La setmana passada, el nostre equip va tenir el privilegi de participar en una taula rodona d’alt nivell al CIDAI (Centre of Innovation for Data Tech and AI) a Barcelona, fomentant el diàleg de la indústria sobre l’intercanvi de dades entre els ecosistemes de logística, mobilitat i IA. Stefano Persi, CEO, va parlar de com la IA pot donar suport pràcticament a una logística més eficient, sostenible i resilient, centrant-se en el transport multimodal i el paper del transport ferroviari de mercaderies en la construcció de xarxes logístiques més intel·ligents.
La discussió va formar part del treball més ampli al voltant del llibre blanc del CIDAI, creat a través del seu grup de reflexió amb contribucions d’actors públics i privats. Com a participants en aquest esforç, vam tenir el plaer de contribuir a la taula rodona, on Stefano Persi va compartir exemples pràctics i estudis de casos que destacaven el paper de la IA i l’intercanvi de dades fiable en entorns logístics reals.
Dades sobre el sector
Els volums de transport ferroviari de mercaderies es mantenen per sota de la mitjana europea i una tarifa de 5 milions d’euros agreuja el repte. El transport de mercaderies per ferrocarril continua enfrontant-se a reptes operatius i estructurals, fins i tot quan s’espera que la demanda creixi significativament.
D’acord amb els objectius del Climate Neutrality 2050, es preveu que els volums de transport ferroviari de mercaderies es dupliquin en comparació amb les mitjanes històriques recents. Aconseguir aquest creixement requerirà no només inversió en infraestructura, sinó també una millor coordinació, optimització i col·laboració en tot l’ecosistema logístic.
Des de la perspectiva de CIMALSA, la multimodalitat és una palanca central per millorar l’eficiència i la sostenibilitat logística. El model òptim combina el ferrocarril per al transport de mitjana i llarga distància i el transport per carretera principalment per a operacions de primera i última milla. La IA permet aquest canvi donant suport a la reassignació dels fluxos de transport del camió al ferrocarril, optimitzant rutes, horaris i ús de la capacitat. Aquest enfocament pot reduir significativament les emissions en comparació amb el transport només per carretera, alhora que manté la flexibilitat operativa.
Compartició de dades i espais de dades
Un repte recurrent identificat és la reticència dels operadors i agents logístics a compartir informació. Si bé les preocupacions sobre la privadesa són legítimes, sovint limiten l’optimització a nivell de sistema. Els espais de dades es van destacar com un factor clau, ja que proporcionen:
- Intercanvi segur de dades i accés controlat.
- Normes clares sobre com es comparteixen i s’utilitzen les dades.
- Base tècnica perquè les eines d’IA suggereixin rutes, calculin costos i simulin escenaris operatius.
En garantir la confiança de les dades, els espais de dades permeten a la IA donar suport a una millor presa de decisions sense comprometre la informació empresarial sensible.
Reptes del sector logistic
Cinc reptes importants configuren el futur del transport de mercaderies i la logística ferroviària:
- Pressió per la sostenibilitat i la descarbonització.
- Resiliència davant les crisis globals i geopolítiques.
- Congestió urbana i regulació de l’última milla.
- Interoperabilitat de la digitalització i vulnerabilitats de la ciberseguretat.
- Preparació organitzativa i transformació tecnològica.
Aquests reptes estan estretament interconnectats i requereixen respostes coordinades.
On la IA pot aportar valor tangible
La IA ja està demostrant beneficis mesurables en les operacions de transport i distribució, on pot aportar millores en eficiència, cost i sostenibilitat. Per a Mosaic Factor, això inclou projectes d’automatització per a la càrrega i descàrrega de contenidors als ports.
Malgrat el seu potencial, hi ha barreres dificulten l’adopció de la IA. Aquests reptes inclouen:
- Manca d’una estratègia d’IA dins de les organitzacions,
- problemes de governança i fragmentació de dades,
- manca de dades històriques de qualitat, dificultat per avaluar el retorn de la inversió de les iniciatives d’IA,
- i un entorn regulador complex i inconsistent. Abordar aquestes barreres requereix una alineació estratègica més clara entre tecnologia, operacions i regulació.
Els participants es van alinear en un model de tres nivells per al sector:
- Digitalització: digitalització bàsica i automatització, on el progrés ja és visible.
- Compartició de dades: intercanvi segur de dades, que permet la visibilitat de la xarxa.
- Visibilitat i històries d’èxit: més xarxes que logística i guanyar visibilitat de les històries d’èxit.
Avançar a través d’aquests nivells és essencial per desbloquejar tot el potencial de la IA en la logística.
Conclusions
L’eficiència logística depèn de la combinació eficaç d’innovació, sostenibilitat i regulació. La pregunta clau per als operadors és quin valor es crea compartint dades. La IA, quan es combina amb la multimodalitat i marcs de confiança per compartir dades, pot millorar significativament l’eficiència, la sostenibilitat i la resiliència dels sistemes de transport ferroviari de mercaderies i logística.
Durant la taula rodona, Stefano va destacar tres projectes als quals Mosaic Factor va contribuir:
- Pioneers: Previsió del transport de contenidors (Iniciativa de Ports Verds de la UE)
- Port of Antwerp-Bruges: Predictor del flux de càrrega
- Disruptive: Detecció i classificació de les interrupcions de la xarxa logística
Junts, aquests projectes mostren l’impacte pràctic de la IA i la col·laboració de dades en operacions logístiques reals, fonamentant la taula rodona de la CIDAI en solucions tangibles.