Χαμίντ Μονταζέρι, Αντιπρόεδρος Λογισμικού και Τεχνητής Νοημοσύνης στη Locus Robotics – Συνέντευξη

Ως Αντιπρόεδρος (Αντιπρόεδρος) Λογισμικού και Τεχνητής Νοημοσύνης στη Locus Robotics, ο Χαμίντ Μονταζέρι διαθέτει πάνω από 30 χρόνια εμπειρίας στην ηγεσία και την κλιμάκωση ομάδων που διανέμονται παγκοσμίως. Ειδικεύεται σε modουλαρή και κλιμακωτή αρχιτεκτονική λογισμικού και στην εφαρμογή μετασχηματιστικών τεχνολογιών όπως η cloud, το IoT, τα μεγάλα δεδομένα και η Τεχνητή Νοημοσύνη/Μηχανική Μάθηση. καθ’ όλη τη διάρκεια της καριέρας του, ο Χαμίντ έχει παραδώσει διαφοροποιημένες λύσεις και προϊόντα για εταιρείες που варύονται από startups σε πολυεθνικές, ενισχύοντας εφαρμογές σε αυτόνομους ρομπότ, έξυπνη αυτοματοποίηση αποθήκης και συστήματα εφοδιαστικής που εξυπηρετούν βιομηχανίες παγκοσμίως.

Locus Robotics σχεδιάζει και παραδίδει λύσεις αυτοματοποίησης αποθήκης που ενεργοποιούνται από Τεχνητή Νοημοσύνη, συνδυάζοντας αυτόνομα κινητά ρομπότ με έξυπνο λογισμικό. Η πλατφόρμα τους, που ονομάζεται LocusONE, διευθύνει στόλους ρομπότ για την εκτέλεση εργασιών όπως η επιλογή, η αποθήκευση, η μεταφορά και οι εργασίες μεζονέτας – αυξάνοντας την παραγωγικότητα δύο έως τρεις φορές ενώ μειώνει το κόστος εργασίας. Το σύστημα ενσωματώνεται άψογα σε υπάρχοντα περιβάλλοντα αποθήκης και κλιμακώνεται με ευελιξία, επιτρέποντας στις επιχειρήσεις να αναπτύξουν quelques ρομπότ ή χιλιάδες χωρίς σημαντικές διαταραχές.

Έχετε διατελέσει σε ηγετικές θέσεις σε οργανισμούς που варύονται από το CNN στο Stanley Black & Decker (SWK ), Dematic, KION Group και τώρα Locus Robotics. Πώς έχει διαμορφωθεί η ποικιλόμορφη αυτή πορεία την άποψή σας για το πού η Τεχνητή Νοημοσύνη και η ρομποτική μπορούν να προσφέρουν την μεγαλύτερη επίδραση;

Κρατώντας τεχνικούς ρόλους που συνεργάζονται στενά με την Τεχνητή Νοημοσύνη και το λογισμικό για πάνω από τρεις δεκαετίες, η άποψή μου έχει διαμορφωθεί σε μεγάλο βαθμό από το πώς έχω δει την βιομηχανία να εξελίσσεται.

Όταν ξεκίνησα, η βιομηχανία ήταν σε μια εποχή που οι προσπάθειες ανάπτυξης λογισμικού ενθάρρυναν τη μετάβαση από τη δομημένη στη αντικειμενοστραφής παραδείγματος στις γλώσσες προγραμματισμού και από το μονολιθικό λογισμικό σε λογισμικό που μπορούσε να τρέξει σε διαφορετικές διαδικασίες λειτουργικού συστήματος και να αξιοποιήσει την επικοινωνία μεταξύ διαδικασιών για την επίτευξη στόχων σε κατανεμημένο τρόπο. Βρισκόμασταν στην αρχή μιας μεγάλης μετατόπισης, μεταφέροντας το λογισμικό από την εκτέλεση σε μια συγκεκριμένη μηχανή σε κατανεμημένο, αξιοποιώντας τεχνολογίες επικοινωνίας διαδικασίας και/ή δικτύου. Με τον καιρό, αυτή η εστίαση μετατοπίστηκε σε διαφορετικές περιοχές, οδηγώντας σε νέες εξελίξεις από την προγραμματισμό υποκείμενων συστημάτων για την αξιοποίηση αναδυόμενων δικτυακών και διαδικτυακών ικανοτήτων για την αύξηση της κλιμάκωσης των συστημάτων, καθώς και των αναπτύξεων, της αποθήκευσης δεδομένων, οδηγώντας στη μετέπειτα ανάπτυξη cloud.

Αυτές οι αλλαγές ήταν καθοριστικές για την βιομηχανία, καθώς έφεραν σταδιακά ένα επίπεδο ελαστικότητας υπολογισμού και αποθήκευσης, και εισήγαγαν νέες ευκαιρίες για την Τεχνητή Νοημοσύνη και τη ρομποτική. Αυτές οι εξελίξεις συνεχίστηκαν καθώς προχώρησα στην καριέρα μου, και είχα μια πρώτη ματιά στην επίδραση που μπορεί να έχει η Τεχνητή Νοημοσύνη και η ρομποτική, ιδιαίτερα μέσα στη λανθασμένη αλυσίδα εφοδιασμού και τη λογιστική. Βρισκόμαστε τώρα σε ένα σημείο όπου τα ρομπότ διαθέτουν την ικανότητα, όσον αφορά τον υπολογισμό, την αποθήκευση και την Τεχνητή Νοημοσύνη, να ναυηγούν και να λειτουργούν σε τεράστιες περιβάλλοντα υψηλής πυκνότητας, με σύνθετες γεωμετρίες, όπως οι αποθήκες και να προσφέρουν σημαντική επιχειρηματική επίδραση, συμπεριλαμβανομένων μειωμένων κοστών, αυξημένης απόδοσης, βελτιωμένης ευελιξίας και ενισχυμένης απόδοσης εργασίας.

Τι σημαίνει η “φυσική Τεχνητή Νοημοσύνη” στο контέκστ της αυτοματοποίησης αποθήκης, και πώς διαφέρει από την παραδοσιακή ρομποτική ή τα γενικά μοντέλα Τεχνητής Νοημοσύνης;

Η φυσική Τεχνητή Νοημοσύνη είναι το μέλλον της λογιστικής και της αυτοματοποίησης αποθήκης. Είναι η σπονδυλική στήλη που ενεργοποιεί τις αυτόνομες λειτουργίες μέσω μιας συνδυασμένης πραγματικής αντίληψης, λήψης αποφάσεων και συνεχούς μάθησης, επιτρέποντας στα ρομπότ να βελτιστοποιούν κάθε απόφαση στιγμιαία.

Με τη φυσική Τεχνητή Νοημοσύνη, τα ρομπότ δεν είναι απλά ενεργοποιημένα για να μεταφέρουν εμπορεύματα σε υψηλά δομημένα και μόνιμα σταθερά περιβάλλοντα. Είναι εξοπλισμένα με νοημοσύνη που υπερβαίνει τη μνήμη ενός συγκεκριμένου σχήματος αποθήκης και τη μεταφορά κάτι από το σημείο Α στο σημείο Β. Αν τα πράγματα στο περιβάλλον τους αλλάξουν, μπορούν να προσαρμοστούν αυτόματα και να επαναπρογραμματίσουν την σχεδιασμό για να λάβουν τις καλύτερες αποφάσεις με βάση τις τρέχουσες συνθήκες.

Η ρομποτική που δεν αξιοποιεί τη φυσική Τεχνητή Νοημοσύνη θα είναι όλο και πιο περιορισμένη στη εφαρμογή της. Ενδιαφέρον είναι ότι, ακόμη και η εφαρμογή σύγχρονων γενικών μοντέλων ιδρύματος δεν είναι ιδιαίτερα αποτελεσματική στη δημιουργία του τύπου φυσικής Τεχνητής Νοημοσύνης που αντιμετωπίζει τις ανάγκες της εφαρμογής. Όταν κοιτάτε την αυτοματοποίηση αποθήκης, ο στόχος είναι να έχουν οι διαδικασίες να είναι όσο το δυνατόν πιο αποτελεσματικές και τα γενικά μοντέλα δεν μπορούν πραγματικά να το προσφέρουν. Η πραγματικότητα με τα γενικά μοντέλα είναι ότι δεν έχουν σχεδιαστεί για να χειρίζονται αποτελεσματικά τις συγκεκριμένες ανησυχίες του τομέα, όπως η αποτελεσματική ναυτιλία και η αλληλεπίδραση με τους συνεργάτες σε περιβάλλοντα αποθήκης. Η φυσική Τεχνητή Νοημοσύνη, όταν εξοπλισμένη με ένα ειδικά αναπτυγμένο μοντέλο ιδρύματος αποθήκης, προσφέρει μια προσεγγιστική προσέγγιση που διασφαλίζει ότι τα ρομπότ εκτελούν όσο το δυνατόν πιο αποτελεσματικά με την ικανότητα να προσαρμοστούν αυτόματα και να προσαρμοστούν για να προσφέρουν το καλύτερο αποτέλεσμα σε όλες τις στιγμές.

Πώς προσαρμόζονται τα συστήματα ρομποτικής που οδηγούνται από Τεχνητή Νοημοσύνη σε συνεχώς μεταβαλλόμενα περιβάλλοντα, όπως νέες μονάδες, μετατοπίσεις διαρρύθμισης, ή απότομες αύξησεις της ζήτησης;

Αυτές οι περιοχές είναι όλες περιοχές όπου η φυσική Τεχνητή Νοημοσύνη, εξοπλισμένη με ένα υποκείμενο μοντέλο ιδρύματος τομέα, excels. Όταν η ζήτηση αυξάνεται, οι διαρρυθμίσεις αλλάζουν ή νέες μονάδες εισάγονται, τα ρομπότ που οδηγούνται από τη φυσική Τεχνητή Νοημοσύνη είναι εξοπλισμένα να ναυηγούν άψογα τη συνεχή αλλαγή.

Αυτό είναι το λόγο για τον οποίο τα ρομπότ που οδηγούνται από τη φυσική Τεχνητή Νοημοσύνη είναι ιδανικά για τη λογιστική. Αυτή η προσεγγιστική προσέγγιση μπορεί πραγματικά να跟θεί τη συνεχή ροή που αντιμετωπίζει η βιομηχανία.

Γιατί πιστεύετε ότι η τομεακή Τεχνητή Νοημοσύνη είναι πιο αποτελεσματική από την καταδίωξη γενικών μοντέλων ιδρύματος όταν πρόκειται για αλυσίδες εφοδιασμού και λογιστική;

Η τομεακή Τεχνητή Νοημοσύνη είναι πιο αποτελεσματική για την αλυσίδα εφοδιασμού και τη λογιστική γενικά, αλλά ιδιαίτερα μέσα στην αυτοματοποίηση αποθήκης.

Όταν πρόκειται για αυτοματοποίηση αποθήκης, η ύπαρξη τομεατικών μοντέλων είναι αυτό που τελικά αναβαθμίζει την αυτοματοποίηση στο επόμενο επίπεδο. Ένα γενικό μοντέλο ιδρύματος δεν έχει σχεδιαστεί για να χειρίζεται τις προκλήσεις που αντιμετωπίζουν τα περιβάλλοντα αποθήκης—όπως η ασφάλεια και η ναυτιλία σε σύνθετες διαρρυθμίσεις—που σημαίνει ότι καθώς αυτές οι προκλήσεις ανακύπτουν, οι оперάτορες θα συνεχίσουν να αντιμετωπίζουν το βάρος αυτών των εμποδίων.

Αντίθετα, τα τομεατικά μοντέλα είναι εξοπλισμένα με την απαραίτητη εμπειρία του κλάδου για να κατανοήσουν πώς να λύσουν πραγματικά αυτές τις προκλήσεις. Η αξιοποίηση τομεατικών μοντέλων ανακουφίζει τους оперάτορες και αυτόματα τραβά τομεακή εμπειρία για να προσφέρει και να εφαρμόσει λύσεις σε προκλήσεις καθώς ανακύπτουν.

Τι μετρήσιμες εξελίξεις έχετε δει από την ανάπτυξη φυσικής Τεχνητής Νοημοσύνης σε αποθήκες, είτε σε απόδοση, μείωση κατεστραμμένων χρόνων, ή ποσοστά σφαλμάτων; 

Στη Locus Robotics, οι λύσεις μας που οδηγούνται από τη φυσική Τεχνητή Νοημοσύνη έχουν παραδώσει σημαντικά αποτελέσματα σε αποθήκες πελατών μας, συμπεριλαμβανομένων:

• Βελτίωση της ακρίβειας παραγγελίας στο 99%
• Μείωση των ποσοστών σφαλμάτων 04% στο 0.01%
• Μείωση του χρόνου εκκίνησης με την ενεργοποίηση των ιστότοπων σε εβδομάδες αντί για μήνες
• Βελτίωση της απόδοσης, επιτρέποντας στους πελάτες να διπλασιάσουν ή να τριπλασιάσουν την επιχειρηματική απόδοση τους

Πώς αντιμετωπίζετε την ασφάλεια, την αξιοπιστία και την επιτήρηση ανθρώπων όταν αναπτύσσετε αυτόνομες συστήματα σε υψηλής απόδοσης λειτουργίες;

Όταν αυτοματοποιείτε υψηλής απόδοσης λειτουργίες όπως οι αποθήκες, η προσέγγιση της ασφάλειας, της αξιοπιστίας και της ανθρώπινης επιτήρησης αρχίζει από τις λύσεις που επιλέγετε.

Αυτές οι περιοχές είναι κρίσιμες στη διαδικασία σχεδιασμού και υπογραμμίζουν γιατί εκείνοι που επιδιώκουν να αυτοματοποιήσουν πρέπει να προτεραιοποιήσουν λύσεις που έχουν σχεδιαστεί ειδικά κατά τη διαδικασία λήψης αποφάσεων.

Στη Locus Robotics, τα αυτόνομα κινητά ρομπότ (AMRs) μας έχουν σχεδιαστεί για να ανταποκριθούν και να υπερβούν τα βιομηχανικά πρότυπα ασφάλειας. Τα LocusBots μας χρησιμοποιούν πολυσενσορικές συστήματα ασφάλειας με κάμερες και ανίχνευση φωτός και εύρος (LiDAR) που βοηθούν στην αποφυγή συγκρούσεων και εμποδίων, διατηρώντας τις αποθήκες και τους εργαζόμενους ασφαλείς.

Η αξιοπιστία είναι επίσης στο κέντρο του τι κάνουμε. Για τους оперάτορες αποθήκης, η συνεχής διαπραγμάτευση των αιχμών της ζήτησης είναι μια πραγματικότητα του κλάδου τους, αλλά πιστεύουμε ότι αυτό δεν πρέπει να είναι ένα σημείο πόνου. Στη Locus Robotics, το μοντέλο Robotics-as-a-Service (RaaS) μας επιτρέπει στους оперάτορες να αυτοματοποιήσουν τα περιβάλλοντα αποθήκης τους χωρίς το αρχικό κόστος ή την επένδυση χρόνου που απαιτεί συνήθως η αυτοματοποίηση. Αντίθετα, οι λύσεις μας επιτρέπουν στους оперάτορες να αυξομειώνουν αυτόματα για να ανταποκριθούν στις τρέχουσες απαιτήσεις, διασφαλίζοντας ότι είναι πάντα εξοπλισμένοι για να προσαρμοστούν στις αιχμές όποτε ανακύπτουν.

Στις υψηλής απόδοσης λειτουργίες, η ανθρώπινη επιτήρηση θα είναι πάντα απαραίτητη, αλλά ο κλειδί για την επιτυχημένη αυτοματοποίηση είναι η αξιοποίηση λύσεων ικανών να αναλάβουν μεγαλύτερες ευθύνες. Ένας κλειδωμένος διαφοροποιητής των AMRs της Locus είναι η συνδυασμένη χρήση τεχνικών Discrete Event Simulation (DES) με λεπτομερή μοντέλα αυτονομίας ρομπότ, που επιτρέπει στους оперάτορες να σχεδιάσουν έννοιες λειτουργιών και να προσομοιώσουν με ακρίβεια την πιο αποτελεσματική χρήση των bots στο περιβάλλον τους, βοηθώντας στην ροή του χρόνου και διασφαλίζοντας ότι οι παραγγελίες αποστέλλονται εγκαίρως—δύο κρίσιμες συνιστώσες για όλους τους оперάτορες.

Τι προκλήσεις ανακύπτουν στην ενσωμάτωση συστημάτων ρομποτικής που οδηγούνται από Τεχνητή Νοημοσύνη με υπάρχοντα συστήματα διαχείρισης αποθήκης και ERP, και πώς τις αντιμετωπίζετε;

Ο χρόνος εφαρμογής της ενσωμάτωσης θεωρείται συνήθως η μεγαλύτερη πρόκληση που συνοδεύει την αυτοματοποίηση. Οι оперάτορες θα πρέπει να εξετάσουν τις υπάρχουσες τεχνολογικές στοίβες και να σκεφτούν το αν πρέπει να μετακινηθούν μακριά από παλαιές legacy συστήματα. Δεδομένου ότι η Τεχνητή Νοημοσύνη χρησιμοποιεί τεράστιες ποσότητες δεδομένων, θα ήθελαν επίσης να εξετάσουν την υπάρχουσα υποδομή τους για να διασφαλίσουν ότι είναι ικανή να ανταποκριθεί και να υποστηρίξει τα μοντέλα Τεχνητής Νοημοσύνης.

Βάσει των λύσεων που επιλέγουν, οι оперάτορες μπορεί να βρεθούν σε μια θέση όπου η μετάβαση τους απαιτεί μια σημαντική επένδυση χρόνου, καθώς μπορεί να χρειαστεί να μετεγκαταστήσουν συστήματα και να υποβληθούν σε εκτενή εκπαίδευση για το προσωπικό τους.

Η Locus Robotics στοχεύει να αφαιρέσει τον χρόνο ως πρόκληση για τους оперάτορες. Τα AMRs μας έχουν σχεδιαστεί για να ενσωματωθούν άψογα με αυτά τα συστήματα, βοηθώντας τους πελάτες να αποφύγουν την ακριβή αρχική επένδυση χρόνου που απαιτείται για τη μετάβαση και την εκπαίδευση από άλλες λύσεις στην αγορά.

Πόσο κλιμακώσιμες είναι αυτές οι λύσεις σε διαφορετικές αποθήκες και γεωγραφίες, και πόση προσαρμογή απαιτείται;

Η εύκολη κλιμάκωση είναι αυτό που κάνει την ευέλικτη αυτοματοποίηση इतनή ιδανική για περιβάλλοντα αποθήκης. Τα παραδοσιακά συστήματα αυτοματοποίησης απαιτούν σημαντικά αρχικά κόστη και μακροχρόνια επένδυση χρόνου.

Η αυτοματοποίηση που χρησιμοποιεί ένα μοντέλο RaaS, όπως η Locus Robotics, επιτρέπει στις αποθήκες να αναπτύξουν και να προσαρμόσουν εύκολα το μέγεθος του στόλου τους με βάση τη ζήτηση. Αυτό σημαίνει ότι καθώς η ζήτηση αυξάνεται και μειώνεται, οι оперάτορες μπορούν να κλιμακώσουν τις λειτουργίες τους ανάλογα με τις αποθήκες τους.

Ως παγκόσμιος ηγέτης στην αυτοματοποίηση αποθήκης, οι λύσεις μας είναι κλιμακώσιμες σε όλες τις γεωγραφίες για τους πελάτες μας. Τα πίνακά μας προσφέρουν πραγματικές ενημερώσεις για κρίσιμες μετρήσεις απόδοσης αποθήκης—όπως μονάδες και επιλογές ανά ώρα, καθώς και την απόδοση εργαζομένων. Αυτή η ενοποιημένη ορατότητα ενδυναμώνει τους оперάτορες να κλιμακώσουν εύκολα τις λύσεις σε περιβάλλοντα, ανταποκρινόμενοι στις λειτουργικές ανάγκες με βάση τις συγκεκριμένες απαιτήσεις αποθήκης.

Με τις λύσεις της Locus Robotics, η προσαρμογή είναι εύκολα διαθέσιμη χωρίς προσπάθεια από τους πελάτες· τα πράγματα έχουν σχεδιαστεί για να βοηθήσουν κάθε πελάτη να κλιμακωθεί με βάση τις μοναδικές ανάγκες του.

Πώς αλλάζουν αυτές οι τεχνολογίες τον ρόλο των ανθρώπινων εργαζομένων στις αποθήκες, και ποια είδους αναβάθμιση ή αλλαγή είναι απαραίτητη;

Τα AMRs αναδιαμορφώνουν完全 τον τυπικό ρόλο των ανθρώπινων εργαζομένων στις αποθήκες, δημιουργώντας ασφαλέστερα περιβάλλοντα εργασίας και ανοίγοντας νέες ευκαιρίες για την ανθρώπινη εργατική δύναμη.

Η Locus Robotics προσφέρει μια μοναδικά直观ική προσέγγιση στην αλληλεπίδραση AMR-συνεργάτη και κάνει την εκπαίδευση/αλλαγή για την ανάπτυξη και λειτουργία ρομποτικής αυτοματοποίησης μια πολύ ελαφριά εργασία για τους оперάτορες. Για παράδειγμα, όταν αναπτύσσεται LocusBots σε ιστότοπο, η εκπαίδευση μπορεί να ενδυναμώσει τους συνεργάτες να αρχίσουν να εργάζονται με τα ρομπότ σε 10 λεπτά ή λιγότερο—δηλαδή, οι оперάτορες και οι εργαζόμενοι δεν χρειάζεται να ανησυχούν ότι θα κρατηθούν πίσω από तनικές και χρονοβόρες και ακριβές εκπαιδεύσεις.

Τα AMRs μπορούν να μειώσουν το βάρος της σωματικής εργασίας-εντατικών εργασιών, ελαττώνοντας τον κίνδυνο τραυματισμού και της ανθρώπινης εργατικής κόπωσης. Αναλαμβάνοντας ευθύνες όπως η ανύψωση βαρέων αντικειμένων και η μακροχρόνια ταξίδι μέσα στην αποθήκη, τα AMRs βελτιώνουν τις συνθήκες για τους ανθρώπινους εργαζόμενους, αναλαμβάνοντας το βάρος των εργασιών που απαιτούν έντονη προσπάθεια. Μπορούν επίσης να ανακουφίσουν τους ανθρώπινους εργαζόμενους από πιο επαναλαμβανόμενες ευθύνες, όπως η επιλογή, παρέχοντας την ευκαιρία να μετατοπίσουν την προσοχή τους σε πιο σύνθετες εργασίες.

Η εισαγωγή AMRs στην αποθήκη είναι μια μεγάλη ευκαιρία για την ενίσχυση των ρόλων των ανθρώπινων εργαζομένων. Όσοι επιδιώκουν να αυτοματοποιήσουν πρέπει επίσης να επικεντρωθούν στην αναγνώριση των ευκαιριών αναβάθμισης που αυτή φέρνει για την ανθρώπινη εργατική δύναμη, για να εξερευνήσουν υψηλότερες ευθύνες και να αναγνωρίσουν περιοχές όπου μπορούν να εισαχθούν εντελώς νέοι ρόλοι, συμπεριλαμβανομένων θέσεων που εργάζονται trực tiếp με τα bots, όπως αναλυτές που επιτηρούν τα δεδομένα απόδοσης των bots.

Μπορείτε να μοιραστείτε ποια είδη μοντέλων Τεχνητής Νοημοσύνης και προσεγγίσεων ενεργοποιούν αυτά τα συστήματα, και αν λειτουργούν περισσότερο στο άκρο ή στο cloud; 

Στη Locus Robotics, οι λύσεις Τεχνητής Νοημοσύνης μας εστιάζουν σε τρεις ιδιότητες: φυσική (Τεχνητή Νοημοσύνη ενσωματωμένη στην αποθήκη και σχεδιασμένη για να προσαρμοστεί στο περιβάλλον της), αξιόπιστη (Τεχνητή Νοημοσύνη ικανή να εξηγήσει τις αποφάσεις της) και ολιστική (Τεχνητή Νοημοσύνη που διευθύνει την αποθήκη ως σύστημα έναντι της ενεργοποίησης ενός seul bot ή εργασίας). Για εμάς, πρόκειται για την κατασκευή Τεχνητής Νοημοσύνης που πραγματικά κατανοεί την αποθήκη και μπορεί να προσφέρει πραγματικά αποτελέσματα για τα περιβάλλοντα των πελατών μας.

Τα δεδομένα είναι η βάση κάθε μοντέλου, και η Locus με την sâuιά γνώση του κλάδου, σε συνδυασμό με τον θησαυρό πραγματικών δεδομένων—συμπεριλαμβανομένων σχεδόν 6 δισεκατομμυρίων μονάδων που επιλέχθηκαν—μας επιτρέπει να κατασκευάσουμε τομεατικά μοντέλα και να αναπτύξουμε συστήματα που έχουν σχεδιαστεί για να είναι warehouse-first.

Στη Locus Robotics, αξιοποιούμε την Τεχνητή Νοημοσύνη και στο άκρο και στο cloud: τα AMRs μας αξιοποιούν την Τεχνητή Νοημοσύνη στο άκρο για να επιτύχουν ό,τι απαιτεί η φυσική και αξιόπιστη Τεχνητή Νοημοσύνη. Η στρατηγική μας “warehouse wide system of records-to system of actions” και το μοντέλο ιδρύματος αποθήκης μας βασίζονται στην κλιμακωτή υπολογιστική δύναμη που προσφέρει το cloud.

Κοιτάζοντας μπροστά πέντε χρόνια, ποίες σημαντικές εξελίξεις ή μετατοπίσεις περιμένετε στην Τεχνητή Νοημοσύνη που οδηγεί τη ρομποτική για τη λογιστική και τις αλυσίδες εφοδιασμού;

Η μεγαλύτερη μετατόπιση που θα δούμε είναι ότι η φυσική Τεχνητή Νοημοσύνη θα κυριαρχήσει. Όσο οι επιχειρήσεις εξετάζουν την απόδοση της επένδυσής τους στην Τεχνητή Νοημοσύνη, οι оперάτορες θα αξιολογήσουν στενά τα αποτελέσματα που λαμβάνουν από την αυτοματοποίηση.

Μπορούμε να περιμένουμε ότι εκείνοι που έχουν τοποθετήσει τον προϋπολογισμό τους πίσω από την αυτοματοποίηση με λύσεις που δεν έχουν σχεδιαστεί ειδικά δεν θα βλέπουν την απόδοση της επένδυσής τους στις αποθήκες που ελπίζουν. Οι λύσεις που δεν οδηγούνται από τη φυσική Τεχνητή Νοημοσύνη λείπουν της απαραίτητης κατανόησης για να excels σε αυτά τα περιβάλλοντα. Αυτό θα ωθήσει τους оперάτορες να προτεραιοποιήσουν την τοποθέτηση του προϋπολογισμού τους πίσω από λύσεις φυσικής Τεχνητής Νοημοσύνης, οι οποίες μπορούν να βελτιστοποιήσουν κάθε απόφαση σε πραγματικό χρόνο και να προσφέρουν τα αποτελέσματα που αναζητούν.

Παράλληλα με την άνοδο της φυσικής Τεχνητής Νοημοσύνης, θα δούμε επίσης τη ρομποτική στη λογιστική και την αλυσίδα εφοδιασμού να μετατοπίζεται μακριά από γενικά/γενικά μοντέλα ιδρύματος και να επικεντρώνεται στην ανάπτυξη τομεατικών μοντέλων. Όπως αναφέρθηκε, οι оперάτορες θα αναζητούν τρόπους για να αυξήσουν την απόδοση της επένδυσής τους, και οι λύσεις που αξιοποιούν τομεατικά μοντέλα είναι ένα κρίσιμο μέρος αυτού.

Για την Τεχνητή Νοημοσύνη να επιτύχει, θα δούμε την βιομηχανία να αποκτά μια καλύτερη κατανόηση του γιατί πρέπει να επενδύσουμε σε Τεχνητή Νοημοσύνη που ωφελείται από και ενσωματώνει πραγματική εμπειρία τομέα. Κατά συνέπεια, θα επικεντρωθούμε στην τοποθέτηση ανάπτυξης και πόρων πίσω από Τεχνητή Νοημοσύνη που έχει σχεδιαστεί για να ευδοκιμήσει μέσα στις αλυσίδες εφοδιασμού και λογιστικής περιβάλλοντα.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Locus Robotics.