|   5 minute read

Hvordan kan AI forbedre reiseadministrasjon for mannskapsbytte?

AI and machine learning in shipping

Som sponsor og reisepartner på årets Seatrade Crew Connect i Manila, var ATPI Marine Travel en del av de viktige samtalene som former fremtiden for skipsfartsindustrien. Arrangementet samlet maritime ledere for å utforske innovasjon innen rekruttering, logistikk, velvære og digital transformasjon. Blant de viktigste temaene var den økende rollen til kunstig intelligens, med et spesielt fokus på dens virkelige anvendelse på tvers av mannskaps- og skipsadministrasjon.

ATPIs Eleftheria Letsiou, Head of Global Account Management, deltok i et panel av bransjeeksperter for å undersøke nåværende brukstilfeller for AI og maskinlæring (ML) innen skipsfart. Diskusjonen fokuserte på hvor disse teknologiene allerede utgjør en forskjell, utfordringene for bredere adopsjon, og hvordan organisasjoner kan bevege seg fremover på en ansvarlig måte.

Koble sammen systemer, ikke bare verktøy

Et tilbakevendende tema var behovet for å takle de strukturelle frakoblingene som begrenser potensialet til enhver smart teknologi. Når systemer og prosesser er fragmenterte, kan AI eller ML bare operere på overflatenivå. Å automatisere en enkelt bestilling eller forutsi en flyforsinkelse kan være nyttig, men uten integrasjon forblir disse forbedringene isolerte.

Meningsfull fremgang vil komme fra integrerte arbeidsflyter og delte data. Frittstående AI kan ikke optimalisere hele mannskapsbytteprosessen hvis den bare har synlighet over en del av den. Under paneløkten ble samutvikling av verktøy som fungerer med eldre systemer presentert som en realistisk løsning. Faktisk, ifølge forskning fra ATPI, foretrekker mange organisasjoner modulære oppgraderinger som bygger på det som allerede fungerer, fremfor fullstendige systemutskiftninger.

Panelet advarte mot «lagdelingsfellen», der organisasjoner bruker teknologi oppå mangelfulle prosesser. Dette kan føre til ineffektivitet og tapte muligheter for meningsfull forbedring. I stedet bør AI og ML introduseres etter at arbeidsflyter er klargjort, ansvar er justert og kommunikasjonsflyter er etablert. På denne måten kan digitale verktøy forbedre påliteligheten, redusere manuelle oppgaver og støtte en mer stabil, tilkoblet drift.

Gjennom hele økten var det enighet om at de mest effektive modellene balanserer automatisering med menneskelig støtte. Ved Marine Travel, der forstyrrelser kan ha reell operasjonell og personlig innvirkning, fortsetter kundene å forvente responsiv, ekspertintervensjon når det er nødvendig. Å få det grunnleggende riktig først er avgjørende for at teknologien skal lykkes.

AI-forbedret mannskapsbyttelogistikk

Eleftheria Letsiou delte hvordan ATPI adresserer den vedvarende utfordringen med fragmentering i logistikkoperasjoner for mannskapsbytte. Mens smarte teknologier presenterer et betydelig potensial, understreket hun at det ikke kan fungere isolert fra strukturerte arbeidsflyter og koordinert input på tvers av alle interessenter.

Mannskapsbytter involverer vanligvis flere parter, inkludert mannskapsteam, reisekoordinatorer, havneagenter og fartøysoperatører. Disse funksjonene opererer ofte parallelt, ved hjelp av separate systemer og tidslinjer. Som et resultat er forsinkelser og feilkommunikasjon vanlig, noe som fører til ineffektivitet som påvirker både kostnader og den generelle mannskapsbytteopplevelsen.

ATPIs Door to Deck-konsept adresserer denne utfordringen ved å skape et tilkoblet miljø der rederier, reiseleverandører og havneagenter opererer innenfor et enkelt, koordinert rammeverk, og hjelper mannskapsavdelinger med å justere planlegging, øke synligheten og støtte rettidige oppdateringer.

Bygge arbeidsflytgrunnlaget

ATPI visualiserer en to-fase tilnærming for å levere teknologi- og datadrevet optimalisering for operasjonelle moduler som kan ha nytte av det.

Fase 1: Profesjonell-drevet synergi

Utgangspunktet er arbeidsflytklarhet. Ekspertteam kartlegger og administrerer strukturerte arbeidsflyter, og sikrer at ansvar er definert og at informasjon, som ETA-oppdateringer, når de rette personene til rett tid. Denne profesjonelt ledede tilnærmingen reduserer forsinkelser, forbedrer kommunikasjonen og etablerer et stabilt grunnlag for samarbeid mellom alle involverte parter.

Fase 2: AI-drevet optimalisering

Når disse arbeidsflytene og partnerskapene er på plass, kan AI forbedre prosessen. Prediktiv analyse, automatisert håndtering av forstyrrelser og intelligent ruting blir mulig gjennom AI og leverer full verdi når det er bygget på et konsistent operasjonelt rammeverk.

Denne fasevise modellen gjenspeiler ATPIs posisjon om at neste generasjons teknologi bør utfylle og forbedre etablerte praksiser, ikke overstyre dem. Ved å starte med strukturerte prosesser og interessenttilpasning, har integreringen av slike teknologier en mye bedre sjanse til å levere praktiske, målbare forbedringer i logistikkadministrasjonen for mannskapsbytte.

Data, infrastruktur & mennesker

Panelet konkluderte med å forsterke at AI eller ML bør sees på som et verktøy for å støtte, ikke erstatte, menneskelig kapasitet. Dette er spesielt viktig i områder med høy risiko eller overholdelsesdrevet, der dømmekraft og kontekst fortsatt er avgjørende.

For at datadrevet innovasjon skal lykkes i den maritime sektoren, må organisasjoner investere i solid datainfrastruktur og sikre at deres arbeidsstyrke forstår hvordan de skal engasjere seg med disse verktøyene. Opplæring og utdanning vil bidra til å sikre at ansatte forblir trygge og relevante etter hvert som smarte teknologier blir mer innebygd i driften. Robuste styringsrammer ble også identifisert som et kritisk krav. Med klare retningslinjer, ansvar og etisk tilsyn kan intelligent automatisering distribueres på måter som stemmer overens med bransjens verdier og driftsstandarder.

Fra ATPIs perspektiv understreket diskusjonen viktigheten av praktisk integrasjon. Mannskapsbytteprosesser er iboende komplekse, og involverer både operasjonelle risikoer og menneskelige konsekvenser. AI-drevne løsninger og ML-drevne modeller kan støtte mer forutsigbare, effektive resultater, men bare når systemer, prosesser og mennesker er tilpasset fra starten.