Leaders in logistics are increasingly adopting advanced digital technologies, with most planning to implement at least ten new use cases within the next three years. A survey by McKinsey, involving over 260 respondents from both shippers and providers, highlights high levels of digital adoption, strong investment plans, and growing interest in advanced generative AI (gen AI).

However, challenges persist despite this enthusiasm. The logistics tech landscape remains fragmented, requiring companies to integrate multiple solutions for effective operations. While over 85% of respondents report that digital projects have added value, many still face issues such as delays in results due to poor data quality, system integration difficulties, and challenges in managing organizational change.

To successfully harness the potential of digital transformation in logistics, it’s essential for companies to understand the value it can bring and establish a clear vision. This includes defining how processes and technologies align with specific activities and objectives to extract value. A clear strategy will guide how to utilize data, integrate systems, and, most importantly, how to adapt the organization’s working methods. Overcoming long-standing analog challenges, such as skill shortages and resistance to change, is crucial to unlocking the full value of digitalization

Digital technologies are being widely applied by both shippers and service providers across various aspects of logistics, including planning, sourcing, execution, and performance management. The survey examined the adoption of 28 digital use cases, ranging from demand forecasting to warehouse automation and asset maintenance.

This year, the list expanded to include around a dozen generative AI (gen AI) use cases, which leverage large language models for automating tasks like scenario analysis and document generation. For larger companies with revenues exceeding $500 million, the story is one of rapid growth in digital adoption, building on an already strong foundation. On the other hand, smaller companies with lower revenues tend to have fewer digital and AI deployments due to limited resources and a more cautious investment approach.

Large enterprises, both shippers and service providers, demonstrate a strong ambition in adopting gen AI. Fifty-five percent of these enterprises have already implemented at least two gen AI use cases, and they aim to adopt at least seven within the next three years. 

The technologies used by shippers vary depending on their industries. Shippers in the energy, industrials, and materials sectors lead in adopting digital use cases, while companies in advanced industries slightly outpace others in generative AI adoption. Healthcare companies, however, lag behind with the fewest digital and gen AI deployments and the lowest expectations for implementing new technologies over the next three years.  Smaller companies, those with revenues under $500 million, generally trail their larger counterparts in both current and planned use case deployments.

This gap is often due to limited resources and a more cautious approach to investment. Among smaller companies, those in consumer and healthcare sectors show higher levels of digital maturity, likely because of their strong focus on serving end consumers.

When focusing on digital tools that are already operational, the survey revealed notable differences in adoption rates and perceived value between traditional digital technologies and generative AI use cases. This highlights that advanced generative AI technologies are still in their early stages. Approximately half of the companies that have started using generative AI believe that implementing these tools is fundamentally different from previous digital efforts.

Nearly 60% say that generative AI transformations are more complex. Despite the added complexity, companies are optimistic about the potential rewards. Around 60% are more enthusiastic about generative AI transformations than conventional digitization, and 65% expect these new technologies to deliver greater business value.

Successful digital transformations require more than just advanced technology. Companies recognize that effective implementations also depend on skilled personnel, strong change management processes, and efficient strategies to scale and integrate new workflows.  According to the survey, the most common obstacles in digital projects are technology-related, including data quality issues, lack of available data, and integration challenges. People-related issues, such as skills shortages and difficulties with change management, follow closely behind.

This year, concerns about data quality were cited more frequently compared to the previous year, likely because advanced digital and AI tools demand higher-quality data. Companies may also be starting new projects with less-than-perfect data as they scale their use cases across the organization. Process-related challenges, such as scalability and regulatory compliance, were also flagged by many respondents, especially in the context of generative AI use cases. While only one in eight companies cited difficulties in achieving a return on digital investment, this was the most common reason given by companies that recently postponed or canceled their digitization plans. 

Article by: Asst. Prof. Suwan Juntiwasarakij, Ph.D., Senior Editor & MEGA Tech Facebook Twitter Pinterest

ロジスティクス業界のリーダーたちは、高度なデジタル技術の導入を加速させており、今後3年間で少なくとも10の新たなユースケースが生まれると予測されている。McKinseyが実施した260社以上の調査によると、貨物を送る側とサービス提供者の双方においてデジタル導入の度合いが高く、強固な投資計画や高度な生成AI（Gen AI）への関心が高まっていることが明らかになった。しかし、高い期待がある一方で、依然として課題が残る。ロジスティクスの技術環境は分散しており、企業は複数のソリューションを統合しながら効率的に運用する必要がある。調査回答者の85%がデジタルプロジェクトが組織に価値をもたらすと回答したものの、多くの企業がデータの品質の低さ、システム統合の困難さ、組織変革の課題により、導入の遅れを経験している。 

ロジスティクスのデジタルトランスフォーメーションを成功させるには、企業はまずデジタル化によって何を得られるのかを理解し、明確なビジョンを設定することが重要である。これには、プロセスや技術が具体的な活動や目標にどのように結びつくかを明確にし、価値を創出する方法を特定することが含まれる。明確な戦略計画は、データの活用、システム統合、そして組織の業務プロセスの変革にどのように適応するかを決定する上で役立つ。アナログな課題として長年残るスキル不足や変革への抵抗を克服することが、デジタルの価値を引き出す鍵となる。 

デジタル技術は、貨物輸送業者およびサービス提供者の両方によって、計画、調達、業務運営、パフォーマンス管理といったロジスティクスの各分野で広く導入されている。調査では、需要予測から倉庫の自動化、資産保守に至るまで、28のデジタルユースケースの活用が分析された。今年はさらに、生成AI（Gen AI）を活用した10のユースケースが追加され、大規模言語モデルを利用したシナリオ分析やドキュメント作成の自動化などのプロセスが強化されている。年間売上が5億ドルを超える大企業では、既存の強固な基盤の上にデジタル導入が急速に進んでいる。一方、売上規模が小さい企業では、リソースの制約や慎重な投資方針のため、デジタル化やAIの導入が遅れがちである。しかし、大手企業の貨物輸送業者とサービス提供者の55%はすでに少なくとも2つのGen AIユースケースを実装しており、今後3年間で最低7つのユースケースを導入する計画を立てている。 

貨物輸送業者が活用する技術は業界ごとに異なる。エネルギー、製造、素材関連の業界ではデジタル技術の導入が先行しており、先端産業では生成AIの活用が他業界よりやや進んでいる。しかし、医療業界の企業はデジタル化や生成AIの導入が最も遅れており、今後3年間にわたる新技術の採用期待も低い。売上5億ドル未満の企業は、大手企業に比べてデジタル導入が遅れがちであるが、消費財や医療業界の小規模企業ではデジタル成熟度が比較的高いことが確認されている。これは、直接的な消費者対応を重視しているためと考えられる。 

現在導入されているデジタルツールに着目すると、従来のデジタル技術と生成AIとの受け入れ方や価値認識には明確な違いがある。高度な生成AI技術はまだ導入初期段階にあり、導入企業の約半数は、従来のデジタル技術とは根本的に異なる影響をもたらすと認識している。約60%の企業は、生成AIの導入が従来のデジタル化よりも複雑だと回答している。しかし、その複雑さにもかかわらず、企業は生成AIがもたらす大きな価値に期待している。約60%が生成AIによる変革に対して従来のデジタル化よりも高い関心を示しており、65%が新技術が過去の技術よりもビジネス価値を生み出すと期待している。 

デジタルトランスフォーメーションを成功させるには、高度な技術の導入だけでは不十分である。企業は、スキルを持つ人材、強力なチェンジマネジメントプロセス、新しい業務プロセスを拡張・統合するための効果的な戦略が不可欠であると認識している。調査結果によると、デジタルプロジェクトで最も一般的な障害は、データの品質、データの可用性、システム統合の複雑さといった技術的課題である。加えて、人材面ではスキル不足やチェンジマネジメントの難しさが課題として挙げられている。今年はデータ品質に関する懸念が昨年よりも多く指摘されており、これは高度なデジタルツールやAIが高品質なデータを必要とするためと考えられる。また、企業が不完全なデータの状態でプロジェクトを開始し、組織全体に展開する際に問題が顕在化するケースも見られる。特に生成AIの導入においては、スケールアップや規制遵守の課題が浮上している。 

デジタル投資のROI（投資対効果）の確保が難しいと回答した企業は8社に1社程度に過ぎないが、デジタルトランスフォーメーションを延期または中止する企業の中では、この理由が最も多く挙げられている。

Article by: Asst. Prof. Suwan Juntiwasarakij, Ph.D., Senior Editor & MEGA Tech Facebook Twitter Pinterest