Didėjančios darbo sąnaudos ir mažesnės pristatymo maržos verčia didelius platformų operatorius, tokius kaip „Grab“, žiūrėti į automatizavimą. Įsigijus „Infermove“, jis buvo perkeltas į robotikos galimybes.
Grab veikia tokiu mastu, kai nedidelis efektyvumo padidėjimas gali turėti didesnį poveikį. Jos platforma palaiko milijonus pristatymų Pietryčių Azijoje, daugelį jų vykdo motoroleriais ir dviračiais važinėjantys vairuotojai tankiose miesto vietose, todėl sudėtingumas riboja, kiek automatika galėtų pakeisti žmogaus darbą. Įsigijęs įmonę, kuri orientuota į robotus, sukurtus nestruktūrizuotoms aplinkybėms, Grabas mano, kad fizinio pasaulio AI yra pakankamai subrendęs, kad jį būtų galima naudoti ne bandomųjų programų atvejais.
Pristatymo automatizavimas arti pagrindinių operacijų
Užuot pasikliavę jau paruoštomis sistemomis, „Grab“ pasirenka integruoti kūrimo kilpą. „Infermove“ technologija skirta mokytis iš realaus pasaulio judėjimo duomenų, įskaitant informaciją, sugeneruotą nemotorizuotų pristatymo transporto priemonių. Praktiškai tai reiškia, kad robotai apmokyti, kaip žmonės iš tikrųjų važiuoja šaligatviais, perėjomis ir perpildytose išlaipinimo vietose, o ne kaip tos erdvės atrodo modeliuojant.
Tokiam pristatymo operatoriui kaip Grab šis skirtumas yra svarbus. Imituota aplinka gali padėti ankstyvam vystymuisi, tačiau dažnai susiduriama su išskirtiniais atvejais, apibrėžiančiais tikrus miestus. Šio mokymosi proceso įdiegimas įmonėje leidžia „Grab“ formuoti, kaip automatizavimas veikia pagal savo veiklos apribojimus, o ne pritaikyti savo pristatymo tinklą, kad jis atitiktų trečiosios šalies sistemą.
Žvelgiant iš įmonės perspektyvos, strateginė vertė yra valdymas. Turint technologiją, „Grab“ suteikia daugiau įtakos diegimo tempui, veikimo apimčiai ir išlaidų kompromisams. Tai taip pat sumažina ilgalaikę priklausomybę nuo pardavėjų, kurių prioritetai gali neatitikti Grabo regiono pėdsakų ar ekonominių realijų.
Tačiau automatika negali pakeisti žmonių raitelių. Net kai robotai prisiima dalį darbo eigos, paslaugų teikimo centre išlieka žmonės. Atrodo, kad „Grab“ domisi pasirinktu naudojimu, pvz., struktūriniais pirmos mylios arba paskutinės mylios segmentais, kur užduotys kartojasi, o atstumai trumpi. Šiose srityse robotai gali padėti išlyginti paklausos šuolius, sumažinti vėlavimą piko valandomis ir sumažinti spaudimą darbo jėgos trūkumo metu.
Sąnaudų spaudimo valdymas nenutraukiant paslaugos
Gruodžio mėn. vykusiame vidiniame susitikime „Grab“ vyriausiasis technologijų pareigūnas Suthen Thomas apibūdino „Infermove“ pažangą kaip „įspūdingą“, pabrėždamas technologiją ir ankstyvą komercinį naudojimą. Jis taip pat sakė, kad bendrovė ir toliau veiks savarankiškai, o jos įkūrėjas bus tiesiogiai jam atskaitingas. Struktūra rodo, kad „Grab“ pirmenybę teikia vykdymui ir tęstinumui, o ne greitam organizaciniam integravimui.
Šis metodas atspindi platesnį didelių skaitmeninių platformų pasikeitimą. Vietoj to, kad dirbtinį intelektą traktuotų kaip sluoksnį, pridedamą prie esamų sistemų, įmonės įterpia jį giliau į pagrindines operacijas. Pristatymo ir logistikos srityje tai dažnai reiškia, kad ne tik optimizavimo programinė įranga, bet ir fizinė automatizacija, kur rizika ir sąnaudos yra didesnės, tačiau galimas pelnas yra labiau struktūrinis.
Laikas taip pat iškalbingas. Pristatymo pagal pareikalavimą apimtys ir toliau auga, tačiau maržos išlieka spaudimas. Klientai tikisi greitesnio aptarnavimo ir mažesnių mokesčių, o operatoriai susiduria su augančiais atlyginimais, degalų sąnaudomis ir griežtesniu reguliavimu. Tokioje aplinkoje automatizavimas tampa mažiau susijęs su naujovėmis, o daugiau apie paslaugų lygio palaikymą nesumažinant pelningumo.
Robotikos kūrimo priartinimas prie operacijų taip pat gali padėti suderinti paskatas, susijusias su duomenų naudojimu. Norint mokyti fizines AI sistemas, reikia daug realaus pasaulio duomenų, kuriuos pristatymo platformos jau generuoja dideliu mastu. Laikydami šį grįžtamojo ryšio kilpą viduje, galite pagreitinti iteraciją ir sumažinti poreikį dalytis jautriais veiklos duomenimis išorėje.
Vis dar yra ribos. Tikėtina, kad šaligatviams ir trumpiems maršrutams sukurti robotai artimiausiu metu pakeis žmonių kurjerius visame tinkle. Orai, vietinės taisyklės ir klientų sutikimas ir toliau formuojasi ten, kur automatika gali realiai veikti. Plėtra į kelias šalis dar labiau apsunkina, nes infrastruktūra ir reglamentai labai skiriasi.
Pramonės prognozės rodo, kad sparčiai auga paskutinės mylios pristatymo robotika, tačiau šie skaičiai operatoriams pateikia ribotas rekomendacijas. Iš karto kyla klausimas, ar automatizavimas gali sumažinti pristatymo kainą, neįvedant naujų gedimų taškų. Tai mažiau priklauso nuo rinkos dydžio ir labiau nuo našumo gyvoje aplinkoje.
Žvelgiant iš įmonės objektyvo, „Infermove“ įsigijimas nėra statymas dėl robotikos kaip produkto kategorijos. Tai žingsnis siekiant sustiprinti ryšį tarp AI, duomenų ir fizinių operacijų. Platformų įmonėms, kurios remiasi logistika ir mobilumu, ši integracija gali tapti pagrindiniu veiksniu valdant augimą esant nuolatiniam išlaidų spaudimui.
(Nuotrauka Afif Ramdhasuma)
Taip pat žiūrėkite: Teisininkų draugija: dabartiniai įstatymai tinka AI erai
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
