Artificial intelligence in logistics: opportunities and challenges

dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.authorBurov, Yevhen
dc.contributor.authorKuliavets, Andrii
dc.coverage.placenameЛьвів
dc.date.accessioned2025-10-27T10:18:44Z
dc.date.issued2024
dc.date.submitted2025
dc.description.abstractThe integration of artificial intelligence into the logistics industry is a rapidly evolving field with the potential to revolutionize the way goods are transported and managed. Artificial intelligence can be used to optimize a wide range of logistics processes, from demand forecasting and route planning to warehouse management and customer service. However, the integration of artificial intelligence also raises a number of technical and ethical issues that need to be addressed to ensure its successful implementation. Choosing the right artificial intelligence algorithms for specific logistics tasks is crucial to ensure their efficiency and accuracy. This requires careful consideration of factors such as data type, task complexity, and desired performance metrics. The growing amount of data collected and processed by artificial intelligence systems raises concerns about data security and privacy. Companies need to implement robust security measures to protect sensitive data from unauthorized access, breaches, and misuse. The use of artificial intelligence in logistics raises ethical issues related to bias, transparency, and accountability. Artificial intelligence algorithms should be developed and used fairly, transparently, and with respect for the right to privacy and in compliance with all relevant laws and regulations. In order to eliminate or prevent these problems, recommendations for the effective implemen tation of artificial intelligence in the logistics sector have been developed and formulated. They include aspects that need to be addressed in the first place when developing mechanisms for automating logistics processes. The integration of artificial intelligence into logistics offers significant opportunities to increase efficiency, reduce costs and improve customer service. However, it is crucial to address the technical and ethical challenges associated with artificial intelligence integration to ensure that it is used responsibly and beneficially. By following the recommendations, logistics companies can successfully use artificial intelligence to transform their operations and achieve their strategic goals. Інтеграція штучного інтелекту в логістичну галузь – це сфера, що швидко розвивається і має потенціал докорінно змінити способи транспортування та управління товарами. Штучний інтелект можна використовувати для оптимізації широкого спектру логістичних процесів – від прогнозування попиту і планування маршрутів до управління складом і обслуговування клієн тів. Однак інтеграція штучного інтелекту також викликає низку технічних та етичних проблем, які необхідно вирішити для забезпечення його успішного впровадження. Вибір правильних алгоритмів штучного інтелекту для конкретних логістичних завдань має вирішальне значення для забезпечення їхньої ефективності та точності. Це вимагає ретель ного врахування таких факторів, як тип даних, складність завдання і бажані показники ефектив ності. Зростаючий обсяг даних, зібраних і опрацьованих системами штучного інтелекту, викли кає занепокоєння щодо безпеки та конфіденційності даних. Компаніям необхідно впроваджувати надійні заходи безпеки, щоб захистити конфіденційні дані від несанкціонованого доступу, порушень і зловживань. Використання штучного інтелекту в логістиці викликає етичні проблеми, пов’язані з упередженістю, прозорістю та підзвітністю. Алгоритми штучного інтелекту повинні розробля тися і використовуватися чесно, прозоро і з врахуванням права на приватність та з дотриманням усіх необхідних норм законодавства. Для усунення чи запобігання цих проблем розроблено та сформульовано рекомендації для ефективного впровадження штучного інтелекту в логістичну сферу. Вони передбачають аспекти, на які потрібно першочергово звернути увагу в разі розроблення механізмів автоматизації логістичних процесів. Інтеграція штучного інтелекту в логістику відкриває значні можливості для підвищення ефективності, зниження витрат і поліпшення обслуговування клієнтів. Однак для забезпечення відповідального й корисного впровадження штучного інтелекту вкрай важливо вирішити технічні та етичні проблеми, пов’язані з інтеграцією штучного інтелекту, щоб забезпечити його відповідальне й корисне використання. Дотримуючись рекомендацій, логістичні компанії мо жуть успішно використовувати штучний інтелект для трансформації своїх операцій і досягнення стратегічних цілей.
dc.format.pages1-10
dc.identifier.citationBurov Ye. Artificial intelligence in logistics: opportunities and challenges / Yevhen Burov, Andrii Kuliavets // Вісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2024 — № 16. — С. 1–10.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/115156
dc.language.isoen
dc.publisherВидавництво Львівської політехніки
dc.relation.references1. Fuel Transport. Challenging an Unconscious Bias in Logistics. https://fueltransport.com/challenging unconscious-bias/ 2. Oladimeji, S., Kerner, S. M. (2023, November 3). SolarWinds hack explained: Everything you need to know. TechTarget. https://www.techtarget.com/whatis/feature/SolarWinds-hack-explained-Everything-you-need-to know 3. OmneelabWMS (2023, August 9). Ethical Considerations in AI-Enabled Supply Chain Decision-Making. Medium. https://medium.com/@omneelabWMS/ethical-considerations-in-ai-enabled-supply-chain-decision-making 4e9575c036c3 4. Richey Jr, R. G., Chowdhury, S., Davis-Sramek, B., Giannakis, M., & Dwivedi, Y. K. (2023). Artificial intelligence in logistics and supply chain management: A primer and roadmap for research. The Journal of Business Logistics, 44(4), 532–549. https://doi.org/10.1111/jbl.12364 5. Silberg, J., Manyika, J. (2019). Notes from the AI frontier: Tackling bias in AI (and in humans). McKinsey Global Institute. 6. The American Transportation Research Institute (2018, October 18). Trucking Industry Congestion Costs Now Top $74 Billion Annually. ATRI. https://truckingresearch.org/2018/10/trucking-industry-congestion-costs-now top-74-billion-annually/ 7. Vernall, M. (2023, December 16). How To Keep Supply Chains More Secure by Leveraging AI & ML. Linkedin. https://www.linkedin.com/pulse/how-keep-supply-chains-secure-leveraging-ai-ml-mark-vernall-az3kc 8. Voitsekhivska, I. (2024, January 11). AI in Logistics: How Does It Truly Transform The Field? Eliftech. https://www.eliftech.com/insights/ai-in-logistics-explained/ 9. Медведєв, Є., Попова, Ю., Коваленко, М. (2023). Інноваційні технології штучного інтелекту в управлінні логістикою соціальних підприємств. Економіка та суспільство, (56). https://doi.org/10.32782/2524 0072/2023-56-53 10. Музиченко, Т., Скорба, О., Шевчук, А. (2023). Штучний інтелект як засіб оптимізації бізнес процесів в електронній комерції. Академічні візії, 25. https://doi.org/10.5281/zenodo.10081884 11. Позняк, О., Мельник, К. (2020). Логістичні аспекти штучного інтелекту в управлінні товарами стратегічного призначення. Науковий погляд: економіка та управління, 3(69), 153–158. https://doi.org/ 10.32836/2521-666X/2020-69-25 12. Фалович, Н., Дубчак, О. (2023). Впровадження штучного інтелекту в логістиці: майбутнє логістичної галузі. Матеріали Всеукраїнської науково-практичної інтернет-конференції “Маркетингові технології підприємств в сучасному науково-технічному середовищі”, 143–144. 13. Шматковська, Т., Стащук, О., Дзямулич, М. (2021). Великі дані та бізнес-моделювання еконо мічних систем. Ефективна економіка, 5. https://doi.org/10.32702/2307-2105-2021.5.96
dc.relation.references1. Fuel Transport. Challenging an Unconscious Bias in Logistics. https://fueltransport.com/challenging unconscious-bias/ 2. Oladimeji, S., Kerner, S. M. (2023, November 3). SolarWinds hack explained: Everything you need to know. TechTarget. https://www.techtarget.com/whatis/feature/SolarWinds-hack-explained-Everything-you-need-to-know 3. OmneelabWMS (2023, August 9). Ethical Considerations in AI-Enabled Supply Chain Decision-Making. Medium. https://medium.com/@omneelabWMS/ethical-considerations-in-ai-enabled-supply-chain-decision-making 4e9575c036c3 4. Richey Jr, R. G., Chowdhury, S., Davis-Sramek, B., Giannakis, M., Dwivedi, Y. K. (2023). Artificial intelligence in logistics and supply chain management: A primer and roadmap for research. The Journal of Business Logistics, 44(4), 532–549. https://doi.org/10.1111/jbl.12364 5. Silberg, J., Manyika, J. (2019). Notes from the AI frontier: Tackling bias in AI (and in humans). McKinsey Global Institute. 6. The American Transportation Research Institute (2018, October 18). Trucking Industry Congestion Costs Now Top $74 Billion Annually. ATRI. https://truckingresearch.org/2018/10/trucking-industry-congestion-costs-now top-74-billion-annually/ 7. Vernall, M. (2023, December 16). How To Keep Supply Chains More Secure by Leveraging AI & ML. Linkedin. https://www.linkedin.com/pulse/how-keep-supply-chains-secure-leveraging-ai-ml-mark-vernall-az3kc 8. Voitsekhivska, I. (2024, January 11). AI in Logistics: How Does It Truly Transform The Field? Eliftech. https://www.eliftech.com/insights/ai-in-logistics-explained/ 9. Medvedev, E., Popova, Y., Kovalenko, M. (2023). Innovative technologies of artificial intelligence in the logistics management of social enterprises. Economy and Society, (56). https://doi.org/10.32782/2524-0072/2023-56 53 10. Muzychenko, T., Skorba, O., Shevchuk, A. (2023). Artificial intelligence as a means of optimizing business processes in e-commerce. Academic Visions, (25). https://doi.org/10.5281/zenodo.10081884 11. Pozniak, O., Melnyk, K. (2020). Logistics aspects of artificial intelligence in the management of strategic goods. Scientific view: economics and management, 3(69), 153–158. https://doi.org/10.32836/2521-666X/2020-69-25 12. Falovych, N., Dubchak, O. (2023). Implementation of artificial intelligence in logistics: the future of the logistics industry. Materials of the All-Ukrainian scientific and practical Internet conference “Marketing technologies of enterprises in the modern scientific and technical environment”, 143–144. 13. Shmatkovska, T., Stashchuk, O., Dziamulych, M. (2021). Big data and business modelling of economic systems. Effective Economy, 5. https://doi.org/10.32702/2307-2105-2021.5.96
dc.relation.urihttps://doi.org/10.23939/sisn2024.16.001
dc.subjectartificial intelligence; logistics; logistics systems; automation; innovative technologies
dc.subjectштучний інтелект, логістика, логістичні системи, автоматизація, іннова ційні технології
dc.subject.udc004.8
dc.titleArtificial intelligence in logistics: opportunities and challenges
dc.title.alternativeШтучний інтелект у логістиці: можливості та виклики
dc.typeArticle

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
241164maket4-3-12_0.pdf
Size:
421.33 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: