چرا لجستیک ایران به هوش مصنوعی نیاز دارد؟
پریسا سلامتی- ۶ شهریور ۱۴۰۴
بازار لجستیک ایران در سال‌های اخیر با شتابی بی‌سابقه رشد کرده است. طبق برآورد مرکز توسعه تجارت الکترونیک، حجم جابه‌جایی مرسولات در کشور از حدود یک و نیم میلیارد مرسوله در سال ۱۳۹۹ به بیش از سه و نیم میلیارد مرسوله در سال ۱۴۰۳ رسیده است. این یعنی در کمتر از چهار سال، بازار بیش از دو برابر شده است.
اما این رشد سریع، مشکلاتی را هم نمایان کرده که دیگر نمی‌توان با روش‌های سنتی بر آن‌ها غلبه کرد. مسیریابی غیربهینه، تأخیر در تحویل، نبود هماهنگی میان شرکت‌های لجستیکی، هزینه‌های بالای سوخت و کمبود شفافیت داده‌ها، بخشی از این چالش‌ها هستند. مشتری امروز، صرفاً به دریافت مرسوله خود قانع نیست؛ او انتظار دارد در هر لحظه از وضعیت بسته‌اش مطلع شود و در صورت تأخیر، پیش‌بینی دقیق زمان تحویل را دریافت کند.
در چنین شرایطی، هوش مصنوعی از یک انتخاب لوکس به یک نیاز استراتژیک تبدیل شده است. و این همان محور اصلی دومین روز رویداد ایران AI 2025 بود؛ جایی که مدیران برجسته لجستیک ایران به بررسی این پرسش پرداختند که چگونه می‌توان با کمک داده، الگوریتم و یادگیری ماشین، لجستیک کشور را متحول کرد.
پنل تخصصی لجستیک؛ بازیگران اصلی و مأموریت آن‌ها
در دومین روز این رویداد، چهار بازیگر بزرگ و نوآور حوزه لجستیک ایران در یک پنل تخصصی گرد هم آمدند: فاخر و پرسیت، دیجی‌اکسپرس، پستکس و پادرو. هر یک از این شرکت‌ها نماینده بخشی از پازل لجستیک کشور هستند؛ از لجستیک انبوه و پایدار گرفته تا لجستیک پلتفرمی و سوشال‌کامرس.
گفتگوها نشان می‌داد که هر شرکت به سراغ یک جنبه از چالش لجستیک رفته است: فاخر بر روایت‌سازی داده و ساخت ایجنت‌های هوشمند تمرکز دارد؛ دیجی‌اکسپرس به دنبال مقاوم‌سازی شبکه لجستیکی در برابر بحران‌هاست؛ پستکس قصد دارد لجستیک را از یک سرویس ساده به یک پلتفرم هوش مصنوعی تبدیل کند؛ و پادرو در تلاش است با پیش‌بینی تقاضا، فروشندگان سوشال‌کامرس را توانمند کند.
فاخر و پرسیت؛ روایت‌سازی داده‌ها و ایجنت‌های هوش مصنوعی
حامد کهن، مدیر مجموعه پرسیت در هلدینگ فاخر، در این پنل از رویکردی متفاوت سخن گفت. او معتقد است لجستیک آینده نه‌تنها جابه‌جایی بسته‌ها، بلکه مدیریت تجربه مشتری است.
فاخر در سال گذشته استارتاپ‌استودیوی نونا را تأسیس کرده که تمرکز آن بر توسعه ایجنت‌های هوش مصنوعی برای مدیریت هوشمند لجستیک است. این ایجنت‌ها می‌توانند تمام زنجیره تأمین را به‌صورت خودکار پایش و مدیریت کنند. حامد کهن توضیح داد که سیستمهای نونا مبتنی بر مدل‌های زبانی بزرگ طراحی شده‌اند و قادرند با کاربران و اپراتورها به زبان طبیعی تعامل کنند.
او در بخش دیگری از سخنانش به پروژه‌ای اشاره کرد که شاید مهم‌ترین نوآوری فاخر باشد: “Narrative Logistics”. در این رویکرد، داده‌های لجستیکی به‌جای ارائه در قالب جداول و اعداد، به شکل یک روایت زنده و تعاملی نمایش داده می‌شوند. مشتری دیگر مجبور نیست وضعیت بسته خود را در نمودارها جست‌وجو کند؛ سیستم، داستان سفر مرسوله را برای او تعریف می‌کند:
«مرسوله شما ساعت ۹:۴۵ وارد مرکز پردازش تهران شد. به دلیل حجم بالای بار، دو ساعت تأخیر پیش‌بینی شده است. راننده ما اکنون در مسیر مقصد است و بسته شما ساعت ۱۴:۱۰ تحویل داده خواهد شد.»
دیجی‌اکسپرس؛ لجستیک مقاوم در برابر بحران
«علیشاد اعتضادی»، مدیرعامل دیجی‌اکسپرس، در سخنان خود بر این نکته تأکید داشت که لجستیک امروز بدون پیش‌بینی و مدیریت بحران، پایدار نخواهد بود. او به تجربه پاندمی کرونا اشاره کرد و توضیح داد که چگونه شبکه‌های لجستیکی جهانی در آن دوران دچار اختلال جدی شدند.
دیجی‌اکسپرس با توسعه سیستم Route Optimizer موفق شده مسیرهای حمل‌ونقل خود را بهینه کند و حتی در شرایط بحرانی، سرویس‌دهی مداوم را حفظ کند. این سیستم با استفاده از الگوریتم‌های یادگیری ماشین، حجم ترافیک، وضعیت جوی، مسافت، و حتی الگوهای تردد در مناطق مختلف را تحلیل می‌کند تا کوتاه‌ترین و سریع‌ترین مسیر ممکن را پیشنهاد دهد.
نتیجه این تلاش‌ها چشمگیر بوده است؛ کاهش محسوس مصرف سوخت، بهبود زمان تحویل، و افزایش رضایت مشتریان. اما مهم‌تر از این، دیجی‌اکسپرس اکنون به سمت لجستیک پیش‌گویانه حرکت می‌کند؛ سیستمی که نه‌تنها به بحران واکنش نشان می‌دهد، بلکه پیش از وقوع آن، ساختار شبکه را بازپیکربندی می‌کند.
پستکس؛ تحول لجستیک از سرویس به پلتفرم هوشمند
«بهرنگ عقیلی‌نسب»، رئیس هیئت‌مدیره پستکس، در پنل خبر مهمی را اعلام کرد: توسعه Postex AI Core. او این پروژه را نقطه عطفی در مسیر تحول لجستیک ایران دانست.
Postex AI Core یک پلتفرم هوش مصنوعی است که ترکیبی از پردازش زبان طبیعی، چت‌بات‌های تعاملی و سیستمهای تصمیم‌ساز هوشمند را در اختیار مشتریان قرار می‌دهد. این سیستم می‌تواند نه‌تنها وضعیت بسته‌ها را رهگیری کند، بلکه پیشنهاد بهینه‌ترین روش ارسال را ارائه دهد.
خش مهم این تحول، کاهش بار پشتیبانی مشتریان است. عقیلی‌نسب توضیح داد که چت‌بات‌های هوشمند پستکس توانسته‌اند بیش از ۹۰ درصد تماس‌های پشتیبانی را مدیریت کنند و زمان رسیدگی به مشتریان را از ۱۵ دقیقه به کمتر از ۹۰ ثانیه کاهش دهند. این یعنی پستکس در حال حرکت به سمت تبدیل‌شدن به یک پلتفرم لجستیکی مبتنی بر تصمیم‌گیری هوشمند است.
پادرو؛ پیش‌بینی تقاضا و آینده سوشال‌کامرس
«مهدی تمسکی»، مدیرعامل پادرو، در این پنل روی چالش بزرگی تمرکز داشت که بسیاری از فروشندگان کوچک و متوسط در سوشال‌کامرس با آن روبه‌رو هستند. او توضیح داد که در ایران هزاران فروشنده در اینستاگرام و تیک‌تاک فعالیت می‌کنند، اما دسترسی به داده‌های پیش‌بینی تقاضا ندارند.
پادرو با استفاده از مدل‌های یادگیری ماشین، الگویی برای پیش‌بینی دقیق رفتار مشتریان توسعه داده است. این مدل‌ها با تحلیل الگوهای خرید، کمک می‌کنند فروشندگان موجودی کالاهای خود را بهینه کنند و ریسک از دست رفتن فروش به دلیل کمبود موجودی یا انباشت کالا را کاهش دهند.
به گفته تمسکی، این سیستم توانسته خطای پیش‌بینی موجودی را به شکل چشمگیری کاهش دهد و به فروشندگان کمک کند زمان تأمین کالا را تا نصف کم کنند. این یعنی پادرو نه‌تنها لجستیک را هوشمند می‌کند، بلکه اقتصاد خرده‌فروشی آنلاین را نیز متحول می‌سازد.
روندهای جهانی لجستیک هوشمند (۲۰۲۵ تا ۲۰۳۰)
اگر بخواهیم جایگاه ایران را دقیق‌تر درک کنیم، باید به روندهای جهانی نگاه کنیم. لجستیک هوشمند در دنیا با سرعتی حیرت‌انگیز در حال حرکت است؛ از تحویل با ربات و پهپاد تا شبیه‌سازی زنجیره‌های تأمین در محیط‌های دیجیتال. شرکت‌های بزرگی مثل آمازون و فدکس در حال استفاده از مدل‌های زبانی و ایجنت‌های هوشمند برای تصمیم‌سازی بلادرنگ هستند.
در پنج سال آینده، دو فناوری اثرگذارترین نقش را در صنعت لجستیک خواهند داشت: لجستیک پیش‌گویانه و مدل‌های چندعاملی هوش مصنوعی. لجستیک پیش‌گویانه با تحلیل داده‌های عظیم از منابع مختلف، بحران‌ها و گلوگاه‌های احتمالی را پیش‌بینی می‌کند، و مدل‌های چندعاملی می‌توانند هزاران عامل مختلف – از رانندگان تا پهپادها – را به‌صورت خودکار هماهنگ کنند.
چالش‌های ایران در مسیر هوش مصنوعی لجستیک
با وجود نوآوری‌های قابل‌توجه، ایران همچنان با چالش‌های جدی روبه‌روست. کمبود داده‌های ساختاریافته، ضعف زیرساخت‌های ابری، نبود یک استاندارد ملی برای تبادل داده‌های لجستیکی، کمبود متخصصان هوش مصنوعی کاربردی و نبود حمایت کافی در زمینه سرمایه‌گذاری تحقیق و توسعه، از مهم‌ترین موانع هستند.
علاوه بر این، قوانین و رگولاتوری‌های فعلی متناسب با سرعت تحولات فناوری نیستند. برای مثال، پهپادهای حمل‌ونقل در بسیاری از کشورهای پیشرفته وارد چرخه لجستیک شده‌اند، اما در ایران هنوز چارچوب قانونی مشخصی برای استفاده از آن‌ها وجود ندارد.
آینده لجستیک ایران؛ یک نقشه‌راه پنج‌ساله
بر اساس مباحث مطرح‌شده در پنل، آینده لجستیک ایران در پنج گام کلیدی ترسیم می‌شود. گام نخست، دیجیتالی‌سازی کامل داده‌های لجستیکی و ایجاد استانداردهای یکپارچه است. در گام دوم، استفاده از الگوریتم‌های بهینه‌سازی مسیر و پیش‌بینی تقاضا فراگیر خواهد شد. مرحله سوم، یکپارچه‌سازی سیستمهای لجستیکی بین شرکت‌های مختلف است تا اشتراک‌گذاری داده و منابع ممکن شود.
در گام چهارم، مدل‌های چندعاملی هوش مصنوعی برای مدیریت ناوگان و زنجیره تأمین استفاده خواهند شد، و نهایتاً در گام پنجم، لجستیک خودکار و تحویل با پهپاد و ربات وارد چرخه عملیاتی می‌شود. اگر این مسیر با سرمایه‌گذاری هدفمند و سیاست‌گذاری هوشمند همراه شود، لجستیک ایران می‌تواند تا سال ۱۴۱۰ به سطح رقابتی جهانی برسد.
