ilk adımı, mutlaka verinin temizlenmesi, standardizasyonu ve görünür hale getirilmesi olmalıdır.

Yapay zekâ, satın almacının yerini mi alacak?

Aslında asıl soru, “Yapay zekâyı kullanan lojistik satın alma ekipleri, kullanmayan ekiplerden ne kadar daha iyi karar verecek?” olmalıdır.

Lojistik hizmet satın alma, gelecekte yalnızca fiyat toplamak, Excel tablolarını karşılaştırmak ve tedarikçilerle pazarlık yapmak anlamına gelmeyebilir. Satın almacılar; talep tahminlerini, depo kapasitelerini, taşıma ağlarını, hizmet seviyelerini, tedarikçi performansını, operasyonel riskleri ve toplam lojistik maliyetini aynı anda değerlendirmelidir. Mevcut yetkinlikler ve iş modeli (iş yapış), buna uygun olmayabilir (yeterli olmayabilir). Yapay zekâ, satın alma ekibinin (uzmanlarının) bu eksikliğini kolaylıkla tamamlayabilir.

Yapay zekâ, bütün bu değişkenler arasında insanın tek başına görmekte zorlanabileceği ilişkileri ortaya çıkarabilir.

Ve belki de lojistik satın almada yapay zekânın yaratacağı en büyük değişim, daha hızlı ihale yapmak değil daha doğru soruları sormak olacaktır. Zira geleceğin lojistik satın alma ekibinin en önemli sorusu, “Bu hizmeti kimden daha ucuza satın alabilirim?” değil “Şirketim için gerçekten hangi lojistik hizmeti, nerede, ne kadar kapasiteyle, hangi hizmet seviyesinde ve hangi iş ortağından satın almalıyım?” olabilir. Bu sorunun cevabı, artık yalnızca satın alma departmanının Excel dosyasında değil “veri, yapay zekâ ve insan tecrübesinin” kesiştiği yerde aranacaktır.

(*) Lojistik hizmet satın alma için nakliye, depolama ve dağıtım hizmetleri münferit veya birlikte değerlendirilebilir.

(**) “Nakliye, dağıtım, taşıma” ifadeleri, birlikte düşünülebilir.