תחבורה, לוגיסטיקה ושרשרת אספקה

דו״ח של BCG מפברואר 2026 מצא כי רק 10% מספקי הלוגיסטיקה מדווחים על השפעה פיננסית מדידה מהשקעות ה-AI שלהם. מחקר NANDA של MIT מיולי 2025 העמיד את הנתון הרחב יותר על 95% מפיילוטי ה-AI הארגוניים מניבים אפס תשואה מדידה. בינתיים, 78% ממובילי שרשרת האספקה מציינים חיזוי ביקושים לא מדויק כאתגר המוביל שלהם, למרות השקעה במערכות תכנון מתקדמות מבית Blue Yonder, o9 Solutions, SAP IBP או Oracle.

הבעיה אינה אלגוריתמים גרועים. הבעיה היא AI המונח על גבי נתונים מבוזרים, מערכות מנותקות ותהליכי תכנון שעדיין מתנהלים במקצב חודשי של Excel. זהו הפער שבו אנו פועלים: בניית האינטגרציה, ארכיטקטורת הנתונים ותהליכי העבודה התפעוליים שגורמים ל-AI בשרשרת האספקה להניב תוצאות בפועל.

מדוע רוב הטמעות ה-AI בשרשרת האספקה נתקעות בשלב הפיילוט

חברה רוכשת מודול חישת ביקושים מבית o9 או Blue Yonder Luminate. הספק מריץ הוכחת היתכנות (PoC) על משפחת מוצרים אחת. דיוק החיזוי משתפר ב- 15–20%. הפיילוט מוצג להנהלה הבכירה (C-suite). לאחר מכן שום דבר לא קורה, כי איש לא תכנן את מה שמגיע אחר כך:

• ניקוי נתוני אב (Master Data) של מק״טים (SKU) בין אזורים שונים
• שילוב אות הביקוש עם מערכת TMS של ספק אחר
• הכשרה מחדש של צוות התכנון
• בניית לולאת המשוב בין מכירות בפועל לבין אימון מחדש של המודל

רק 23% מארגוני שרשרת האספקה מחזיקים באסטרטגיית AI רשמית (Gartner). השאר מריצים ניסויים מנותקים. הגישה שלנו היא לבנות התקשרויות סביב פריסה בסביבת ייצור (Production) כבר מהיום הראשון: צינורות נתונים (Data Pipelines), חיבורי מערכות ותהליכי עבודה צוותיים שנועדו להתרחבות רב-אתרית עוד לפני אימון המודל הראשון (המחקר שלנו על תכנון ארכיטקטורת AI עמוקה מעבר למעטפות (Wrappers) עבור הארגון).

הפער שבין נראות לקבלת החלטות

project44 ו-FourKites נותרות מובילות בריבוע הקסם של Gartner עבור נראות תחבורה בזמן אמת. הן מתחברות ל- 800+ מובילים, מפיקות זמני הגעה משוערים (ETA) חזויים ומרכזות נתונים ללוחות מחוונים של מגדל בקרה (Control Tower). הבעיה: לוחות מחוונים אינם מקבלים החלטות. כאשר מכולה תקועה בנמל שטעון (Transshipment), פלטפורמת הנראות מדווחת לכם שהיא מתעכבת. היא אינה:

• מתאימה את תוכנית הביקושים בהמשך השרשרת
• מוציאה למכרז מחדש את מקטע ההובלה המקשר
• מעדכנת את התחייבות האספקה ללקוח
• מפעילה איזון מלאי מחדש

הפער הזה שבין ידיעה לפעולה הוא המקום שבו כסף דולף. ארכיטקטורות של AI סוכני (Agentic AI) הנכנסות כעת לשרשרת האספקה — SAP, Microsoft, Deloitte ו-EY פרסמו כולן מסגרות עבודה ברבעון הראשון של 2026 — יכולות לסגור את המעגל הזה, אך שכבת התיאום (Orchestration) המחברת בין אותות נראות לפעולות אוטומטיות לרוחב TMS, WMS, OMS ותכנון ביקושים אינה מגיעה מספק יחיד כלשהו. הגישה שלנו היא לבנות אותה: ארכיטקטורה מונחית-אירועים (Event-driven) הקולטת אות שיבוש ומפעילה את הפעולות הנכונות במערכות שלכם, עם שערי אישור אנושיים היכן שרמת הסיכון בהחלטה מחייבת זאת (מחקר הלוגיסטיקה האנטי-שבירה שלנו).

תכנון ביקושים הרוכש את אמון המתכננים

רוב הטמעות חישת הביקושים נכשלות בניהול השינוי, ולא באלגוריתמים. מתכננים בנו קריירות שלמות על חיזוי מבוסס שיקול דעת. ה-AI אומר שהביקוש יזנק ב- 22% בחודש הבא. המתכנן שואל מדוע, והמודל אינו יכול להסביר את עצמו. לכן המתכנן דורס את המערכת (Override), ושיעור העקיפות מטפס עד שהמערכת הופכת למנוע הצעות שאיש אינו פועל לפיו.

אנו מתכננים יכולת הסבר (Explainability) עמוק בתוך ארכיטקטורת המודל. כל חיזוי נבנה כך שיכלול פירוק אותות: אילו מקורות נתונים הניעו את התחזית, איזה משקל נשא כל אחד, והיכן רמת הוודאות נמוכה מספיק כדי להצדיק התערבות אנושית. מידול סיבתי משולב לצורך ניתוח תרחישים — למשל, מה קורה אם המכס על יבוא מווייטנאם עולה מ- 46% ל-60%? תחזית מדויקת ב-15% יותר שנדרסת בידי אדם גרועה משיפור של 10% שהצוות אכן מיישם בפועל.

ציות לסחר בשדה מוקשים של מכסים

סביבת הסחר בארה״ב ב-2026 היא התנודתית ביותר מזה עשורים: מס בסיס של 10% על כל היבוא, עד 145% על סחורות מסין, 46% על יבוא מווייטנאם, עם שיעורים המשתנים לפי מחזורים פוליטיים. סיווג קודי HS נמצא במוקד הסיכון.

• 30% מסיווגי ה-HS נתקלים בחילוקי דעות אפילו בקרב עמילי מכס אנושיים.
• ה-AI הטוב ביותר — מודל LLaMA 3.3-70B שעבר כוונון עדין (Fine-tuning) — מגיע לרמת דיוק של 40% בלבד בסיווג HTS של 10 ספרות.
• עבור שולח המייבא 1,000 מק״טים (SKU) מדי חודש, שיעור שגיאות של 5% פירושו 50 משלוחים שסווגו שגוי — עם קנסות של EUR 1,917 to EUR 2,729 לכל הצהרה שגויה.

הגישה שלנו היא לתכנן מערכות סיווג סביב אימות בשילוב גורם אנושי בלולאה (Human-in-the-loop): ה-AI מטפל בסיווגי סחורות פשוטים וברורים, מסמן פריטים מעורפלים לבדיקת מומחה, ומנתב מוצרים דו-שימושיים הכפופים ל-EAR או ITAR למומחי ציות — עם נתיב ביקורת מלא עבור רשויות המכס.

פעולות הובלה: היכן שהכסף דולף

בין שלושה לשישה אחוזים מחשבוניות ההובלה כוללות שגיאות: חיובים כפולים, הנחות שהוחלו שלא כהלכה, עמלות נלוות (Accessorial Fees) שגויות ואי-התאמות במשקל. משלח המוציא $50 million בשנה על הובלה מפסיד $1.5 to $3 million בחיוביי-יתר. ביקורת חשבוניות הובלה מבוססת AI עוברת ממוקד של השבה למניעה מראש: אימות לפני תשלום מול תעריפי חוזה, דפוסים היסטוריים ונתונים ברמת המשלוח הבודד.

אנו מתכננים מערכות אלו כך שישתלבו עם מערכת ה-TMS וזרימת העבודה של החשבונות לתשלום (AP). כרטיסי ניקוד אוטומטיים למובילים העוקבים אחר אספקה בזמן, יחסי תביעות ושיעורי קבלת מכרזים מוזנים בחזרה לרכש, כך שתוכלו לנהל משא ומתן מבוסס ראיות ולא על סמך אנקדוטות (ראו הדגמה פעילה של אופטימיזציית תזמון מבוססת אילוצים).

אופק ההובלה האוטונומית

נכון לתחילת 2026, חברת Aurora השיקה הובלה מסחרית ללא נהג בטקסס (אפריל 2025) ושילשה את פעילותה לכדי 10 נתיבים ברצועת השמש (Sun Belt), כשהיא רושמת 100,000+ מיילים ללא נהג ללא אף תקרית בטיחות ועם 100% ביצועי עמידה בזמנים. Kodiak נערכת להובלה כבדה למרחקים ארוכים ללא נהג באופן מלא עד סוף 2026, וה-FMCSA מציבה יעד לחודש מאי 2026 למסגרת רגולטורית מוצעת. זוהי החלטה תפעולית לשנה הנוכחית עבור שולחים במסדרונות רצועת השמש.

הערך בר-הקיימא אינו הנסועה (Mileage) של מוביל בודד זה או אחר, אלא היכולת להטמיע הובלה אוטונומית במערך הטכנולוגי שלכם ברגע שהיא מגיעה לנתיבים שלכם — משימה שאינה פתורה כיום לא על ידי חברות רכב אוטונומי (AV) ולא על ידי ספקי TMS. כיצד כרטיס הניקוד של המובילים שלכם יתמודד עם צי ללא נהגים? כיצד מסגרת הביטוח שלכם תכסה מטענים אוטונומיים? הגישה שלנו היא לסייע לשולחים לבנות את המסגרת התפעולית והטכנולוגית לשילוב הובלה אוטונומית ככל שהיא נעשית זמינה בנתיביהם (המחקר הטכנולוגי שלנו בנושא למידת חיזוק מבוססת גרפים ללוגיסטיקה).

חשיפה לאבטחת סייבר וציות

חברת Blue Yonder נפגעה ממתקפת כופרה (Ransomware) בנובמבר 2024, מה ששיבש את פעילותן של Morrisons ו-Sainsbury's. מתקפות ייעודיות לשרשרת האספקה כמעט הוכפלו ב-2025, מ- 154 ל-297 תקריות. מערכי הטכנולוגיה הלוגיסטיים פגיעים במיוחד משום שהם מבוססי אינטגרציות כבדות — מ-TMS לממשקי API של מובילים, מ-WMS למערכות בקרת מחסן, ומפלטפורמות נראות הקולטות נתונים ממאות מקורות — וכל חיבור כזה מהווה משטח תקיפה.

בנפרד, פליטות Scope 3 מהוות עד 90% מטביעת הרגל הפחמנית של חברת לוגיסטיקה, אך רק 9% מהארגונים מסוגלים לנטר אותן באופן מקיף. תחת תקנות ה-CSRD של האיחוד האירופי, חברות גדולות מחויבות לדווח על Scope 3 עבור FY 2025, כאשר הדוחות אמורים להימסר בשנת 2026. הגישה שלנו נותנת מענה לשתי החשיפות: מבדקי אבטחה עם פילוח רשתות (Segmentation) עבור מערכות לוגיסטיקה קריטיות, ותשתית לאיסוף נתוני פליטות באמצעות מתודולוגיות חישוב של GLEC Framework ו-ISO 14083 המשולבות בתהליכי דיווח קיימות.

מדוע לא Accenture, Deloitte, או ספק הפלטפורמה שלכם?

חברות ייעוץ גדולות גובות $300 to $500 לשעה, מאיישות צוותים ממאגרים כלליים, ומנהלות פרויקטים של 6 עד 18 חודשים המפיקים מצגות אסטרטגיה וניהול תוכניות. אם האתגר שלכם הוא טרנספורמציה ארגונית של חברות Fortune 500, שכרו אותן. אם האתגר שלכם הוא שתוכנית הביקושים של Blue Yonder אינה מתקשרת עם ה-TMS של Oracle, נתוני ה-FourKites אינם מפעילים תכנון מחדש אוטומטי, או שחשבוניות ההובלה שלכם מדליפות $2 million בשנה, החברות הגדולות ימכרו לכם תוכנית עבודה כוללת בעוד שאתם זקוקים למהנדס שמבין הן את תיעוד ה-API והן את הלוגיקה העסקית.

ספקי פלטפורמות בונים מוצרים מצוינים בתוך המערכת האקולוגית שלהם. לאף אחד מהם אין תמריץ לבנות את שכבת האינטגרציה הבין-ספקית שרוב שרשראות האספקה האמיתיות זקוקות לה. אנו פועלים באופן נייטרלי ובלתי תלוי בספקים, ומתכננים את רקמת החיבור בין המערכות הקיימות שלכם, ללא נעילת ספק (Lock-in).