مدیر مالی ارشد Grab می‌گوید مجموعه ابزارهای هوش مصنوعی این شرکت، زمان تحویل را تقریباً تا یک‌سوم کاهش داده است؛ امری که باعث افزایش ۱۸۶ درصدی سود عملیاتی به ۱۹ میلیون دلار شده، در حالی که درآمد نیز با ۲۲ درصد رشد به ۹۹۷ میلیون دلار رسیده است. ارسال سریع‌تر، بزرگ‌ترین خط هزینه در لجستیک یعنی «زمان» را هدف قرار می‌دهد و مستقیماً به سود بیشتر برای رانندگان و پلتفرم منجر می‌شود.

چرا هوش مصنوعی Grab اکنون اهمیت دارد

Grab یک سوپر اپلیکیشن ساخته است که خدماتی نظیر تاکسی اینترنتی، ارسال غذا، پرداخت‌ها و موارد دیگر را در خود جای داده است. این وسعت به Grab مجموعه‌ای از داده‌ها را می‌دهد که اکثر شرکت‌های صرفاً فعال در حوزه ارسال کالا فاقد آن هستند. Grab با تغذیه سیگنال‌های لحظه‌ایِ سفر، سفارش و پرداخت به مدل‌های یادگیری ماشین، جهش‌های تقاضا را پیش‌بینی کرده و رانندگان را بر همان اساس هدایت می‌کند. نتیجه این است: حلقه‌ای منسجم‌تر بین ثبت سفارش و تکمیل آن که زمان معمول ارسال را تا ۳۰ درصد کاهش می‌دهد.

ابزارهای پشت این سرعت‌بخشی

  • Turbo Mode – یک دستیار مسیریابی مبتنی بر هوش مصنوعی که بر اساس ترافیک لحظه‌ای و موقعیت سفارش‌ها، سریع‌ترین مسیر را به رانندگان پیشنهاد می‌دهد. رانندگان از افزایش ۲۳ درصدی در درآمد ساعتی خود خبر می‌دهند، زیرا در یک شیفت کاری، سفرهای بیشتری را تکمیل می‌کنند.
  • Predictive Matching – این سیستم پیش‌بینی می‌کند که یک رستوران چه زمانی غذا را آماده می‌کند و این زمان‌بندی را با یک راننده نزدیک جفت می‌کند تا دقایقی که راننده در محل رستوران منتظر می‌ماند، کاهش یابد.
  • Mai، دستیار فروشندگان – یک دستیار هوش مصنوعی که حجم سفارش‌ها را برای رستوران‌های همکار پیش‌بینی می‌کند. کاربران پس از استفاده از این ابزار، شاهد افزایش حدود ۱۵ درصدی فروش بوده‌اند.

هر یک از این بخش‌ها یک نقطه اصطکاک متفاوت را هدف قرار می‌دهند: مسیریابی، زمان انتظار در رستوران و برنامه‌ریزی تقاضای فروشنده. این ابزارها در کنار هم یک چرخه مثبت ایجاد می‌کنند: تحویل سریع‌تر به رانندگان اجازه می‌دهد کارهای بیشتری انجام دهند، درآمد بالاتر رانندگان باعث جذب پیک‌های بیشتری می‌شود و مشتریان نیز غذا را سریع‌تر دریافت می‌کنند که این امر آن‌ها را به سفارش‌های مکرر ترغیب می‌کند.

پیامدهای بازار

مزیت مالی این موضوع کاملاً روشن است. کاهش ۳۰ درصدی در زمان تحویل به Grab کمک کرد تا سود عملیاتی خود را با جهشی ۱۸۶ درصدی به ۱۹ میلیون دلار برساند. برای رانندگان، افزایش ۲۳ درصدی درآمد باعث بهبود نرخ ماندگاری در بخشی از بازار می‌شود که با نیروی کار فشرده سروکار دارد و نرخ جابه‌جایی در آن به‌طور سنتی بالا است. فروشندگان نیز از افزایش ۱۵ درصدی فروش بهره‌مند می‌شوند که وابستگی آن‌ها به پلتفرم Grab را تقویت می‌کند.

ریسک‌ها و نکات متقابل

هوش مصنوعی یک راهکار جادویی نیست. ساخت و نگهداری مدل‌های پیچیده نیازمند استعداد، قدرت محاسباتی و بررسی‌های مداوم کیفیت داده‌ها است.

آنچه باید در آینده زیر نظر داشت

  • تلاقی با فین‌تک – Grab قصد دارد از داده‌های زمان تحویل برای ارزیابی جریان نقدی و ریسک اعتباری فروشندگان استفاده کند که پتانسیل ایجاد مانعی برای رقبای صرفاً فین‌تک را دارد. اثربخشی این مدل امتیازدهی اعتباری، آزمون اصلی برای «خندق هوش مصنوعی» (AI moat) این شرکت خواهد بود.

جمع‌بندی

استقرار هوش مصنوعی در Grab نشان می‌دهد که مسیریابی هوشمند و پیش‌بینی تقاضا می‌تواند سرعت را به سود تبدیل کند و دستاوردهای قابل‌اندازه‌گیری برای پلتفرم، رانندگان و فروشندگان آن به ارمغان بیاورد.