Dalibor Pátek: Same day dodání nejde bez automatizace | Heavy Load #4

Buď to tam mám pořád manuální pik, to je třeba pekárna, jo, chci prostě mít rohlík opravdu čerstvý, nepomačkaný, pořád to dělají nejlíp lidi.

Možná všem napadla jako jedna otázka, protože vím, že po rozhovoru pak musím jít domů a budeme čekat jako právě jako nákup, že ho budu muset jako vybalit.

Přemýšlejte jako vlastně vůbec o tom, jak ten nákup dostat ne ke dveřím, ale až až do té ledničky.

Eh, my jsme měli jako nápady na tohle typu. Hele, tak mít kamery třeba přímo v té lednici, jo, že ono to není jenom o tom, že to tam dám, ale že bychom třeba jako daleko efektivněji poskytovali službu daleko lepší zákazníkům, kdybychom věděli, co má doma, jo.

A to ne kvůli tomu, že bychom chtěli být nějakej velkej bratr, ale třeba se každému jako stane: já jsem zapomněl koupit kečup, ty vole, já prostě chci opéct ty klobásy a já nemám kečup.

Ve složitém dodavatelském řetězci intuice zkrátka nestačí.

Vlogio z vašich dat vyčtou, kde přesně ztrácíte peníze.

Problém nejenalzují, ale funkční řešení rovnou postaví a nasadí od přesného forecastingu po automatizaci skladů.

Více na logio.cz.

Vítám vás u dalšího dílu podcastu Heavy Load a dneska je tu se mnou host z firmy, kterou si myslím, že většina z vás zná a většina z vás používá.

Eh, firma Rohlík, která dováží vlastně potraviny po celém Česku a dalších zemí Evropy.

A dneska se mnou tu je Dalibor Pátek, člověk, který má na starost automatizaci skladů, robotizaci, umělou inteligenci a hromadu hromadu dalších věcí.

Takže vlastně díky Daliborovi eh máte doma potraviny k večeři a případně i další věci, které si objednáváte.

Dalibore, vítejte.

>> Děkuju.

>> Eh, dneska jsme tady v Praze, máme skoro 40 stupňů, což je jako eh řekněme si, ne úplně příjemná teplota.

Jak to ovlivňuje vlastně jako rohlík a sklad?

Jo, já vám na to odpovím.

Já jsem si jenom upravím rohlík a nákupy doma máte díky Tomášovi Čupravě.

Já jsem pak malé kolečko, potom, co dělá nějakou specifickou věc.

Jasně mi to je jasné.

A jinak co se týká těch teplot, tak jako jsou tam problémy, které si lidi asi dovážou představit, že není pohodlné jezdit jako kurír jo, 8, 10 hodin v autě. Není pohodlné být ani na tom skladě. Byť jsme schopní sklady klimatizovat, tak ale stejně to není nic jakoby příjemného.

Když potřebují nějaké pauzy přijde jakoby zvenku, tak samozřejmě to impaktuje ty základní parametry. Mám nějakou nedocházku z toho labor poolu, takzvaného, z toho půlu lidí mi vlastně vypadávají lidi, musíme řešit nějakou predikci, musíme řešit třeba jakoby doplňování toho stavu více než normálně. Ale pak jsou tam třeba specifičtější problémy, které jsou třeba docela zajímavé.

Že musíte u toho auta otevřít u zákazníka lednici, že jo, co tam máme v autě.

Vy ji otevřete a ono se to fakt už v tomhle počasí nedá uchladit. Vy musíte dodržovat nějakej teplotní řetězec.

Takže tohle je třeba jakoby problém, který řešíme teďka jakoby aktuálně: jak to udělat, abych to mohl otvírat, ale zůstala mi vevnitř rozumná teplota, jo, protože si to můžete zkusit i s autem. To vám jako klimatizace neuchladí, jo.

A pro nás vlastně jako samozřejmě bezpečnost potravin, kvalita je na prvním místě. Tak třeba tohle je specifickej point. Máme tam nějaký nápady, jak to vyřešíme.

>> Jo, to jsou jako věci, které si jako lidi občas neuvědomí, ale v tom provozu a zejména v těch objemech, které máte, je to vlastně jako důležitá věc.

Nicméně eh robotizace a automatizace skladů.

Eh Rohlík je velice známý tím, že do toho investoval hromadu peněz a dovolím si říct, že jako minimálně jeden z těch průkopníků tady vlastně v Česku v té automatizaci a zejména v takle velké.

Jak se to vlastně vůbec dělá?

Jak se zavádí automatickej sklad v Česku?

Jo, tak první se asi podívám na nějakej byznys case a tam upřímně se musí říct, že nám tu automatizaci drivuje to, že jsme chtěli jít na západ. Tam jsme, protože kdyby ten business case byl postavený jenom na Čechách nebo na těch východních trzích jako Maďarsko, Rumunsko, tak ten return, ta návratnost je prostě pořád ještě relativně jakoby špatná.

Jde tam spíš o to, že firma se rozhodne to dělat z pohledu toho, že je to jako prevence na to, že nebudu mít lidi.

Prostě asi každej si dovede představit, že za 5, 10 let bude čím dál tím větší problém najít nějakou pracovní sílu, která bude pořád ochotná něco nosit ve skladě nebo nakonec řídit i ty auta.

To budeme řešit taky.

Už je to velkej problém teďka v dopravě v Evropě.

>> Takže tam je spíš na východních trzích to, že je jednodušší, že nemusím shánět 200 lidí na sklad, ale najednou jich potřebuju jako po 50.

Takže business case pro nás, jasně motivace i finanční na západních trzích.

Je to dokonce tak, že není absolutně dosažitelný být profitabilní v tom našem byznysu.

Same day, vlastně stejnej den delivery, doručení groceries v potravinářství. Tak to nejde bez automatizace.

Na to jsme jako i my jakoby přišli.

Tak to je jedna jakoby věc.

Tak mám tam nějakej jako business case, kalkulaci.

A ta druhá věc potom je a na to si myslím, že jako ty firmy často zapomínají. Vy si vymyslíte, že tam chcete dát nějakého robota. Na to typicky máte dodavatele. Málokterá firma si chce postavit robota jakoby in-house. To je jako drahé, long-term, nemáte na to know-how. Ale pak to, co je jakoby další klíčová položka, na kterou jsme přišli vedle toho samotného designu, výběru vendora: vy potřebujete mít nějakej ready ze skladu, z té firmy, jo?

Já to musím pořád integrovat do procesu, aby to fungovalo jakoby s lidmi, aby to fungovalo s tím material flow, aby to fungovalo třeba s tím, jak dostávám od dodavatelů zabalené zboží, jako vyšší point.

A tohle je třeba jako ta klíčová věc, co z toho, co vidím, tak často ty firmy to jako řeší až za běhu. A pak se diví, že najednou ta roinka těch projektů není taková, jakou si představovali, protože ten vender a on to musí udělat, jo. Když s váma řeší nějakej ten business case, tak většinou vám jako dává čísla, které jsou nějakej ideální stav, jo?

My máme produktivitu prostě 500 na hodinu na port, protože to je z naší jako simulace, z nějakého ideálního prostředí.

Fajn, ale pro vás je důležitý, co vám ta technologie dá potom jako stabilně v horizontu 6, 12 měsíců. Protože business case a rounku si nenapočítám podle jedný hodiny, kdy mi to běželo při nějakém testu. Ale já si to napočítám potom podle toho, jak to fungovalo jako v průměru ten rok.

A ten rok už je potom o tom, jak vlastně orchestrujete ten systém, ty roboty, jak to udržujete, jo, a jak vlastně i to utilizujete.

Příklad máte na skladě autostore.

Ten autostore třeba aspoň v našem případě do něj nemůžete dát všechny položky, jo.

Je tam něco jako balík vody. Ten tam prostě se nevejde.

Máte tam pekárnu, jo, ta prostě kvůli tomu, že je to čerstvý zboží, tam nejde taky.

A teď vy nějak musíte řídit, co dám do toho autostoru.

Když to uděláte blbě, tak najednou taky ten return output je daleko nižší, než co jste očekával.

>> Kolik procent zboží vlastně tvoří ten sortiment v autostoru nebo v tom automatizovaném skladu a kolik je pořád ručně nebo děláno lidmi?

>> Jo.

Eh, tak ono se nám to trošku jako side by side liší, protože my to produktové portfolio nemáme stejné, my ho lokalizujeme. To je taky jedna z pointů rohlíků — že chceme, aby jsme měli lokální značky, lokální farmáře a tak. Takže není to stejné, ale dá se říct, že nějakých okolo 70 %. To znamená, my máme vždycky dva autostory — takzvaný suchý, to znamená standardní položky, a pak lazeňový, jako třeba jogurty. My se to snažíme tlačit nahoru, máme na to nějaké další projekty, abychom třeba dovnitř dostali ovoce, zeleninu. Tak dá se říct, že v nejlepším případě — já nevím — 85 %. A samozřejmě, že s tím, jak budeme řešit další generaci těch skladů, tak tam už se chceme dívat na řešení, které nám fakt umožní automatizaci mít minimálně blízko 100 %.

>> Jak to pak vlastně fungovalo dál při spuštění nebo přípravě automatizovaného skladu? Jaké tam byly další kroky, abychom si mohli představit, jak se to celé stane?

Jo, tak vyberete toho dodavatele. Teď první to nějak musíte postavit. Máte většinou nějakou firmu, která vám dělá takzvaného integrátora, která s tímto pomáhá. Není to tak, že vám to staví přímo autostore a nějaká další firma.

>> Postavíte jakoby kostku.

Teď buď si řeknete, že chcete mít nějaký už hotový software, co vám někdo dodá. To byla třeba na začátek i ta naše cesta. Vlastně u rohlíku se asi celkem ví a je to naše strategie — my chceme ty klíčové systémy být vyvinuté in house. Ale když jsme šli poprvé s autostorem, tak na to, že bychom si tam vyvinuli hned to, co operuje ten autostore, na to jsme odvahu neměli. Ani by to nedávalo smysl. Bylo by to strašně rizikové, nevěděli bychom jak. Takže vezmete si většinou nějaký software, který vám operuje ty samotné roboty, integrujete to do VMS.

A zajímavé třeba v rohlíku je, že my jsme firma, která operuje ten sklad de facto nepřetržitě. Takže pokud to dáte do legacy systému, tak většina firem normálně zastaví. My to neděláme. My prostě přijdeme s tím, že se to tam nějak postavilo na sobotu. V neděli třeba jeden den neběžíte, pustíte to, otestujete, že to běží na nějakém limited samplu. A pak už jedete jakoby na — nechci říct full scale — postupně dáváte třeba do toho autostoru nějaké položky. Na začátek na 10 %, pak když to funguje, tak tam přidáváte další.

A teď zase je dobrý, když tohle dělám, tak mít připravený nějaký change management, mít SOP, vytrénovat ty lidi dopředu. Zase zkušenost — a máme slabinu jako v rohlíku — jak jsme rychlí, tak to neděláme úplně dokonale tyhle věci.

>> A jak se liší ten sklad tady v Česku a třeba v Německu?

Já si myslím, že zavedení se liší asi ne. Pak spíš to, jak tam operujete ty lidi, která tam pořád musí být, protože když se vezme třeba Rakousko, tak ten labor code — ty zákony, co tam můžete dělat. A teď nemyslím nic špatného, ale my jsme třeba narazili na věc — takže vy třeba chcete vědět, jestli ten člověk na tom portu je, když ho zavolá systém. Už to máme vyřešené jinak. Ale třeba vás napadne — hele, potřebuji kamerou řešit. Ani ne tak, že bych měl nějak sledovat toho člověka, ale to, jestli bere ty věci z toho binu správně. A v Rakousku třeba narážíte na to, že tam nesmíte mít prostě kameru, která na pracovišti by zabírala člověka. I kdybyste měli nějaký oprávněný zájem nebo něco takového, tak je to strašně těžké. Musíte jít za nějakým work council. Nemám úplně právní detail, ale třeba v tomto se to liší.

My jsme teďka řešili trošku související projekt — mohu asi říct — s firmou, která se jmenuje Twinzo, digitální dvojčata. A tady jsme třeba taky naráželi — cross markety — tak nám jde čistě jen o to, že chci sbírat data na analytiku jak o pohybu vlastně strojů, tak lidí, abych mohl vědět, OK, jak setupovat ten proces optimálněji. A narážíte na to, že v některých těch — hlavně víc zemích na západ — vlastně z důvodu nějaké ochrany dat těch lidí, tak vám to tam nepovolí. Ale co se týká té samotné automatizace, já si teďka neuvědomuju, že by byl nějaký difference, že to instalujete v Rakousku nebo v Čechách. Eh, ty firmy většinou bývají mezinárodní. Je dobré se koukat na to, že v té lokalitě, kde to instalují, tak že mají nějaký servis, že tam maj office. Na to bych se koukal. Ale jinak tam rozdíl moc nevidím.

>> A když jsme u toho, jak to vnímají ty lidi — ty vaši zaměstnanci v tom skladu — je v tom nějaký rozdíl?

Eh, máme — já bych to rozdělil asi na dvě skupiny. Máte jednak přímo ty operátory, který prostě budou být. Já si myslím, že oni na tom nějak extra nepřemýšlejí. To je prostě člověk, který tam přijde do práce, udělá si svojí osmičku, desničku a jde pryč. Taky vesměs jsou to ty takzvané agenturní zaměstnanci. Většinou to nejsou poprvé interní. Takže máte tam vysoký turnover, neřeší to. Nejsou tam moc lidi, který by tam s vámi byli osm let.

>> Ale pak máte vlastně management toho skladu — ať už od nějakých směnových mistrů až po operations managery. A tam si myslím, že je to vnímáno pozitivně, protože ty lidi přece jen jsou hrrdí na to. My jsme rozhejbali nějakou technologií a hrát si na to, že tady nějaký management — Dalibor, Aleš Maluch a Tomáš — jsou ti, který sami stačí na to, aby to fungovalo, to je nesmysl. Vy potřebujete ty lidi, oni to implementují s vámi, rozběhají to a opravdu jsou potom happy, šťastní, když řeknou: "OK, tak já nepracuju v manuálním skladě, který má 10 000 m² a kde běhá pořád 400 lidí. Ale podívejte, já tady pracuju s technologií." A je pro ně samozřejmě zajímavé učit se, jak to ovládáte. Je to úplně jiný princip než u lidí. Potřebuje to jiné parametry.

>> Zajímavé.

A když se tak vlastně podíváme i na průběh — jaké jsou jako největší možné chyby nebo překvapení, který nastaly na tý cestě — kterou samozřejmě můžete říct — tak ta základní je, že vy máte nějaké business assumptions, nějaké vstupy do toho, jak to má fungovat.

A já si pamatuju, že v té první vlně těch autostorů, třeba na čem jsme si celkem jako nabili, eh, můžu říct jako nos. Eh, my jsme udělali nějakej business case.

Tenkrát jsem ještě jakoby neřešil, já jsem nastupoval na rohlík, ale byl business case. Řeklo se: "Jo, nainstaluju Auto Store, prostě bude jeden český sklad, bude nějakej v Německu a má to nějaké předpoklady, jak z toho vypadne, jaká produktivita."

Teď samozřejmě se to nesplnilo a teď vy na to koukáte a říkáte si: "Sakra, v čem to je?"

Tak třeba tenhle proces, ten picking mod, to vlastně funguje, dává to ty čísla jakoby, co chceme. A pak přijdete třeba na to: "No jo, no tak my jsme udělali business case, který ale tenkrát zafixoval právě počet produktů, co mám na skladě. My jsme měli třeba tenkrát 16 000 a najednou je to 19 000."

Jo, a ta utilizace, to, co já najednou můžu dát do toho autostoru, je jiný, jak to dokážu manipulovat a přímo jakoby jiný. A že často jakoby první bod, který vám může, když máte nějaký jako dlouhodobější projekt selhat, je, že se vám prostě změnily ty byznysové vstupy.

A prostě pokud nemáte nějakou vyloženě robustní firmu — já jsem taky dělal ve velkejch korporátech, která jsou vyloženě opatrná a vymodeluje si scénáře na všechno — tak vás to prostě překvapí. Protože jsme si řekli: "Ok, tak nikoho nenapadlo, neměli jsme plán na to, že budete mít najednou 3, 4 tisíce produktů navíc." Tak nás tenkrát nenapadlo, že budeme estimovat, co to bude mít na impakt na produktivitu. Prostě jsme jenom koukali, že je to jiný, jo.

A samozřejmě, že se to učíte, jo. Dneska taky po pěti letech jsme jinde. Dneska už třeba jsme rozjeli simulace, takže jsme trošku jakoby dál. Ale před pěti lety se nám stalo třeba tohle.

Ještě jsme v tom učení. Vlastně vy jste partner v Amazonu v Německu a Amazon asi minimálně v tom západním světě je leader tady v těch věcech. Eh, máte vlastně jakoby možnost se podívat tak jako do toho skladu nebo do toho, jak oni to dělaj, trošku se od nich inspirovat, nebo je tam ta možnost vůbec takhle?

Já si myslím, oni jsou leader, ale úplně jako v jiným byznysu, jo. Oni třeba Amazon Fresh, což by byl teoreticky náš konkurent, tak ten z Německa odešel. Oni právě nebyli schopní najít cestu, jak profitabilně potraviny a takhle jakoby v rychlej obrátkosti dělat. Proto to nakonec skončilo — mimo jiné kvůli tomuhle — že my jsme na jejich tržišti. Teďka vlastně pod značkou Knusper v Německu, tak jim suplujeme tenhle jakoby servis.

Jinak já jsem třeba taky na Amazonu byl, máme spoustu kolegů, který prošli Amazonem. Oni třeba na vysoký úrovni pořád mají jakoby tu process excellence, ty standardy, jo. Eh, to, jak nasetupovat ty tradiční jakoby procesy — v tom je Amazon silný. V tom, jakoby řídit lidi, dělat i třeba development v té organizaci — to je silné. Ale že my bysme na ně koukali jakoby přímo v tom, co děláme my a učili jsme se to vůbec dál.

No, a jak teďka to vlastně probíhá, když bych to měl vysvětlit jako do domu manželce? Jak nám přijedete jako večer a co všechno do toho vstupuje?

Chápu, že tam je miliarda věcí, kterou byste strávil asi dva dny, aby jsem se moh dělat jako velkej workshop. Ale když to mám vysvětlit doma vlastně ženě — jak ten rohlík vlastně funguje od toho, že si ho objednám, přijde mi to domů — a co všechno zatím vůbec je?

Tak většina z těch věcí, co budu říkat, souvisí strašně s tím, jaká je ta rychlost, jo. Jestli jste v Praze, tak máte standardně dostupný express. Takže vlastně vedle naší standardní služby, která je většinou 3 hodiny v regionu, tak máte ještě někde jakoby 60 minut.

A teď tam ani tam samozřejmě jde o to, jak rychlej je ten fyzickej jakoby proces. Takže jo, máme jako optimalizovanej sklad, máme tam třeba extra line na ten express, protože se to nedá v tom standardním procesu udělat takhle rychle.

Ale důležitá je vlastně příprava těch operací, jo.

Takže když to vezmu jakoby úplně od začátku, tak musíte objednat od dodavatelů nějaké položky. Já jsem říkal, je jich 20 000, jo, v průměrném skladu. Dneska o něco už míň, možná třeba 18.

A teď máte 18 000 jako forecástů na ty položky, aby byly skladem, jo? A máte strašně jako variabilní poptávku, na kterou nejste schopný reagovat během toho dne, jo. Co vám tam — kdybyste museli fakt forecastovat dobře dopředu, musíte reagovat třeba na ty počasí — že dovedete si představit, že vám to změní kompozici košíku, jo. Takže my musíme mít forecast, pak ten ordering modul, co to bere, objednává od vendorů, který musí počítat s nějakýma lead timeama, s tím, že on mi dodá třeba jenom karton, ne půlku, jo. Všechny tyhlety věci — tak tam to začíná.

Musím dostat položku na sklad. Teď mi přišla na sklad. Teď když tam máte automatizační technologii, tak ta vám vlastně sama po sobě — jo, ta performance toho procesu, který jste automatizovali, je vyšší.

A jak jsem říkal, dokud ten sklad není plně automatizovanej — že tam udělám třeba i ty rohlíky, že tam udělám i tu zeleninu, že tam udělám i ty balíky — tak musíte mít nějakej systém, jak to rozdělíte na tom inboundu. Jak rozhodnete: "Hele, chci to dát ještě do toho autostoru teď, protože rohlík potřebuje sklady, který jsou u města." Tak my si fakt nemůžeme vybrat, že bysme měli 40 000 metrů čtverečních a tam měli perfektní jakoby setup, měli tam spoustu buffrů a tak.

My většinou máme opravdu fyzické omezení na tom skladu. Takže musíme optimalizovat nejenom ten routý automatizace, ale i využití jakoby místa.

Takže je pro nás sakra důležité rozhodnutí, jestli já třeba z — já nevím — z 10 balení Tatranek se rozhodnu, že dám do toho autostoru teďka čtyři a šest dám někam jako na high-shelf, což je samozřejmě extra manipulace. Ale někdy to udělat musím, protože kdybych to nevěřil do toho autostoru všechno, tak mi tam dojde místo, jo? Nebude to dávat smysl, bude tam ještě nižší ta performance, než když to udělám s tou double manipulací.

Takže potřebujete mít něco, co vám na tom inboundu rozhodne. Historicky to vždycky byli jako lidi, částečně ještě jsou, protože nevyřešíte všechny edge cases. Postupně se to mění, že se snažíme tohle algoritmizovat end to end to rozhodnutí. Aby bylo dopředu jako forward looking, jo. Abych počítal s tím, co bude. Exception vám pořád bude řešit člověk, ale už třeba pak načnem téma jako AI agent.

Jasně, ten je přesně dělán na to, aby nějaký exception, co dělá člověk — tak jsem nad rámec nějakýho jakoby jádra deterministickýho — optimalizoval s ním.

Tak a to jak vám vyprávím, tak teď jsme teprve tak, že to dáte do toho autostoru nebo na pozici, jo? A to je vlastně ta jednodušší část, protože tam máte pořád nějakej časový buffer. To ještě ten zákazník neobjednal. Ale už je to složitý, protože tím, když to udělám špatně, tak mi to ovlivní ten picking.

Tak a teď to jakoby katnu, mám to v tom skladu a jdu řešit ten picking.

Tak řeknu, jdu pikovat, pošlu nějakej request, objednávka mi přišla, teď já se musím rozhodnout, hele, chci zpracovávat hned nebo ne?

Protože často vám ten člověk objedná třeba 8 hodin dopředu, není to 3 hodiny dopředu.

Tam je zajímavý, že vy máte distribuci těch objednávek. Není to tak, že všichni objednají 3 hodiny dopředu, to je třeba 20 %, ale zbytek objednává dřív.

No a teď když vy máte automatizaci, která je fixní kapacita, tak ta magie je taky v tom, že jak si to rozplánujete, jo?

A zase neplánujete to jako next-day firma, která si udělá přímku a nějak to postupně zprocesuje, ale já můžu říct, dobrý, tak já to udělám dopředu. Ale pak když třeba bych blbě estimoval poptávku a nemám tam tu práci, tak najednou budu mít idle lidi, jo, kterej nic nedělaj.

Takže já musím zase forecastovat i to, co mi přijde za objednávky, přepočítávat na jednotlivý pozice na skladě, kolik té práce budu mít, rozhodnout se, jak to budu dělat, abych maximalizoval throughput, jo, abych vlastně to pikoval tak, že utilizuju lidi a abych třeba neriskoval, že půjdu do zpoždění, jo. Protože primárně je pro nás vždycky jako zákazník musím dodat, musím dodat kompletní zboží, musím to mít v top kvalitě, takže se rozhodnu, co udělám.

Pak je ten fyzický jakoby picking.

Tam máme tři setupy, dá se říct. Buď to tam mám pořád manuální pik, to je třeba pekárna, jo, chci prostě mít rohlík opravdu čerstvej, nepomačkanej, pořád to dělají nejlíp lidi.

Myslím si, že se to rychle změní. Budeme se na to taky koukat, jo, třeba jako technologie, co teďka jdou hlavně jako robotizace z Číny, tak ono to za chvíli bude taky jako ready na to, aby to dělalo i ten picking v tý pekárně.

Otázka bude zase ten return.

Pak mám autostore, čili něco, co mi přiveze bedničku k tomu člověku, aby někam nemusel chodit a na portu on to předendá z bedničky do tašky vlastně toho zákazníka.

A pak mám ještě třetí setup, který už nám běží ve Vídni v Berlíně, že místo člověka na portu na tom autostoru mám robota, jo, robotické rameno, kterej zatím to předává jenom do bedny, takže to mám dvoukrokový, jo. To se nám samozřejmě nelíbí, ale u té tašky tam ani nejde o to, že vy tam dáte dovnitř tašku, ale vymýšlíme i třeba tu mašinu, co to dává do těch beden, protože nemá smysl, aby to otvíral člověk a to nechal udělat robota.

Já a zase je to jak dvoukrokový.

Už máme rozběhnutý projekt. Myslím si, že do roka to budeme mít, že budeme pikovat do tašky i s tím rozděláváním jako automatizovaně.

Dneska je to tak, že robot to dá do bedny a někdo to pak přendá z bedny, což je pořád rychlejší, než kdyby to dělal jakoby jenom ten člověk a není to ideálně.

Mám to v taškách a teď tím to pořád nekončí.

Jo, ty tašky musím nějak konsolidovat, protože něco mi jde z toho standardního autostoru, něco z chlazeného, něco z mrazáku, něco z ovoce, zeleniny, něco mi jde z toho oversizeu.

Ještě tam můžu mít nějaké specialitky jako třeba valuables, lahvičky s drahým alkoholem. Máte prostě separované sektory a ono se to musí sbíhnout.

To děláme v takzvaném expedičním bufferu, kterej v části skladu už máme automatizovanej taky. Někde to máme s autostorem. Jeden sklad nám běží s firmou BrightPick. Vlastně expedici tam testujeme několik variant. Budeme se dívat ještě i určitě na další.

Tak tam se vám to sbíhá a buď jsou to regály s lidma, nebo ty technologie, které vám to konsolidujou a vyplivnou vám to potom už v tý kompozici, co chcete nakládat do auta, jo. Protože jedno autíčko vám veze u Expressu čtyři objednávky, u standardu třeba 13 objednávek a vy to na konci toho skladu vlastně musíte poskytnout tak, aby se to dalo naložit.

A ještě i ve správném jakoby pořadí vyložit.

Tak naložím to do auta. To už se dělá jakoby standardně.

Kurýr jede.

Teď my musíme real-time počítat vlastně, jak mají vypadat ty routy. Zase je to v tom prostředí, kdy nemáte úplnou informaci, že je jedna odpoledne. Já nevím, kolik objednávek mi ještě napadá dalších, jakoby ve dvě, tři hodiny, ale už teďka musíte skládat routy na odjezd, jo.

Takže my se zase koukáme dopředu, jak mám složit tu routu, jaký mi ještě přijdou objednávky, co nemám jakoby ukončit a radši počkat. Zase je to složitej algoritmus.

No sup, takže to ženě nevysvětlím. Nevadí, tak to poslechne.

Nicméně to je vlastně ta magie a jsme u té magie, jak tady to všechno mění, jak ty věci v tom skladu, ale jako vlastně vás i jako firmu. AI.

Jsou dvě věci, jo. Obecně ty back-office joby, tak tam si myslím, že ten dopad bude fakt velkej.

V jakých věcech?

Tak jako úplně ty nejprimitivnější věci, že někdo někde klikl Excel a přepisoval to někam prostě zmizí, ale už i vlastně ta added-value práce, jo. Tak já dám nějaký příklady. Třeba supply-chain disponent, kterej kontroloval nějaký parametry u toho objednávkového modelu, něco upravoval. Většinou se dá ta logika popsat, jo, ale není čistě deterministická. Já to udělám nějakým modelem, ale když to není úplně deterministické, jo, podívej se sem, třeba vyhodnotit nějakej email, kde je text, tak na to nastoupí agent.

Nebude to tak, že ty lidi zmizí úplně, hlavně ne v operations. Tam pořád bude nějakej human in the loop, kterej bude zodpovědnej za tu kontrolu.

Ale to je jeden příklad.

Můžu říct na sobě a na mým týmu, že třeba vůbec i analytika. Když děláme ty projekty, jo, tak ta rychlost dneska už je úplně jinde. Protože to, na co třeba potřeboval člověka nějakého datového analytika, či dva, jo, a někoho, kdo se mu hrabe v systému, aby to pochopil, tak dneska si sednete k notebooku jako Devin nebo Cloud Code, on vám popíše, co tam je.

Vy máte na cloudě napojené vlastně komplet data z firmy, takže já když chci řešit nějaký proces, já nevím, optimalizace piku nebo třeba na ty last-miley, tak já si vlastně tu analýzu dělám už integrovanou s tou datovou analýzou.

Řeknu mu, podívej se klidně na web. Uděláte všechno v jednom kuse a odhaduju, že to, co by vám trvalo udělat něco relativně složitého projektu, já nevím, čtyři týdny, měl byste na to čtyři lidi, tak najednou vy to uděláte, dejme tomu za týden, a to jenom kvůli tomu, že tam chcete mít nějakou mentální hygienu.

Ty témata jsou složitá, jo? Ono to nefunguje tak, že bych najednou dokázal 16 hodin v kuse dělat s tím, i když on to teoreticky zvládne, ale pořád tam musíte nějak iterovat, dodávat mu další vstupy.

Tohle se zrychluje strašně.

Co se týká těch samotných fyzických operací, tak jeden impact je, že je to můj názor – jsem taky jakoby challengovaný, konfrontovaný, protože třeba Tomáš Čuper je strašně v AI daleko, dál než my všichni. Ten vidí možnosti, které já třeba možná ještě nevidím, ale pořád jsem zastánce toho, že v těch core procesech, v tom, co mi tam řídí lidi, v tom, jak pikuju, chci hlavně deterministické modely, protože ty dokážu vysvětlit. Když někam pustíte AIčko, ono se to sice zlepší, ale pořád dostanete třeba dvakrát různý výsledek na stejnou věc.

Dá se to trošku nějak mitigovat, ale v něčem, co má kontinuálně běžet a řídit operaci celej den, tak já spíš vždycky pokládám otázku: OK, hele, proč bych tam dával AIčko, kde vyjadřuje nějaké LLM, nějakého agenta, když bych měl to AIčko směrovat, aby mi postavilo ten deterministický model? Kterej bude 99 % času říkat: takhle alokují lidi, takhle dělají routy, takhle alokují zboží na pozice.

A to, kde potom má roli AIčko, je, že ty modely většinou nejsou dělatelné tak, aby vám fungovaly 100 % času. Třeba je těžký naplánovat, estimovat, kolik budete mít poptávku a kolik budete potřebovat lidí na speciální dny. Když máte nějakou dovolenou v pondělí, tak najednou ten shape v sobotu je úplně jiný. Data na to nejsou, protože se vám to děje jednou za rok. Vy to zkoušíte nějak estimovat, ale tam třeba to AIčko, protože si dokáže vzít ty data podobně, jak by to dělal člověk, vám vlastně dokáže vyřešit tyhle případy, co jsou jakoby edge. A to je ten můj svět.

Jinak, jak vidím vývoj, si myslím, že AIčko bude obecně víc a víc prorůstat i do řízení firem, do toho nejvyššího levelu.

>> No a jak vy vlastně přemýšlíte v tý vaší doméně ohledně umělé inteligence? Kam jí chcete nasazovat nebo kde s ní možná teď operujete, zkoušíte nový věci? Jaké jsou hlavní domény, kde si s ní hrajete?

Tak to se dá říct prakticky všude, hodně to Tomáš tlačí.

>> A kde už máte ve velkém nasazenou AI?