ประธานเจ้าหน้าที่ฝ่ายการเงินของ Grab กล่าวว่า ชุดเครื่องมือ AI ของบริษัทช่วยลดระยะเวลาการจัดส่งลงได้ประมาณหนึ่งในสาม ส่งผลให้กำไรจากการดำเนินงานเพิ่มขึ้น 186% เป็น 19 ล้านดอลลาร์ ในขณะที่รายได้พุ่งขึ้น 22% เป็น 997 ล้านดอลลาร์ การจัดส่งที่รวดเร็วขึ้นช่วยลดต้นทุนที่ใหญ่ที่สุดในด้านโลจิสติกส์ นั่นคือ "เวลา" และเปลี่ยนเป็นรายได้ที่สูงขึ้นสำหรับทั้งคนขับและแพลตฟอร์ม

ทำไม AI ของ Grab ถึงสำคัญในตอนนี้

Grab สร้าง super-app ที่รวบรวมทั้งบริการเรียกรถ, การสั่งอาหาร, การชำระเงิน และอื่นๆ ความหลากหลายนี้ทำให้บริษัทมีฐานข้อมูลขนาดใหญ่ที่บริษัทที่เน้นด้านการจัดส่งเพียงอย่างเดียวส่วนใหญ่ไม่มี การป้อนสัญญาณข้อมูลแบบเรียลไทม์ ทั้งการเดินทาง การสั่งซื้อ และการชำระเงิน เข้าสู่โมเดล Machine Learning ช่วยให้ Grab สามารถคาดการณ์ช่วงเวลาที่มีความต้องการใช้งานสูงและนำทางคนขับได้อย่างเหมาะสม ผลลัพธ์ที่ได้คือ วงจรที่กระชับขึ้นระหว่างการสั่งซื้อและการจัดส่ง ซึ่งช่วยลดระยะเวลาการจัดส่งปกติลงได้ถึง 30%

เครื่องมือเบื้องหลังความรวดเร็ว

  • Turbo Mode – ผู้ช่วยวางแผนเส้นทางที่ขับเคลื่อนด้วย AI ซึ่งจะแนะนำเส้นทางที่เร็วที่สุดให้กับคนขับโดยอิงจากสภาพจราจรและตำแหน่งการสั่งซื้อแบบสดๆ คนขับรายงานว่ามีรายได้ต่อชั่วโมงเพิ่มขึ้น 23% เนื่องจากพวกเขาสามารถทำรอบการเดินทางได้มากขึ้นในเวลาทำงานเท่าเดิม
  • Predictive Matching – ระบบจะคาดการณ์ว่าร้านอาหารจะทำอาหารเสร็จเมื่อใด และจับคู่เวลานั้นกับคนขับที่อยู่ใกล้เคียง ช่วยลดเวลาที่คนขับต้องรอที่ร้าน
  • Mai, ผู้ช่วยร้านค้า – ผู้ช่วย AI ที่ช่วยคาดการณ์ปริมาณคำสั่งซื้อสำหรับร้านอาหารที่เข้าร่วมโครงการ ผู้ใช้งานพบว่ายอดขายเพิ่มขึ้นประมาณ 15% หลังจากเริ่มใช้เครื่องมือนี้

แต่ละส่วนจะเข้าไปจัดการกับปัญหาที่แตกต่างกัน ได้แก่ การนำทาง, ระยะเวลารอที่ร้านอาหาร และการวางแผนความต้องการของร้านค้า เมื่อรวมกันแล้ว สิ่งเหล่านี้จะสร้างวงจรเชิงบวก (virtuous cycle): การจัดส่งที่เร็วขึ้นช่วยให้คนขับรับงานได้มากขึ้น รายได้ที่สูงขึ้นของคนขับจะดึงดูดพาร์ทเนอร์คนขับรายใหม่ๆ และลูกค้าจะได้รับอาหารเร็วขึ้น ซึ่งกระตุ้นให้พวกเขาสั่งอาหารบ่อยขึ้น

เดิมพันสำหรับตลาด

ผลประโยชน์ทางการเงินนั้นชัดเจน การลดระยะเวลาการจัดส่งลง 30% ช่วยให้ Grab ผลักดันกำไรจากการดำเนินงานไปถึง 19 ล้านดอลลาร์ หรือเพิ่มขึ้นถึง 186% สำหรับคนขับ รายได้ที่เพิ่มขึ้น 23% ช่วยเพิ่มอัตราการรักษาพนักงานในกลุ่มธุรกิจที่ต้องใช้แรงงานเข้มข้นซึ่งมักจะมีอัตราการลาออกสูง ส่วนร้านค้าได้รับประโยชน์จากยอดขายที่เพิ่มขึ้น 15% ซึ่งช่วยตอกย้ำความเชื่อมั่นในการใช้แพลตฟอร์มของ Grab

ความเสี่ยงและข้อโต้แย้ง

AI ไม่ใช่ยาสารพัดนึก การสร้างและรักษาโมเดลที่ซับซ้อนจำเป็นต้องใช้บุคลากรที่มีความสามารถ พลังในการประมวลผล และการตรวจสอบคุณภาพข้อมูลอย่างต่อเนื่อง

สิ่งที่ต้องจับตามองต่อไป

  • การข้ามสายงานสู่ Fintech – Grab วางแผนที่จะใช้ข้อมูลระยะเวลาการจัดส่งเพื่อประเมินกระแสเงินสดและความเสี่ยงด้านเครดิตของร้านค้า ซึ่งอาจสร้างกำแพงในการแข่งขันสำหรับคู่แข่งด้าน Fintech โดยตรง ประสิทธิภาพของโมเดลการให้คะแนนเครดิต (credit-scoring) นี้จะเป็นบททดสอบสำคัญของปราการทางเทคโนโลยี (AI moat)

บทสรุป

การนำ AI มาใช้ของ Grab แสดงให้เห็นว่าการวางแผนเส้นทางที่ชาญฉลาดและการคาดการณ์ความต้องการสามารถเปลี่ยนความเร็วให้เป็นกำไร โดยสร้างผลตอบแทนที่วัดผลได้ให้กับทั้งแพลตฟอร์ม คนขับ และร้านค้า