成立於 2018 年的艾立運能，由總經理林炫伯帶領旗下團隊，近年來成功於台灣運輸市場開疆闢土。艾立運能稱自己為「科技賦能的物流業者」，不僅擁有自己的車隊、物流士和物流技術，最近還導入生成式 AI 應用，為零售業後端最重要的商品運輸業務，開創出與眾不同的新面貌。
艾立運能的員工組成與傳統物流業有很大不同，大概只有 40% 員工源自運輸業，而其他 60% 則來自科技領域公司。林炫伯認為，這種擁有融合文化的混血團隊，使公司具備運用科技的優勢和彈性，並且能夠讓旗下解決方案具備更高的實用性。
曾經待過 Google 與 Amazon 的林炫伯說，很多人以為艾立運能的主要業務是「軟體製造商」，事實上公司至今仍是傳統意義上的「物流業者」，只是將科技應用到現有業務上。
艾立運能目前仍以提供 B2B 貨運服務為主，將運輸物流的軟硬體整合解決方案，一次提供給旗下客戶，包含韓系、歐系品牌的家電配送與安裝，以及 20 多家民生消費品、食品，以及全台灣最大連鎖超市都是該公司的合作夥伴。
零售業合併帶來的運輸衝擊
台灣的陸運貨運市場一年總產值大約是 3300 億新台幣，然而，台灣卻有超過 5000 家貨運公司，而民眾熟悉的 4 大貨運，包含新竹物流、黑貓宅急便、嘉里大榮和宅配通，他們所合計的產值卻不到 20%。
林炫伯指出，台灣物流業者目前所面臨的問題，主要在於兩個方面，其中一個是需求面，另一個則是供給面。首先在供給面上，擁有 20 台貨車以下的中小型貨運公司，為台灣目前運輸業的主力，但這些公司正面臨子女不願接班、電動貨車導入並可能於未來強制換新等問題，他預測其中有 10% ～ 20% 甚至會於未來 10 年內陸續消失。
此外，台灣零售產業的整併導致「統倉」變得更大，物流業者從產品製造商手中接到貨時，從過去的小貨車、多送貨點的運輸型態，轉變為使用大卡車、單一送貨點的模式，進而對整個物流業的運輸網路、車型、路線、上下貨方式、容器選擇等各方面都產生了改變。
至於在需求面上，疫情期間物流業是少數沒有受到打擊，反而更加蓬勃發展的行業，而台灣民眾對於商品運輸需求的顯著提升，使得物流業必須要提高工作效率，才能有可能去應付不斷成長的送貨量。
因此，艾立運能決定從「送貨單」下手，透過 OCR 光學字元辨識與生成式 AI 的結合運用，將仍在物流業後端的紙本單據數位化，也就是所謂的「AI 數位回單」解決方案。
一張「紙本貨運單」的各種身分
林炫伯解釋，物流業中一張「貨運單」會在它的生命週期內，擁有許多不一樣的身分；舉例來說，當「貨運單」在產品製造商手上時，起初只是一張客戶預購商品的「訂貨單」；當單子傳到倉庫後，它就變成了一張倉管人員挑選商品的「揀貨單」。
當倉庫揀選完貨品，並且運輸到零售商手上時，這張單據會再變成「配送單」；而配送單到了零售端就會再變成一張「驗收單」；商品配送完畢且得到零售端簽收後，該單據就準備送回製造商手上並核銷貨款，也就是說這張「驗收單」同時還是一張擁有金錢兌換價值的「證明回單」。
掌握 AI 趨勢 & 活動資訊一點都不難！訂閱電子報，每週四一起《AI TOgether》
感謝訂閱！隨時注意信箱的最新資訊
紙本貨運單的一生，經歷訂貨單、揀貨單、配送單、驗收單與證明回單，總共擁有 5 種身分，但卻隨時有著丟失、損毀、錯置等風險，薄薄一張單子甚至還需要承擔向廠商請款的重責大任，可是這種「傳統」卻仍然為當今物流業的現場實況。
此外，由於每家產品製造商的貨運單格式全都不同，當物流業者開始歸檔、統整，準備向廠商統一請款時，只能仰賴傳統人力登打，既費時又費力，還要考慮紙本單據的收納空間、後續資料的查找、單據的寄送成本，以及登打人員離職後的經驗傳承問題，這些都是艾立運能開發「AI 數位回單」前，親自在運輸業中體驗到的痛點。
生成式 AI 結合 OCR 字元辨識
艾立運能團隊利用成熟的 OCR 技術，首先提取單據上的各類文字，接著再調用 AI 模型，將辨識出來的文字一一歸類，使其能夠對應並輸入至統整表單中的每個項目，例如貨運單編號、製造商名稱、金額等等，讓行政人員可以徹底省去手動登打的麻煩，效率更是比以前快了超過百倍，人力消耗亦大幅縮減。
在開發「AI 數位回單」解決方案前，林炫伯即強調整套解決方案必須要有「不求人」的先行概念，因為艾立運能的身分是物流商，他們沒有足夠權力和話語權，去要求上游的製造商、下游的零售商將一切流程數位化。
林炫伯說，若是站在工程師的角度，他一定會把紙本單據的簽核過程通通做成「API」，並且讓上下游廠商都擁有 API 大家串流互通，根本不必大費周章採用 OCR 和生成式 AI；然而，物流業就是如此傳統且缺乏數位轉型，艾立身為中間者只能在「不求人」的情況下，想辦法讓增進效率的解決方案成功落地。
實際採用「AI 數位回單」解決方案後，艾立運能發現登打人員的錯誤率大幅降低，而且成功減少重複工作帶來的效率低落；團隊在開發解決方案時，更屢屢驚嘆生成式 AI 對貨運單據資料結構的標註及理解能力。
林炫伯指出，過去他任職於 Google 時曾領導過類似的解決方案，但當時得花費工程師大把時間和精力才能產出結果，成品至少擁有幾百萬美金的價值，可是在生成式 AI 的幫助下，艾立運能團隊僅用了短短 3 天，就搞定了軟體方面的開發工作，並且提出可用、高精準度的原型。
如何將 AI 應用落地才是問題
只不過，擁有軟體並不代表解決方案能夠立刻上線，因為開發團隊後續還花上了好幾個禮拜，研究「AI 數位回單」究竟該如何在運輸業的現場實際落地。
艾立運能曾嘗試過藉由事務機掃描單據，存檔成圖片後再交由軟體進行字元辨識，但他們發現由於貨運單格式不一，因此事務機容易卡紙且效率極差，行政人員拆掉單據上的釘子也非常耗時。
最後，開發團隊選擇了實物攝影機，配合特別設計的腳踏按鈕，讓登打人員可以如操作流水線一般，只需「放上去、踩一下」就將紙本單據輕鬆數位化。
這次開發「AI數位回單」解決方案的經驗，讓林炫伯深覺「如何落地」才是 AI 應用在現實生活中所面臨的最關鍵課題，不過與此同時 AI 也帶來許多好處，例如讓原本擁有高超程式碼撰寫能力的工程師，多出了時間跟心力去發現、處理更實際的問題，比方說如何操作掃描過程、選擇哪種硬體搭配等，跟過去的程式開發體驗很不一樣。
借助 AI 讓傳統運輸業「彎道超車」
林炫伯指出 AI 於物流業其實還能夠發展出許多不一樣的應用，例如他近期親自在倉庫中撿貨時，就發現原來人工揀貨確實容易發生容易失誤，因此未來或許可以借助多模態 AI 在聲音跟影像方面的應用，透過即時影像辨識來協助揀貨員，並於揀取類似、鄰近的產品時發出提醒。
對於希望看見零售業如何應用 AI 技術，林炫伯個人認為，他很喜逛菜市場並且問攤販問題、打交道，假如有一天現代超市可以延續傳統市場的體驗，例如在貨架旁安裝一套 AI系統，隨時問它「想燉湯該買哪個部位的豬肉比較好」並得到答案，讓 AI 代替攤販老闆的角色，這就是一種應用的可能性。
談到艾立運能未來可能如何推動 AI 技術，林炫伯指出他們是一家非常包容、寬容的公司，對於嘗試任何新方法皆來者不拒，就如同「AI 數位回單」解決方案一樣，他希望人工智慧可以讓傳統運輸業「彎道超車」，補足過去 20 年來極度缺乏的數位化，使物流業達成數位轉型。
林炫伯最後說，其實公司中許多源於科技業的同事，以前從沒有想過自己所累積的背景、經驗和知識，居然可以應用到物流業上，並貢獻自己所長使讓整個產業變得更好，而這個富有創造力的團隊，更是他目前經營公司到現在最為驕傲的地方。
【推薦閱讀】
◆ 【以後物流業不怕缺司機了】Volvo 推出首款無人卡車，搭載 4 級自動駕駛系統今年夏天上路
＊本文開放合作夥伴轉載，內文圖片來源：艾立運能、TechOrange。首圖來源：TechOrange
