हामिद मोंटाज़ेरी, लोकस रोबोटिक्स में सॉफ़्टवेयर और एआई के एसवीपी – साक्षात्कार श्रृंखला

लोकस रोबोटिक्स में सॉफ़्टवेयर और आर्टिफ़िशियल इंटेलिजेंस के वरिष्ठ उपाध्यक्ष (एसवीपी) के रूप में, हामिद मोंटाज़ेरी 30 से अधिक वर्षों के अनुभव के साथ वैश्विक रूप से वितरित टीमों का नेतृत्व और उन्हें बढ़ाने में महारत हासिल की है। वह मॉड्यूलर और स्केलेबल सॉफ़्टवेयर आर्किटेक्चर और परिवर्तनकारी प्रौद्योगिकियों जैसे क्लाउड, आईओटी, बिग डेटा और एआई/एमएल के अनुप्रयोग में विशेषज्ञता रखते हैं। अपने करियर के दौरान, हामिद ने स्टार्टअप्स से लेकर बहुराष्ट्रीय कंपनियों तक के लिए विभेदित समाधान और उत्पाद वितरित किए हैं, जो स्वायत्त रोबोटिक्स, बुद्धिमान वेयरहाउस स्वचालन और आपूर्ति श्रृंखला प्रणालियों में अनुप्रयोगों को संचालित करते हैं जो दुनिया भर के उद्योगों की सेवा करते हैं।

लोकस रोबोटिक्स स्वायत्त मोबाइल रोबोटों के साथ बुद्धिमान सॉफ़्टवेयर को जोड़कर एआई-संचालित वेयरहाउस स्वचालन समाधानों को डिज़ाइन और वितरित करता है। उनका प्लेटफ़ॉर्म, जिसे लोकसवन कहा जाता है, रोबोटों के बेड़े को कार्यों जैसे पिकिंग, पुटअवे, परिवहन और मेज़ैनाइन ऑपरेशनों को संभालने के लिए ऑर्केस्ट्रेट करता है – उत्पादकता को दो से तीन गुना बढ़ाता है जबकि श्रम लागत में कटौती करता है। सिस्टम मौजूदा वेयरहाउस वातावरण में निर्बाध रूप से एकीकृत होता है और लचीले ढंग से स्केल करता है, जिससे ऑपरेशनों को कुछ रोबोट या हज़ारों को बिना किसी बड़े व्यवधान के तैनात करने में सक्षम बनाता है।

आप विभिन्न संगठनों में नेतृत्व भूमिकाओं पर रहे हैं, जिनमें सीएनएन, स्टैनली ब्लैक एंड डेकर, डेमेटिक, केआईओएन ग्रुप और अब लोकस रोबोटिक्स शामिल हैं। आपके विचार पर कैसे प्रभाव पड़ा है कि एआई और रोबोटिक्स कहां सबसे अधिक प्रभाव डाल सकते हैं?

तकनीकी भूमिकाओं में काम करने के दौरान, जो एआई और सॉफ़्टवेयर के साथ निकटता से काम करते हैं, मेरा दृष्टिकोण इस बात से बहुत प्रभावित हुआ है कि मैंने उद्योग को कैसे विकसित होते देखा है।

जब मैं पहली बार शुरू किया, तो उद्योग एक समय में था जब सॉफ़्टवेयर विकास प्रयास संरचित से वस्तु-उन्मुख परिदृश्य में संक्रमण कर रहे थे और एक एकल प्रक्रिया मोनोलिथ सॉफ़्टवेयर से सॉफ़्टवेयर घटकों में जो विभिन्न ऑपरेटिंग सिस्टम प्रक्रियाओं पर चल सकते थे और इंटर-प्रोसेस संचार प्रौद्योगिकियों का लाभ उठाकर लक्ष्यों को प्राप्त करने के लिए। हम एक बड़े परिवर्तन की दहलीज पर थे, सॉफ़्टवेयर को एक विशिष्ट मशीन पर चलाने से दूर ले जाकर वितरित करने के लिए इंटर-प्रोसेस और/या नेटवर्क संचार प्रौद्योगिकियों का लाभ उठाने के लिए। समय के साथ, यह फोकस विभिन्न क्षेत्रों में स्थानांतरित हो गया, जो नई विकासों को बढ़ावा देने के लिए प्रोग्रामिंग अंतर्निहित प्रणालियों से लेकर उभरते नेटवर्किंग और इंटरनेट क्षमताओं का लाभ उठाने के लिए सिस्टम की स्केलेबिलिटी बढ़ाने के लिए, साथ ही साथ डेटा भंडारण के लिए, जिससे अंततः क्लाउड विकास हुआ।

ये परिवर्तन उद्योग के लिए महत्वपूर्ण थे, क्योंकि उन्होंने क्रमिक रूप से कंप्यूट और स्टोरेज लचीलेपन का एक स्तर लाया, और एआई और रोबोटिक्स के लिए नए अवसर पेश किए। ये प्रगति जारी रही क्योंकि मैं अपने करियर में आगे बढ़ा, और मुझे एआई और रोबोटिक्स के प्रभाव का पहले से ही अनुभव था, विशेष रूप से आपूर्ति श्रृंखला और लॉजिस्टिक्स उद्योगों में। हम अब एक बिंदु पर हैं जहां रोबोटों में कंप्यूट, स्टोरेज और एआई की क्षमता है, जो बड़े उच्च-घनत्व वाले वातावरण में सटीक रूप से नेविगेट और संचालित कर सकते हैं, जैसे कि वेयरहाउस और महत्वपूर्ण व्यावसायिक प्रभाव डाल सकते हैं, जिनमें लागत में कमी, थ्रूपुट में सुधार, लचीलेपन में सुधार और श्रम प्रदर्शन में सुधार शामिल हैं।

वेयरहाउस स्वचालन के संदर्भ में “भौतिक एआई” का क्या अर्थ है, और यह अधिक पारंपरिक रोबोटिक्स या सामान्य एआई मॉडल से कैसे भिन्न है?

भौतिक एआई वेयरहाउस स्वचालन और लॉजिस्टिक्स का भविष्य है। यह स्वायत्त संचालन को शक्ति प्रदान करने वाली वास्तविक समय की धारणा, निर्णय लेने और निरंतर सीखने का संयोजन है, जो रोबोटों को हर निर्णय को अनुकूलित करने में सक्षम बनाता है।

भौतिक एआई के साथ, रोबोट केवल संरचित और स्थिर वातावरण में माल की आवाजाही के लिए संचालित नहीं होते हैं। वे बुद्धिमत्ता से सुसज्जित हैं जो किसी विशिष्ट वेयरहाउस लेआउट को याद रखने और बिंदु ए से बिंदु बी तक ले जाने से परे है। यदि उनके पर्यावरण में चीजें बदलती हैं, तो वे स्वचालित रूप से अनुकूलन कर सकते हैं और वर्तमान स्थितियों के आधार पर सर्वोत्तम निर्णय लेने के लिए योजना को फिर से रूट कर सकते हैं।

रोबोटिक्स जो भौतिक एआई का उपयोग नहीं करते हैं, उनकी लागू करने योग्यता में सीमित होने की संभावना है। दिलचस्प बात यह है कि आधुनिक सामान्य फाउंडेशन मॉडल भी भौतिक एआई को बनाने में बहुत प्रभावी नहीं हैं जो अनुप्रयोग डोमेन की जरूरतों को संबोधित करता है। जब आप वेयरहाउस स्वचालन को देखते हैं, तो लक्ष्य प्रक्रियाओं को यथासंभव कुशल बनाना है, और सामान्य मॉडल वास्तव में ऐसा नहीं कर सकते हैं। सामान्य मॉडलों की वास्तविकता यह है कि वे वेयरहाउस वातावरण में कुशल नेविगेशन और सहयोगियों के साथ बातचीत जैसे डोमेन-विशिष्ट चिंताओं को प्रभावी ढंग से संभालने के लिए डिज़ाइन नहीं किए गए हैं। भौतिक एआई, विशेष रूप से विकसित वेयरहाउस फाउंडेशन मॉडल के साथ सुसज्जित, एक उद्देश्य-निर्मित दृष्टिकोण प्रदान करता है जो यह सुनिश्चित करता है कि रोबोट हमेशा यथासंभव कुशलता से प्रदर्शन कर रहे हैं, वर्तमान परिस्थितियों के अनुसार अनुकूलन और समायोजन करने की क्षमता के साथ।

एआई-संचालित रोबोटिक्स प्रणालियां निरंतर बदलते वातावरण के लिए कैसे अनुकूलित होती हैं, जैसे कि नए एसकेयू, परिवर्तनशील लेआउट, या मांग में अचानक वृद्धि?

ये सभी क्षेत्र हैं जहां भौतिक एआई, एक अंतर्निहित डोमेन फाउंडेशन मॉडल के साथ सुसज्जित, उत्कृष्टता प्राप्त करता है। जैसे ही मांग में वृद्धि, लेआउट बदलते हैं या नए एसकेयू पेश किए जाते हैं, भौतिक एआई से संचालित रोबोट निरंतर परिवर्तन को निर्बाध रूप से नेविगेट करने में सक्षम होते हैं।

यही कारण है कि रोबोटिक्स के लिए भौतिक एआई लॉजिस्टिक्स के लिए इष्टतम है। यह उद्देश्य-निर्मित दृष्टिकोण वास्तव में उद्योग द्वारा सामना किए जाने वाले निरंतर परिवर्तन के साथ तालमेल बिठा सकता है।

आप क्यों मानते हैं कि आपूर्ति श्रृंखला और लॉजिस्टिक्स के संदर्भ में सामान्य फाउंडेशन मॉडल का पीछा करने की तुलना में डोमेन-विशिष्ट एआई अधिक प्रभावी है?

वेयरहाउस स्वचालन में विशेष रूप से, डोमेन-विशिष्ट एआई सबसे प्रभावी है।

वेयरहाउस स्वचालन के संदर्भ में, डोमेन-विशिष्ट मॉडल होना ही स्वचालन को अगले स्तर पर ले जाने के लिए क्या है। एक सामान्य फाउंडेशन मॉडल सुरक्षा और जटिल लेआउट जैसी चुनौतियों का सामना करने के लिए डिज़ाइन नहीं किया गया है जो वेयरहाउस वातावरण आमतौर पर पेश करते हैं, जिसका अर्थ है कि जब ये चुनौतियां उत्पन्न होती हैं, तो ऑपरेटर इन बाधाओं के बोझ का सामना करना जारी रखेंगे।

इसके विपरीत, डोमेन-विशिष्ट मॉडल उद्योग के विशेषज्ञता से संचालित होते हैं जो वास्तव में इन चुनौतियों का समाधान करने के लिए कैसे समझने में मदद करते हैं। डोमेन-विशिष्ट मॉडल का लाभ उठाना ऑपरेटरों पर दबाव को कम करता है और स्वचालित रूप से डोमेन विशेषज्ञता को लागू करने में मदद करता है और समाधान प्रदान करता है जब वे उत्पन्न होते हैं।

वेयरहाउस में भौतिक एआई को तैनात करने से आपको क्या मापने योग्य परिणाम मिले हैं, चाहे वह थ्रूपुट में, डाउनटाइम में कमी, या त्रुटि दर में?

लोकस रोबोटिक्स में, हमारे भौतिक एआई से संचालित समाधानों ने हमारे ग्राहकों के वेयरहाउस में महत्वपूर्ण परिणाम दिए हैं, जिनमें शामिल हैं:

• ऑर्डर सटीकता में सुधार 99% तक
• त्रुटि दर में कमी 04% से 0.01%
• डाउनटाइम को कम करके साइटों को केवल हफ्तों में लाइव करना महीनों की तुलना में
• थ्रूपुट में वृद्धि करके ग्राहकों को अपने परिचालन थ्रूपुट को दोगुना या तिगुना करने की अनुमति देना

स्वायत्त प्रणालियों को उच्च-मात्रा वाले संचालन में तैनात करते समय सुरक्षा, विश्वसनीयता और मानव पर्यवेक्षण के लिए आप कैसे दृष्टिकोण अपनाते हैं?

वेयरहाउस जैसे उच्च-मात्रा वाले संचालन को स्वचालित करते समय, सुरक्षा, विश्वसनीयता और मानव पर्यवेक्षण सभी समाधानों के चयन के साथ शुरू होते हैं।

ये क्षेत्र डिज़ाइन प्रक्रिया में महत्वपूर्ण हैं और यह रेखांकित करते हैं कि उन लोगों को समाधानों को प्राथमिकता देनी चाहिए जो निर्णय लेने के दौरान उद्देश्य-निर्मित हैं।

लोकस रोबोटिक्स में, हमारे स्वायत्त मोबाइल रोबोट (एएमआर) उद्योग मानकों से अधिक सुरक्षा मानकों को पूरा करने के लिए डिज़ाइन किए गए हैं। हमारे लोकसबॉट्स में मल्टी-सेंसर सुरक्षा प्रणाली होती है जिसमें कैमरे और लाइट डिटेक्शन और रेंजिंग (लिडार) होते हैं जो उन्हें टकराव और बाधाओं से बचने में मदद करते हैं, जिससे वेयरहाउस संचालन और श्रमिकों को सुरक्षित रखा जा सकता है।

विश्वसनीयता भी हमारे काम का मुख्य हिस्सा है। वेयरहाउस ऑपरेटरों के लिए, मांग में लगातार उतार-चढ़ाव का सामना करना व्यवसाय की एक वास्तविकता है, लेकिन हम मानते हैं कि इसका मतलब यह नहीं होना चाहिए कि यह एक दर्दनाक बिंदु है। लोकस रोबोटिक्स में, हमारा रोबोटिक्स-ए-सर्विस (आरएएस) मॉडल ऑपरेटरों को बिना किसी आगे की लागत या समय के निवेश के वेयरहाउस वातावरण को स्वचालित करने की अनुमति देता है जो स्वचालन आमतौर पर आवश्यक होता है। इसके बजाय, हमारे समाधान ऑपरेटरों को वर्तमान मांग को पूरा करने के लिए स्वचालित रूप से स्केल अप या डाउन करने की अनुमति देते हैं, यह सुनिश्चित करते हुए कि वे हमेशा मांग में वृद्धि के लिए तैयार हैं।

उच्च-मात्रा वाले संचालन में, मानव पर्यवेक्षण हमेशा आवश्यक होगा, लेकिन स्वचालन की कुंजी समाधानों का लाभ उठाना है जो बड़ी जिम्मेदारियों को संभालने में सक्षम हैं। लोकस के एएमआर का एक प्रमुख अंतर है कि हम विस्तृत रोबोट स्वायत्तता मॉडल के साथ डिस्क्रीट इवेंट सिम्युलेशन (डीईएस) तकनीकों का संयोजन करते हैं, जो ऑपरेटरों को संचालन की अवधारणाओं को डिज़ाइन करने और अपने वातावरण में बॉट्स के सबसे कुशल उपयोग को सटीक रूप से अनुकरण करने में मदद करता है, जो पिक समय को स्ट्रीमलाइन करने और सुनिश्चित करने में मदद करता है कि ऑर्डर समय पर शिप किए जाएं – दोनों ऑपरेटरों के लिए महत्वपूर्ण घटक।

वेयरहाउस प्रबंधन और ईआरपी प्रणालियों के साथ एआई-संचालित रोबोटिक्स को एकीकृत करने में क्या चुनौतियां उत्पन्न होती हैं, और आप उन्हें कैसे संबोधित करते हैं?

एकीकरण कार्यान्वयन समय आमतौर पर स्वचालन के साथ आने वाली सबसे बड़ी चुनौती के रूप में देखा जाता है। ऑपरेटरों को अपने मौजूदा प्रौद्योगिकी स्टैक की जांच करने और पुराने विरासत प्रणालियों से दूर जाने पर विचार करने की आवश्यकता होगी। चूंकि एआई बड़ी मात्रा में डेटा का उपयोग करता है, वे यह सुनिश्चित करने के लिए अपने मौजूदा बुनियादी ढांचे की भी जांच करना चाहेंगे कि यह एआई मॉडलों को सहारा देने और समर्थन देने में सक्षम है।

लोकस रोबोटिक्स का उद्देश्य ऑपरेटरों के लिए समय को एक चुनौती के रूप में दूर करना है। हमारे एएमआर को इन प्रणालियों के साथ निर्बाध रूप से एकीकृत करने के लिए डिज़ाइन किया गया है, जिससे ग्राहकों को अन्य बाजार में समाधानों द्वारा आवश्यक महंगी आगे की समय और प्रशिक्षण निवेश से बचने में मदद मिलती है।

विभिन्न वेयरहाउस और भौगोलिक क्षेत्रों में इन समाधानों कितनी आसानी से स्केल की जा सकती है, और आमतौर पर कितनी अनुकूलन की आवश्यकता होती है?

लचीली स्वचालन की आसानी ही वेयरहाउस वातावरण के लिए आदर्श बनाती है। पारंपरिक स्वचालन प्रणालियों में महत्वपूर्ण आगे की लागत और दीर्घकालिक समय प्रतिबद्धता की आवश्यकता होती है।

लोकस रोबोटिक्स जैसे रोबोटिक्स-ए-सर्विस (आरएएस) मॉडल का उपयोग करने वाली स्वचालन, वेयरहाउस को मांग के अनुसार अपने बेड़े के आकार को तैनात करने और समायोजित करने की अनुमति देती है। इसका अर्थ है कि जैसे ही मांग बढ़ती या घटती है, ऑपरेटर अपने वेयरहाउस के अनुसार संचालन को स्केल कर सकते हैं।

वैश्विक वेयरहाउस स्वचालन के नेता के रूप में, हमारे समाधान सभी भौगोलिक क्षेत्रों में हमारे ग्राहकों के लिए स्केलेबल हैं। हमारे डैशबोर्ड में यूनिट और प्रति घंटे पिक जैसे प्रमुख वेयरहाउस प्रदर्शन मेट्रिक्स के लिए वास्तविक समय के अंतर्दृष्टि हैं, साथ ही साथ श्रमिक उत्पादकता भी। यह एकीकृत दृष्टि ऑपरेटरों को आसानी से विशिष्ट वेयरहाउस आवश्यकताओं के आधार पर अपने वातावरण में समाधानों को स्केल करने में सक्षम बनाती है।

लोकस रोबोटिक्स के समाधानों के साथ, अनुकूलन आसानी से ग्राहकों की ओर से कोई प्रयास किए बिना संभव है; चीजें प्रत्येक व्यक्तिगत ग्राहक को उनकी अनूठी आवश्यकताओं के अनुसार स्केल करने में मदद करने के लिए डिज़ाइन की जाती हैं।

वेयरहाउस में मानव श्रमिकों की भूमिका इन प्रौद्योगिकियों से कैसे बदलती है, और किस प्रकार के कौशल विकास या परिवर्तन प्रबंधन की आवश्यकता होती है?

एएमआर मानव श्रमिकों के लिए मानक वेयरहाउस पदों को पूरी तरह से फिर से परिभाषित कर रहे हैं bằng सुरक्षित कार्य वातावरण बनाकर और मानव कार्यबल के लिए नई अवसर प्रदान करके।

लोकस रोबोटिक्स एक अनोखी रूप से直观 दृष्टिकोण प्रदान करता है एएमआर-एसोसिएट इंटरैक्शन के लिए और ऑपरेटरों के लिए रोबोटिक्स स्वचालन को तैनात और संचालित करने के लिए प्रशिक्षण/परिवर्तन प्रबंधन को बहुत हल्का बनाता है। उदाहरण के लिए, जब लोकसबॉट्स को ऑन-साइट तैनात किया जाता है, तो प्रशिक्षण संघों को रोबोटों के साथ काम करना शुरू करने के लिए 10 मिनट या उससे कम में सशक्त बना सकता है – इसका अर्थ है कि ऑपरेटरों और कर्मचारियों को चिंता करने की आवश्यकता नहीं है महंगा और समय लेने वाला प्रशिक्षण।

एएमआर शारीरिक श्रम-सघन कार्यों के बोझ को कम कर सकते हैं, चोट और मानव श्रमिक थकान के जोखिम को कम कर सकते हैं। लंबी दूरी की यात्रा और वेयरहाउस के भीतर भारी वस्तुओं को उठाने जैसी जिम्मेदारियों को अपने ऊपर लेकर, एएमआर मानव श्रमिकों के लिए स्थितियों में सुधार करते हैं और उन्हें अधिक जटिल कार्यों पर ध्यान केंद्रित करने का अवसर प्रदान करते हैं। वे मानव श्रमिकों को पुनरावृत्ति जिम्मेदारियों से भी मुक्त कर सकते हैं, जैसे कि पिकिंग, और उन्हें अधिक जटिल कार्यों पर ध्यान केंद्रित करने का अवसर प्रदान करते हैं।

वेयरहाउस में एएमआर को पेश करना मानव श्रमिकों की भूमिकाओं को बढ़ाने का एक शानदार अवसर है। उन लोगों को स्वचालन पर विचार करना चाहिए जो अपने मानव कार्यबल के लिए कौशल विकास के अवसरों पर ध्यान केंद्रित करते हैं और नए भूमिकाओं की खोज करते हैं जो सीधे बॉट्स के साथ काम करते हैं, जैसे कि बॉट प्रदर्शन डेटा पर नज़र रखने वाले विश्लेषक।

क्या आप बता सकते हैं कि इन प्रणालियों को शक्ति प्रदान करने वाले एआई मॉडल और दृष्टिकोण क्या हैं, और क्या वे अधिक किनारे पर या क्लाउड में काम करते हैं?

लोकस रोबोटिक्स में, हमारे एआई समाधान तीन गुणों पर केंद्रित हैं: भौतिक (वेयरहाउस में निहित एआई और इसके वातावरण के अनुकूल), विश्वसनीय (एआई जो अपने निर्णयों की व्याख्या कर सकता है) और समग्र (एआई जो वेयरहाउस को एक प्रणाली के रूप में ऑर्केस्ट्रेट करता है, न कि केवल एक बॉट या कार्य को शक्ति प्रदान करता है)। हमारे लिए, यह वास्तव में वेयरहाउस को समझने वाले एआई का निर्माण करने और हमारे ग्राहकों के वातावरण के लिए वास्तविक परिणाम प्रदान करने के बारे में है।

डेटा किसी भी मॉडल का आधार है, और लोकस की गहरी उद्योग विशेषज्ञता के साथ-साथ लगभग 6 बिलियन यूनिट्स पिक किए गए हमारे वास्तविक दुनिया के डेटा का खजाना, हमें डोमेन-विशिष्ट मॉडल बनाने और वेयरहाउस-पहले सिस्टम विकसित करने में मदद करता है।

लोकस रोबोटिक्स में, हम किनारे और क्लाउड दोनों में एआई का लाभ उठाते हैं: हमारे एएमआर किनारे एआई का लाभ उठाते हैं जो भौतिक और विश्वसनीय एआई की मांग करते हैं, जबकि हमारे “वेयरहाउस वाइड सिस्टम ऑफ रिकॉर्ड्स-टू सिस्टम ऑफ एक्शन” रणनीतियों और वेयरहाउस फाउंडेशन मॉडल क्लाउड प्रदान करते हैं जो गणना शक्ति प्रदान करता है।

आगामी पांच वर्षों में, आप लॉजिस्टिक्स और आपूर्ति श्रृंखला के लिए एआई-संचालित रोबोटिक्स में क्या प्रमुख प्रगति या परिवर्तन की उम्मीद करते हैं?

सबसे बड़ा परिवर्तन यह होगा कि भौतिक एआई प्रमुख होगा। जैसे ही व्यवसाय अपने एआई निवेश से रिटर्न पर विचार करेंगे, ऑपरेटर उन परिणामों का मूल्यांकन करेंगे जो वे स्वचालन से प्राप्त कर रहे हैं।

हम उम्मीद करते हैं कि जिन लोगों ने स्वचालन के लिए समाधानों में निवेश किया है जो उद्देश्य-निर्मित नहीं हैं, वे अपने वेयरहाउस में जिस रिटर्न ऑन इन्वेस्टमेंट (आरओआई) की उम्मीद कर रहे हैं, उसे नहीं देख पाएंगे। समाधान जो भौतिक एआई द्वारा संचालित नहीं हैं, उनकी लागू करने योग्यता में सीमित होने की संभावना है। यह ऑपरेटरों को भौतिक एआई समाधानों के पीछे बजट रखने पर प्राथमिकता देने के लिए प्रेरित करेगा, जो वास्तविक समय में हर निर्णय को अनुकूलित कर सकते हैं और जो परिणाम वे चाहते हैं उन्हें वितरित कर सकते हैं।

भौतिक एआई में वृद्धि के साथ, हम देखेंगे कि रोबोटिक्स लॉजिस्टिक्स और आपूर्ति श्रृंखला में सामान्य/सामान्य फाउंडेशन मॉडल से डोमेन-विशिष्ट मॉडल विकसित करने पर ध्यान केंद्रित करते हैं। जैसा कि उल्लेख किया गया है, ऑपरेटर अपने आरओआई को बढ़ाने के तरीकों की तलाश में होंगे, और डोमेन-विशिष्ट मॉडल इस महत्वपूर्ण हिस्से के लिए महत्वपूर्ण हैं।

एआई की सफलता के लिए, हम देखेंगे कि उद्योग को यह समझने में बेहतरीन होगा कि हमें एआई में निवेश क्यों करना चाहिए जो वास्तविक डोमेन विशेषज्ञता से लाभान्वित होता है और उसे एकीकृत करता है। तदनुसार, हम आपूर्ति श्रृंखला और लॉजिस्टिक्स वातावरण के भीतर समृद्धि के लिए डिज़ाइन किए गए एआई के पीछे विकास और संसाधनों को रखने पर ध्यान केंद्रित करेंगे।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें लोकस रोबोटिक्स पर जाना चाहिए।