في عصر تكنولوجيا المعلومات، يشهد سوق الشحن تحولًا جذريًا بفعل استخدام نماذج اللغات الضخمة (Large Language Models) من قبل الشاحنين لاختيار الناقلين. بينما تعود هذه الفكرة إلى الأذهان، فإن التساؤلات تتزايد حول تأثيرها على سوق المطابقة بين الشاحنين والناقلين.

نستعرض دراسة حديثة تقوم بها فرق بحثية قامت بتجارب بمحاكاة تعتمد على وكلاء شحن تم بناؤهم باستخدام نماذج مثل GPT من OpenAI، وكلود من Anthropic، وجمني من Google. هذه التجارب استمرت لمدة ثلاثين يومًا واختبرت كيفية الحصول على سعة الشاحنات في بيئة متغيرة.

النماذج الثلاثة تعرضت لمخاطر معينة أثناء المحاكاة، أبرزها تركز التطبيقات بشكل سريع على عدد قليل من الناقلين، حيث كانت نسبة المطالبات تصل إلى 76% للناقل الأكثر طلبًا في بداية التجربة. ولعل أبرز الحلول التي تم اكتشافها هو الكشف عن السعة اليومية لكل ناقل، مما كان له تأثير كبير في تقليل نسبة التركيز وتحسين الفوائد للشاحنين.

في المقابل، فإن تعدد الموردين وتنويع القائمة لم يظهر تأثيرًا ملحوظًا، مما يبرز أهمية تصميم المعلومات على المنصة كأداة فعالة تفوق في أهميتها اختيار أو تنظيم النماذج.

هل تعتقد أن استخدام الذكاء الاصطناعي في الشحن سيستمر في النمو، أم أنه سيواجه تحديات جديدة؟ شاركونا آراءكم في التعليقات!