Omio ใช้ประโยชน์จาก OpenAI เพื่อปฏิวัติการพัฒนาผลิตภัณฑ์ด้านการเดินทางอย่างไร

Omio แพลตฟอร์มการเดินทางแบบ multimodal ที่เชื่อมต่อผู้ใช้งานเข้ากับผู้ให้บริการขนส่งกว่า 3,000 รายใน 47 ประเทศ กำลังกำหนดนิยามใหม่ให้กับวงจรการทำงานด้านวิศวกรรม (engineering lifecycle) ผ่านการบูรณาการ AI อย่างลึกซึ้ง ด้วยการฝังโมเดล OpenAI ลงในกระบวนการหลักโดยตรง บริษัทกำลังก้าวข้ามผ่านการทำงานอัตโนมัติเพียงผิวเผิน ไปสู่การออกแบบใหม่ตั้งแต่รากฐานว่าผลิตภัณฑ์ด้านการเดินทางควรถูกสร้างและนำออกใช้งานอย่างไร

ก้าวข้ามการบูรณาการ AI เพียงผิวเผิน

ในยุคที่หลายบริษัทเพียงแค่ "ต่อเติม" ฟีเจอร์ AI เข้ากับเวิร์กโฟลว์ที่มีอยู่เดิม แต่ Omio กำลังเลือกใช้วิธีการที่แตกต่างอย่างสิ้นเชิง Tomas Vocetka ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ได้กำหนดว่าการบูรณาการโมเดล OpenAI จะต้องไม่เป็นเพียงการซ่อมแซมกระบวนการภายในที่ล้าสมัย แต่ต้องทำหน้าที่เป็นตัวเร่งให้เกิดการออกแบบฟังก์ชันภายในทั้งหมดใหม่ทั้งหมด

ปรัชญานี้ช่วยให้มั่นใจได้ว่า AI จะไม่ได้เป็นเพียงเลเยอร์เสริม แต่เป็นองค์ประกอบพื้นฐานของสถาปัตยกรรมทางวิศวกรรม แทนที่จะใช้ LLM เพื่อจัดการงานเล็กๆ น้อยๆ ให้เป็นอัตโนมัติ Omio กลับใช้โมเดลเหล่านี้ในการปรับโครงสร้างท่อส่งการพัฒนาผลิตภัณฑ์ (product development pipeline) ทั้งหมด เพื่อให้มั่นใจว่าเทคโนโลยีจะเป็นตัวขับเคลื่อนประสิทธิภาพตั้งแต่ระดับรากฐาน แทนที่จะเป็นการเพิ่มความซับซ้อนให้กับระบบเดิม (legacy systems)

เร่งความเร็วในการพัฒนาด้านวิศวกรรมและอินเทอร์เฟซการจอง

ผลกระทบหลักของการบูรณาการนี้เกิดขึ้นภายในฝ่ายปฏิบัติการด้านวิศวกรรมของ Omio โดยมีการใช้โมเดล OpenAI เพื่อเร่งการพัฒนาผลิตภัณฑ์ด้านการเดินทางที่มีความซับซ้อน ซึ่งรวมถึงการสร้างต้นแบบ (prototyping) และการเปิดตัวอินเทอร์เฟซการจองที่ล้ำสมัยซึ่งสามารถจัดการกับข้อมูลแบบเรียลไทม์จำนวนมหาศาลได้

การจัดการเครือข่ายที่ครอบคลุม 47 ประเทศและผู้ให้บริการหลายพันราย จำเป็นต้องมีการประสานงานด้านการคำนวณและโลจิสติกส์อย่างมหาศาล ด้วยการใช้ประโยชน์จากความสามารถในการใช้เหตุผลขั้นสูงและพลังการสร้างสรรค์ (generative capabilities) ของ OpenAI วิศวกรของ Omio จึงสามารถจัดการกับความซับซ้อนของข้อมูลการขนส่งแบบ multimodal ตั้งแต่รถไฟ รถบัส ไปจนถึงเที่ยวบิน ซึ่งช่วยให้รอบการพัฒนา (iteration cycles) รวดเร็วยิ่งขึ้น ก้าวกระโดดทางเทคนิคนี้ช่วยให้แพลตฟอร์มสามารถเปิดตัวฟีเจอร์สำหรับผู้ใช้งานที่ใช้งานง่ายขึ้นและตอบสนองต่อความต้องการที่ซับซ้อนของนักเดินทางทั่วโลกได้ดียิ่งขึ้น

ทำไมเรื่องนี้จึงสำคัญต่อระบบนิเวศ AI

กลยุทธ์ของ Omio ทำหน้าที่เป็นต้นแบบสำหรับการนำ AI มาใช้ในระดับองค์กร สิ่งนี้แสดงให้เห็นว่าคุณค่าที่แท้จริงของ Large Language Models (LLMs) ไม่ได้อยู่ที่แชทบอทที่ใช้สื่อสารกับลูกค้า แต่อยู่ที่ "เครื่องยนต์ภายใน" (internal engine) ซึ่งก็คือเวิร์กโฟลว์ด้านวิศวกรรมและการปฏิบัติการที่เป็นตัวกำหนดความเร็วในการนำสินค้าเข้าสู่ตลาดของบริษัท

สำหรับนักพัฒนาและผู้ก่อตั้งบริษัทเทคโนโลยี ความสำเร็จของ Omio ได้เน้นย้ำถึงการเปลี่ยนแปลงที่สำคัญ นั่นคือการเปลี่ยนจากกระบวนการพัฒนาแบบ "AI-augmented" (เสริมด้วย AI) ไปสู่แบบ "AI-native" (สร้างด้วย AI เป็นหลัก) การบังคับให้มีการออกแบบฟังก์ชันภายในใหม่เพื่อให้สอดคล้องกับความสามารถของโมเดล OpenAI ทำให้ Omio สามารถสร้างโครงสร้างที่ขยายขนาดได้ (scalable framework) ซึ่งสามารถรองรับความต้องการที่มีความเร็วสูงของอุตสาหกรรมการท่องเที่ยวทั่วโลก แนวทางนี้ช่วยลดหนี้ทางเทคนิค (technical debt) ที่มักเกิดจากการบูรณาการ AI ที่ไม่ดี และเป็นการสร้างมาตรฐานใหม่ว่าบริษัทเทคโนโลยีที่มีการเติบโตสูงควรขยายขีดความสามารถด้านวิศวกรรมของตนอย่างไร

สรุปประเด็นสำคัญ

• การออกแบบใหม่แทนการซ่อมแซม: Omio หลีกเลี่ยงการทำ "AI-washing" โดยกำหนดให้ฟังก์ชันภายในทั้งหมดต้องได้รับการออกแบบใหม่โดยรอบโมเดล OpenAI แทนที่จะเป็นเพียงการเพิ่มเข้าไปในกระบวนการเดิม
• การเร่งความเร็วทางวิศวกรรม: การบูรณาการนี้มุ่งเน้นไปที่การเร่งวงจรการพัฒนา โดยเฉพาะอย่างยิ่งสำหรับอินเทอร์เฟซการจองที่ซับซ้อนและการประสานงานการขนส่งแบบ multimodal
• โมเดลระดับองค์กรที่ขยายขนาดได้: แนวทางของ Omio แสดงให้เห็นว่า LLMs สามารถนำมาใช้จัดการความซับซ้อนในการดำเนินงานที่ครอบคลุมหลายประเทศและผู้ให้บริการขนส่งหลายพันรายได้อย่างไร