જ્યારે ક્રાંતિ થઈ રહી હોય ત્યારે તમે તેને નોંધતા નથી. તમે તેને ત્યારે જ જોઈ શકો છો જ્યારે જૂની આદતો પહેલેથી જ અદૃશ્ય થઈ ગઈ હોય.

જ્યારે ક્રાંતિ થઈ રહી હોય ત્યારે તમે તેને નોંધતા નથી. તમે તેને ત્યારે જ જુઓ છો જ્યારે જૂની આદતો પહેલેથી જ અદૃશ્ય થઈ ગઈ હોય.

દસ કે પંદર વર્ષ પહેલાં માલસામાન (freight) કેવી રીતે હરતો-ફરતો હતો તે વિશે વિચારો. એક ડિસ્પેચર કાગળના નકશા અને ફોન લિસ્ટ સાથે બેસતો હતો. જ્યારે કોઈ ગ્રાહક પૂછે કે તેમનો શિપમેન્ટ ક્યાં છે, ત્યારે કોઈ ડ્રાઈવરને ફોન કરતું. જો ડ્રાઈવર ફોન ન ઉપાડે, તો જવાબ માત્ર મૌન રહેતો. રૂટ (માર્ગો) યાદશક્તિ, અંતર્જ્ઞાન અને રેડિયો ટ્રાફિક રિપોર્ટમાં જે કંઈ પણ કહેવામાં આવતું તેના આધારે બનાવવામાં આવતા હતા. મોડા ડિલિવરી એ કોઈ કટોકટી નહોતી. તે તો સામાન્ય દિવસ હતો.

તે દુનિયા હવે જતી રહી છે. ગ્રાહકો હવે પેકેજ ટ્રેકિંગ સાથે તે રીતે વર્તે છે જે રીતે તેઓ વેધર એપ્સ (weather apps) સાથે વર્તે છે. તેઓ રિફ્રેશ કરે છે. તેઓ પિનને ખસતી જોવા ઈચ્છે છે. તેઓ કલાકોના બદલે મિનિટોમાં સમયગાળો ઈચ્છે છે. તે જ સમયે, ઈંધણના ભાવ અનિશ્ચિત રીતે વધઘટ થાય છે અને લાયક ડ્રાઈવરોને રાખવા મુશ્કેલ બની રહ્યા છે. બજારની માંગ અને મેન્યુઅલ પ્રક્રિયાઓ જે આપી શકે છે તે વચ્ચેનું અંતર સતત વધી રહ્યું છે.

આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) એ કોઈ ભવિષ્યનું વધારાનું સાધન નથી. તે એવા સિસ્ટમ માટેનો ઉપાય છે જેની માનવ ક્ષમતા વર્ષો પહેલાં ઓછી પડી ગઈ હતી. અને મહત્વની વાત એ છે કે, તે માણસોને સિસ્ટમમાંથી દૂર કરવા માટે નથી. તે માણસોનો સમય એવા કામમાં બગાડતા રોકવા માટે છે જે સોફ્ટવેર વધુ સારી રીતે સંભાળી શકે છે.

જ્યારે દરેક વ્યક્તિ એક જ નકશો જોઈ શકે

AI રોજિંદા કામમાં સૌથી પહેલાં વિઝિબિલિટી (visibility) બદલે છે.

જૂની પદ્ધતિઓમાં, “વિઝિબિલિટી” એટલે એક ફોન કોલ અને પ્રાર્થના. એક ટ્રાન્સપોર્ટેશન મેનેજર કદાચ જાણતો હોય કે ટ્રક 14 સવારે 8 વાગ્યાની આસપાસ વેરહાઉસમાંથી નીકળી હતી. તે પછી, જ્યાં સુધી ડ્રાઈવર ગંતવ્ય સ્થાન પર પહોંચીને ચેક-ઈન ન કરે ત્યાં સુધી કાર્ગો એક અંધારા ખાડામાં (black hole) ખોવાઈ જતો હતો. જો કોઈ ગ્રાહક બપોરે ફોન કરે, તો મેનેજર કાં તો આત્મવિશ્વાસ સાથે જૂઠું બોલતો અથવા ડ્રાઈવર પર તણાવ નાખતો.

આધુનિક પ્લેટફોર્મ GPS, ટેલેમેટિક્સ, ઇલેક્ટ્રોનિક લોગિંગ ડિવાઇસ અને વેરહાઉસ સ્કેનર્સમાંથી ડેટા મેળવે છે. AI આ ડેટાને એક સચોટ ચિત્રમાં રૂપાંતરિત કરે છે. એક મેનેજર બસો લોકોને ફોન કર્યા વગર એક જ સ્ક્રીન પર જોઇને બસો શિપમેન્ટ જોઈ શકે છે. સોફ્ટવેર આપમેળે અપવાદો (exceptions) દર્શાવે છે: બોર્ડર પર લાંબા સમય સુધી ઉભેલી ટ્રક, ટ્રેલરનું તાપમાન નિર્ધારિત મર્યાદાની બહાર જવું, અથવા અચાનક રસ્તો બંધ થવા કારણે રૂટમાં ફેરફાર થવો. માનવીય આંખો હજુ પણ એલર્ટ્સની સમીક્ષા કરે છે, પરંતુ હવે તેમણે ઘાસના ઢગલામાં સોય શોધવી પડતી નથી.

આ એટલા માટે મહત્વનું છે કારણ કે કામના વધતા સ્કેલને કારણે જૂનું મોડેલ નિષ્ફળ ગયું છે. તમે દરરોજ સવારે પચાસ ડ્રાઈવરોને ફોન કરીને માનસિક શાંતિ જાળવી શકતા નથી. તમે દરેક ગ્રાહકને નમ્ર ઈમેલ મોકલીને વિશ્વાસ કરવા માટે કહી શકતા નથી. વિઝિબિલિટી ટૂલ્સ નાની ટીમોને મોટી કંપનીની જેમ કામ કરવાની ક્ષમતા આપે છે અને મોટી ટીમોને કામના ભાર હેઠળ ડૂબતા અટકાવે છે.

આગમનનો સમય અંદાજિત કરવો મોંઘો પડે છે

ટ્રક ક્યારે પહોંચશે તેની આગાહી કરવી સરળ લાગે છે. પણ તે નથી.

એક માનવીય અંદાજ લગાવનાર પાયાના મેપિંગ ટૂલમાં સરનામાં નાખી શકે છે અને ટ્રાફિક માટે પોતાના અનુભવના આધારે થોડો વધારાનો સમય ઉમેરી શકે છે. આ ત્યાં સુધી કામ કરે છે જ્યાં સુધી કંઈક અણધારી ઘટના ન બને. પોર્ટમાં વિલંબ, કસ્ટમ્સ ઇન્સ્પેક્શન, મેમ્ફિસમાં અચાનક આવેલું તોફાન, અથવા લંચ માટે બંધ થતું રિસીવર ડોક - આ બધું જ સમયપત્રક બગાડી શકે છે. જ્યારે કોઈ વ્યવસાય ત્રણ કલાકની ડિલિવરી વિન્ડો આપે અને તેમાં નિષ્ફળ જાય, ત્યારે તેની કિંમત માત્ર ગુસ્સે થયેલા ગ્રાહકો પૂરતી મર્યાદિત નથી. તે ઉત્પાદન લાઇનનું અટકી જવું, રિસીવિંગ ડોક પર મજૂરોનો બિનઉપયોગી સમય અને કોન્ટ્રાક્ટમાં લખાયેલા દંડ પણ છે.

AI પ્રિડિક્શન એન્જિન ઐતિહાસિક ડેટાનો ઉપયોગ કરે છે. તેઓ જુએ છે કે ગુરુવારની બપોરે તે ચોક્કસ રૂટ પર કેટલો સમય લાગે છે. તેઓ પીક સીઝન દરમિયાન તે ચોક્કસ ડિસ્ટ્રિબ્યુશન સેન્ટર પર ટ્રાફિકની શક્યતા તપાસે છે. જેમ જેમ નવી પરિસ્થિતિઓ સામે આવે છે તેમ તેમ તેઓ સતત સુધારો કરે છે. પરિણામ એ છે કે આગમનનો અંદાજિત સમય (ETA) ટ્રક નજીક આવતા વધુ સચોટ બને છે, અસ્પષ્ટ નહીં.

સામેના છેડે રહેલા પ્લાનર માટે, આ બાબત આખો દિવસ બદલી નાખે છે. "જો કદાચ" કહીને છ કલાકનો સમય રોકી રાખવાને બદલે, તેઓ નવ્વાણું મિનિટના સમયગાળામાં મજૂરોનું આયોજન કરી શકે છે. વેરહાઉસ વધુ કાર્યક્ષમ રીતે ચાલે છે. ટ્રક કતારમાં ઓછો સમય વિતાવે છે. ઈંધણ ત્યારે જ વપરાય છે જ્યારે પૈડાં ખરેખર તૈયાર હોય તેવા ડોક તરફ આગળ વધી રહ્યા હોય.

દરેક ટ્રિપમાંથી શીખતા રૂટ્સ

રૂટ ઓપ્ટિમાઇઝેશન એ બીજું એક ક્ષેત્ર છે જ્યાં માનવીય અનુભવ મર્યાદિત થઈ જાય છે.

એક અનુભવી ડિસ્પેચર સારો રૂટ બનાવી શકે છે. કોઈ પણ અલ્ગોરિધમ એ ૨૦ વર્ષના અનુભવની જગ્યા લઈ શકતું નથી કે કયો રિસીવર અનલોડ કરવામાં હંમેશા વધુ સમય લે છે, અથવા કયો હાઇવે સ્થાનિક શાળા છૂટ્યા પછી પાર્કિંગ લોટ જેવો બની જાય છે. પરંતુ અનુભવ વધતી જતી સંભવિતતાઓ (combinatorial explosion) સામે લાચાર છે. એકવાર તમે મધ્યમ કદના ફ્લીટનું સંચાલન કરવાનું શરૂ કરો, પછી સંભવિત રૂટના વિકલ્પોની સંખ્યા એટલી વધી જાય છે કે કોઈપણ મગજ તેને રિયલ ટાઇમમાં ગોઠવી શકતું નથી.

AI-આધારિત રૂટ ઓપ્ટિમાઇઝેશન સેકન્ડોમાં લાખો સંયોજનોનું મૂલ્યાંકન કરે છે. તે કડક મર્યાદાઓને ધ્યાનમાં લે છે: જેમ કે રેફ્રિજરેટેડ લોડ, ડ્રાઈવરના સેવાના કલાકોની મર્યાદા, અથવા ગ્રાહકની એપોઇન્ટમેન્ટ વિન્ડો. તે સપાટ ભૂપ્રદેશ અથવા સતત ગતિને પ્રાધાન્ય આપીને, બેકહૉલ્સને એકત્રિત કરીને, અને સ્ટોપ્સને એવી રીતે ક્રમબદ્ધ કરીને બળતણનો વપરાશ ઘટાડે છે જેથી ટ્રક મેટ્રો વિસ્તારમાં ઝિગઝેગ રીતે ન દોડે.

બળતણની બચત વધતી જાય છે. ડ્રાઈવરોને જાળવી રાખવાનો દર પણ વધે છે. કોઈ પણ ડ્રાઈવર એટલા માટે નોકરી છોડતો નથી કારણ કે કમ્પ્યુટરે તેમને ડિલિવરી માટે વધુ સ્માર્ટ ક્રમ આપ્યો હોય. લોકો ત્યારે નોકરી છોડે છે જ્યારે તેમને એવા બિનતાર્કિક લાંબા પ્રવાસો પર મોકલવામાં આવે છે જે તેમને કોઈ યોગ્ય કારણ વગર ઘરથી દૂર રાખે છે. બહેતર રૂટ્સ ડીઝલ ટેન્ક અને કેબમાં બેઠેલા માણસ, બંનેનું સન્માન કરે છે.

આંચકાને સહન કરવો

સપ્લાય ચેઈન હંમેશા સંવેદનશીલ રહી છે. વાવાઝોડું બંદર બંધ કરી દે છે. ભૌગોલિક રાજકીય ઘટના સરહદ પાર કરવાની અવરજવરને અવરોધે છે. સપ્લાયર ઉત્પાદનની સમયમર્યાદા ચૂકી જાય છે અને અચાનક તમારા આઉટબાઉન્ડ ફ્રેઇટ પાસે લઈ જવા માટે કંઈ હોતું નથી. અત્યારે તફાવત ઝડપનો છે. અગાઉ નેટવર્કમાં વિક્ષેપો ફેલાવવામાં દિવસો લાગતા હતા. હવે તેઓ ટ્વીટની ગતિએ ફેલાય છે.

વિક્ષેપોનું સંચાલન કરતા AI સાધનો ખરાબ હવામાનને રોકતા નથી. તેઓ પ્રતિક્રિયા આપવાનો સમય ઘટાડે છે. જ્યારે વાવાઝોડું ઇન્ટરસ્ટેટ માર્ગો બંધ કરે છે, ત્યારે ડ્રાઈવરો તેમની કોફી પૂરી કરે તે પહેલાં જ સિસ્ટમ અસરગ્રસ્ત રૂટ્સનું પુનઃ આયોજન કરી શકે છે. જ્યારે એક પ્રદેશમાં માંગ વધે છે અને બીજામાં ઘટે છે, ત્યારે અલ્ગોરિધમ્સ અસંતુલનને ઓળખે છે અને ખાલી એસેટ્સને ફરીથી ગોઠવવાનું સૂચન કરે છે. જ્યારે કોઈ કેરિયર લોડ ઉપાડવામાં નિષ્ફળ જાય છે, ત્યારે પ્લેટફોર્મ મેન્યુઅલ બિડિંગ વોર શરૂ કર્યા વિના પૂર્વ-ચકાસાયેલ બેકઅપ નેટવર્કમાંથી વિકલ્પ શોધી શકે છે.

મુખ્ય વાત એ છે કે આ સિસ્ટમો શીખે છે. એક વખતનો કામચલાઉ ઉપાય આગામી કટોકટી માટે ડેટા બની જાય છે. મોડેલ વિકલ્પો સૂચવવામાં વધુ સારું બને છે કારણ કે તેણે જોયું છે કે કયા વિકલ્પો ખરેખર કામ કરી ગયા હતા.

માનવ સ્થાન હજુ પણ ડ્રાઈવરનું સ્થાન છે

પરિવહન ક્ષેત્રે AI નો અર્થ રોબોટ ટ્રક અને બેરોજગાર ડિસ્પેચર્સ છે તેવી સતત ભયની લાગણી છે.