تکیه سنگین اوبر فریت بر هوش مصنوعی برای توسعه کسب‌وکار خود

بر اساس گزارش‌ها، سه سال پیش، در حالی که همه‌گیری کرونا هرج‌ومرجی برای شرکت‌های بزرگ و کوچک ایجاد کرده بود، لوسیانو زیبر، مدیر ارشد زنجیره تأمین در شرکت کولگیت-پالمولیو (Colgate-Palmolive)، یک «حمله لجستیکی» را سازماندهی کرد.

این اقدام باعث شد زیبر درک بهتری از نحوه جابجایی محصولات کولگیت-پالمولیو در سراسر جهان به دست آورد، اما مشکل دیگری برای او ایجاد کرد: حجم بیش از حد داده.

حدود یک سال پیش، زیبر راه‌حلی برای این مشکل در اوبر فریت (Uber Freight) یافت. بخش لجستیک و تحلیل داده این سرویس تاکسی آنلاین در حال توسعه روش‌های جدیدی برای مدیریت حجم عظیمی از داده‌ها با استفاده از هوش مصنوعی (Artificial Intelligence - AI) بوده است. کولگیت-پالمولیو یکی از اولین شرکت‌هایی بود که از یکی از جدیدترین محصولات آن استفاده کرد؛ یک مدل زبان بزرگ (Large Language Model - LLM) متمرکز بر لجستیک که اوبر فریت آن را "Insights AI" می‌نامد.

اکنون، اوبر فریت به‌طور رسمی مجموعه‌ای از ویژگی‌های هوش مصنوعی را به‌عنوان بخشی از نرم‌افزار موجود زنجیره تأمین خود به شرکت‌های حمل‌ونقل در سراسر جهان عرضه می‌کند. این مجموعه شامل توسعه Insights AI است که اوبر فریت به‌طور بی‌صدا در سال ۲۰۲۳ عرضه کرد، و همچنین بیش از ۳۰ عامل هوش مصنوعی (AI agents) که برای «اجرای وظایف کلیدی لجستیک در چرخه عمر حمل‌ونقل» ساخته شده‌اند.

اوبر فریت تنها شرکتی نیست که تلاش می‌کند زنجیره‌های تأمین نامنظم را با ابزارهای نوین هوش مصنوعی رام کند. فلکسپورت (Flexport) در ماه فوریه مجموعه ابزارهای هوش مصنوعی خود را معرفی کرد و استارتاپ‌های بی‌شماری در تلاشند به شرکت‌ها در مدیریت داده‌ها، کاهش انبارداری و پیش‌بینی بهتر عرضه و تقاضا کمک کنند.

اما اوبر فریت معتقد است که راه‌حل‌های هوش مصنوعی آن می‌توانند تأثیر فوری بر سود نهایی هم مشتریان بزرگ و هم نزدیک به ۱۰ هزار شرکت حمل‌ونقل دیگر که با آن‌ها کار می‌کند، داشته باشند. این امر تا حد زیادی به پایگاه دانش و روابطی که اوبر فریت در هشت سال از زمان تأسیس خود برای تطبیق کامیون‌داران مسافت طولانی با شرکت‌های حمل‌ونقل ایجاد کرده است، بازمی‌گردد.

لئور ران (Lior Ron)، بنیان‌گذار اوبر فریت، در مصاحبه‌ای با تک‌کرانچ (TechCrunch) گفت: «زنجیره تأمین ذاتاً یک مسئله غنی از داده است. این مسئله پیچیده و ظریف است و هوش مصنوعی می‌تواند نقش اساسی در شکل‌دهی و تسریع آن ایفا کند.»

اوبر فریت در زمان راه‌اندازی در سال ۲۰۱۷ با مدل کسب‌وکار واسطه‌گری مستقیم‌تری آغاز به کار کرد، اما این زیرمجموعه اوبر در طول سال‌ها به‌طور پیوسته به ارائه‌دهنده‌ای خدماتی بیشتر برای شرکت‌هایی که کالا را در سراسر جهان ارسال می‌کنند، تبدیل شده است.

بسیاری از شرکت‌های مدرن در تلاشند راه‌هایی برای ادغام هوش مصنوعی بیابند (اغلب با نتایج متفاوت)؛ بنابراین جای تعجب نیست که اوبر فریت این فناوری را در اولویت قرار داده است. لئور ران، بنیان‌گذار اوبر فریت، سابقه کار با یادگیری ماشینی (Machine Learning) را از زمان فعالیت در گوگل مپز (Google Maps) از سال ۲۰۰۷ تا ۲۰۱۶ داشته است. او اظهار داشت که در آنجا پتانسیل «دیجیتالی کردن جهان فیزیکی» را دیده است. وی گفت: «این موضوع من را به باور اساسی، نُه سال پیش، هدایت کرد که زنجیره تأمین اساساً یک چالش مبتنی بر داده و فناوری است که می‌تواند با اتصال داده‌ها و با گذشت زمان با هوش مصنوعی تسریع شود. فکر می‌کنم از زمانی که اوبر فریت را شروع کردم در حال ساخت به سوی این لحظه بوده‌ایم.»

ران گفت که اوبر فریت از ابتدا از یادگیری ماشینی در کارهای خود استفاده کرده است، اما حدود دو سال پیش تیم شروع به تلاش برای کار با قابلیت‌های پیشرفته‌تر هوش مصنوعی مولد (Generative AI) کرد.

ران گفت که این مسیر «آسان نبوده است». تلاش‌های اولیه اوبر فریت برای ساخت نوعی «کمک‌خلبان برای لجستیک» با «توهمات» (hallucinations) پر بود و پاسخ‌های دقیق را تنها در حدود ۶۰ تا ۷۰ درصد مواقع برمی‌گرداند.

به گفته ران، اکنون این فناوری «آزمایش میدانی» شده و «نتایج واقعی تجاری» را با دقت ۹۸ درصدی به ارمغان می‌آورد. این شرکت می‌گوید مدل Insights AI بر اساس داده‌های داخلی و خارجی مربوط به ۲۰ میلیارد دلار حمل‌ونقلی که هر سال به جابجایی آن کمک می‌کند، آموزش دیده است. همچنین به گفته اوبر فریت، این مدل از چندین مدل هوش مصنوعی نامعلوم استفاده می‌کند که «ترکیبات بهینه قیمت، دقت و عملکرد را ارائه می‌دهند».

ران گفت این پیشرفت در هوش مصنوعی راه‌های جدیدی را برای مشتریان جهت کار با داده‌های مرتبط با زنجیره تأمینشان ایجاد می‌کند. آن‌ها می‌توانند از Insights AI بخواهند تا به سرعت، مثلاً، بدترین نقاط مبدأ برای محموله‌های خاص را پیدا کند. یا می‌توانند بخواهند «تمام محموله‌ها به CVS در سال ۲۰۲۳» نمایش داده شوند. ران تأکید کرد که پرس‌وجوها می‌توانند بسیار پیچیده‌تر از این باشند و مدل همیشه پاسخگو است.

Insights AI به مشتریان شبیه به رابط‌های دیگر مدل‌های زبان بزرگ محبوب ارائه می‌شود؛ همچنین روند کار را نشان داده و مشخص می‌کند که داده‌ها از کجا آمده‌اند، درست مانند دیگر مدل‌های استدلالی.

ران گفت: «همه اینها به مشتری امکان می‌دهد تا «بینش‌هایی در مورد شبکه خود را بسیار سریع‌تر، تقریباً با دقت ۱۰۰٪ و به‌طور آنی به دست آورد، در مقابل اینکه آنچه را می‌خواهید بدانید فرموله کنید، آن را برای تحلیلگران بفرستید و دو هفته برای بازگشت پاورپوینت منتظر بمانید تا بحثی داشته باشید.»

اوبر فریت با بسیاری از شرکت‌های فورچون ۵۰۰ (Fortune 500) کار می‌کند، اما شریکی به‌ویژه مشتاق مانند کولگیت-پالمولیو برای آزمایش Insights AI و دیگر ابزارهای جدید خود پیدا کرد. به گفته زیبر، این گروه صنعتی قبلاً مجموعه‌ای از مدل‌های هوش مصنوعی را در دسترس همه کارمندان خود قرار داده است. همچنین این شرکت کارمندان خود را ملزم به گذراندن یک دوره آموزشی اجباری در زمینه اخلاق هوش مصنوعی که به‌صورت داخلی توسعه یافته، می‌کند.

زیبر گفت: «من فکر می‌کنم عالی است، زیرا مکالمه را از ترس به این سمت تغییر می‌دهد که 'چگونه این من را کارآمدتر می‌کند، و چگونه من یک حرفه‌ای بهتر می‌شوم و با دسترسی و استفاده از این فناوری‌های جدید بیشتر ارائه می‌دهم.'»

برای مثال، زیبر گفت شرکت او از Insights AI برای شناسایی آسان شرکت‌های حمل‌ونقلی استفاده کرده که کمتر از تعهدات قراردادی خود، محموله می‌پذیرند. از آنجا، می‌توانند دلیل پایین بودن این سطح‌ها را بررسی کنند و یا راه‌حلی برای بازگشت شرکت حمل‌ونقل به وضعیت مطابقت پیدا کنند یا آنها را کنار گذاشته و جایگزین دیگری بیابند.

زیبر گفت حل این مسئله در زمان واقعی قبلاً یک چالش بود، زیرا شرکت‌هایی مانند کولگیت-پالمولیو با هزاران شرکت حمل‌ونقل کار می‌کنند. هر کدام از آن‌ها ممکن است با سیستم‌ها و گردش کارهای متفاوتی کار کنند و تمام اطلاعات حاصل از آن هرگز واقعاً به‌صورت مرکزی مدیریت نمی‌شد.

به گفته زیبر و ران، گام بعدی با هوش مصنوعی، یافتن راه‌هایی برای ایجاد راه‌حل‌های فعال‌تر بوده است. ران گفت این مکان دیگری است که اوبر فریت می‌تواند نقاط قوت داده‌ای خود را به کار گیرد. او گفت: «ما امکانات، مسیرها و قیمت‌ها را می‌دانیم. شما چه می‌خواهید بدانید؟»

این ادغام‌های فعال‌تر به شکل هشدارهایی ارائه می‌شوند که به مشتری مانند کولگیت-پالمولیو اطلاع می‌دهند که در مسیرهای خاصی بیش از حد پرداخت می‌کنند یا گزینه‌های سریع‌تری برای حمل‌ونقلی خاص در دسترس است.

هر پیشنهاد تکی مانند این ممکن است تنها چند صد یا شاید چند هزار دلار صرفه‌جویی کند. اما مجموع این صرفه‌جویی‌ها در کل شبکه می‌تواند تفاوت بزرگی ایجاد کند.

به همین دلیل، زمانی که از زیبر سؤال شد، او سریع پاسخ داد که مدیر مالی کولگیت-پالمولیو اجرایی است که بیش از همه از امکانات فراهم‌شده توسط اوبر فریت راضی است. زیبر خندید و گفت: «او عاشق دیدن کاهش هزینه‌های لجستیک است.»