Grab च्या मुख्य वित्त अधिकाऱ्यांच्या (CFO) म्हणण्यानुसार, कंपनीच्या AI सुईटने (AI suite) डिलिव्हरी वेळ अंदाजे एक तृतीयांश कमी केला आहे, ज्यामुळे ऑपरेटिंग नफा १८६% वाढून १९ दशलक्ष डॉलर्सवर पोहोचला आहे, तर महसूल २२% वाढून ९९७ दशलक्ष डॉलर्स झाला आहे. जलद शिपमेंटमुळे लॉजिस्टिकमधील सर्वात मोठा खर्च - वेळ - कमी होतो आणि त्याचा थेट फायदा ड्रायव्हर्स आणि प्लॅटफॉर्म दोघांच्याही कमाईत होतो.

Grab चे AI आता का महत्त्वाचे आहे

Grab ने एक 'सुपर-ॲप' तयार केले आहे ज्यामध्ये राईड-हेलिंग, फूड डिलिव्हरी, पेमेंट्स आणि बरेच काही समाविष्ट आहे. या व्याप्तीमुळे त्यांच्याकडे असा डेटा पूल आहे जो केवळ डिलिव्हरी क्षेत्रातील कंपन्यांकडे नसतो. रिअल-टाइम राईड, ऑर्डर आणि पेमेंट सिग्नल मशीन-लर्निंग मॉडेल्समध्ये फीड करून, Grab मागणीतील वाढ (demand spikes) ओळखते आणि त्यानुसार ड्रायव्हर्सना मार्गदर्शन करते. परिणामी: ऑर्डर देणे आणि ती पूर्ण करणे यामधील अंतर कमी झाले असून, सामान्य शिपिंग वेळेत ३०% पर्यंत घट झाली आहे.

या वेगवान प्रक्रियेमागील साधने

  • Turbo Mode – एक AI-चालित राउटिंग असिस्टंट जो थेट ट्रॅफिक आणि ऑर्डरच्या ठिकाणांवर आधारित ड्रायव्हर्सना सर्वात जलद मार्ग सुचवतो. ड्रायव्हर्सनी सांगितले आहे की त्यांच्या प्रति तास कमाईत २३% वाढ झाली आहे कारण ते एकाच शिफ्टमध्ये अधिक ट्रिप्स पूर्ण करू शकतात.
  • Predictive Matching – ही प्रणाली एखादा रेस्टॉरंट कधी जेवण तयार करेल याचा अंदाज लावते आणि त्या वेळेनुसार जवळच्या ड्रायव्हरची जोडी लावते, ज्यामुळे ड्रायव्हरला रेस्टॉरंटवर वाट पाहावी लागणारा वेळ कमी होतो.
  • Mai, the merchant assistant – एक AI सहाय्यक जो सहभागी रेस्टॉरंट्ससाठी ऑर्डरच्या प्रमाणाचा (order volumes) अंदाज लावतो. हे साधन वापरल्यानंतर वापरकर्त्यांच्या विक्रीमध्ये सुमारे १५% वाढ दिसून आली आहे.

प्रत्येक घटक एका वेगळ्या अडथळ्यावर मात करतो: नेव्हिगेशन, रेस्टॉरंटमधील प्रतीक्षा वेळ आणि मर्चंटचे मागणी नियोजन (demand planning). एकत्रितपणे ते एक सकारात्मक चक्र (virtuous cycle) तयार करतात: जलद डिलिव्हरीमुळे ड्रायव्हर्सना अधिक कामे घेता येतात, ड्रायव्हर्सची वाढलेली कमाई अधिक कूरियर्सना आकर्षित करते आणि ग्राहकांना अन्न वेगाने मिळते, ज्यामुळे ते वारंवार ऑर्डर करतात.

बाजारपेठेसाठी महत्त्व

आर्थिक फायदा स्पष्ट आहे. डिलिव्हरी वेळेतील ३०% कपातीमुळे Grab ला ऑपरेटिंग नफा १८६% वाढवून १९ दशलक्ष डॉलर्सपर्यंत नेण्यास मदत झाली. ड्रायव्हर्ससाठी, २३% कमाईतील वाढ श्रम-प्रधान क्षेत्रात (labor-intensive segment) टिकून राहण्यास मदत करते, जिथे कर्मचारी बदलण्याचे प्रमाण (turnover) सहसा जास्त असते. मर्चंट्सना १५% विक्री वाढीचा फायदा होतो, ज्यामुळे Grab च्या प्लॅटफॉर्मवरील त्यांचा विश्वास अधिक दृढ होतो.

जोखीम आणि प्रतिवाद

AI हा कोणताही रामबाण उपाय (silver bullet) नाही. प्रगत मॉडेल्स तयार करण्यासाठी आणि ते टिकवून ठेवण्यासाठी टॅलेंट, कॉम्प्युटिंग पॉवर आणि सतत डेटा-गुणवत्ता तपासणीची आवश्यकता असते.

पुढे काय पाहावे

  • Fintech crossover – Grab डिलिव्हरी-वेळेच्या डेटाचा वापर मर्चंटचा कॅश फ्लो आणि क्रेडिट रिस्क तपासण्यासाठी करण्याची योजना आखत आहे, ज्यामुळे केवळ फिनटेक क्षेत्रातील प्रतिस्पर्ध्यांसाठी अडथळा निर्माण होऊ शकतो. त्या क्रेडिट-स्कोअरिंग मॉडेलची प्रभावीता ही AI moat ची एक महत्त्वाची चाचणी असेल.

निष्कर्ष

Grab चा AI रोलआउट दर्शवतो की इंटेलिजेंट राउटिंग आणि मागणीचा अंदाज लावल्यामुळे वेगाचे रूपांतर नफ्यात होऊ शकते, ज्यामुळे प्लॅटफॉर्म, त्याचे ड्रायव्हर्स आणि मर्चंट्सना मोजण्यायोग्य फायदा मिळतो.