Bốn cách công nghệ học máy thúc đẩy cách mạng di động trong ngành vận tải
Việc ứng dụng học máy (ML) và trí tuệ nhân tạo (AI) trên nền tảng đám mây đang thúc đẩy sáng tạo mạnh mẽ, tạo ra những thay đổi đột phá trong ngành vận tải và giao nhận. Ông Swami Sivasubramanian, Phó chủ tịch, Amazon Machine Learning, AWS, có những chia sẻ về vấn đề này.
Khi Thụy Sỹ quyết định giải quyết nạn kẹt xe và ô nhiễm môi trường bằng cách loại bỏ hàng vạn xe tải hàng khỏi đường cao tốc Alps, họ đã xây dựng đường hầm Gotthard, đường hầm xe lửa dài nhất và sâu nhất trên thế giới. Công trình vĩ đại của kỹ thuật hiện đại này đã mang lại lợi ích to lớn cho người dân và doanh nghiệp, nhưng những dự án xây dựng ấn tượng như vậy không phải là cách duy nhất để cải tiến tương lai của ngành vận tải và giao nhận (logistic).
Thay vào đó, trong một thế giới ngày càng cạnh tranh và kết nối mà chỉ có 29% các Giám đốc điều hành (CEO) của ngành vận tải và giao nhận (T&L) tự tin doanh thu của công ty sẽ tăng trưởng trong năm tới, thì ngày ngày càng nhiều các công ty T&L đang chuyển sang ứng dụng các dịch vụ học máy (ML - machine learning) mới dựa trên nền tảng đám mây, giúp họ kinh doanh hiệu quả hơn, mang lại trải nghiệm tốt hơn cho khách hàng của họ.
Sự hội tụ giữa đám mây và trí tuệ nhân tạo (AI) này đã thúc đẩy sáng tạo rộng rãi trong công nghệ ôtô, đặc biệt là trong tính năng di động. Điều này đang làm thay đổi cuộc chơi, khi 68% các lãnh đạo công ty T&L tin rằng những thay đổi trong công nghệ lõi về cung cấp dịch vụ sẽ thay đổi đột phá lĩnh vực kinh doanh của họ trong vòng 5 năm tới, trong khi đó 65% cũng dự đoán quá trình này cũng sẽ diễn ra trong các kênh phân phối, theo nghiên cứu của PWC.
Có bốn lĩnh vực chính mà công nghệ học máy đang tạo ra một cuộc cách mạng di động cho ngành vận tải và giao nhận: dự báo nhu cầu và tối ưu hóa tuyến đường; lập bản đồ và lái xe tự động; robotics; và phát hiện bất thường.
Ví dụ, Convoy, đang tạo đột phá trong ngành vận tải trị giá 800 tỉ USD, tối ưu hóa các tuyến đường của mình nhờ ứng dụng các mô hình học máy. Ngành vận tải tại Mỹ là một mạng lưới rời rạc gồm các chủ hàng và đơn vị vận tải làm việc với nhau thông qua các nhà môi giới – một hệ thống kém hiệu quả, khiến tới 40% của 95 tỉ dặm (tương đương 152,89 tỉ km) mà các tài xế xe tải Mỹ chạy hàng năm là không chở hàng. Convoy có khả năng phân tích hàng triệu đơn hàng để khớp với bên vận tải một cách hiệu quả nhất – giúp tăng cao lợi nhuận nhờ làm giảm các km vận tải "trống hàng", và đặc biệt là cắt giảm khí thải vào môi trường.
Nhưng ngành vận tải cũng đang gặp phải sự thiếu hụt ít nhất 100.000 tài xế trên toàn nước Mỹ. Vậy giải pháp là gì? Đó là xe tải tự lái. Đội ngũ công nghệ tại TuSimple đã triển khai hơn 100 module AI trên đám mây để thực hiện một cách an toàn và hiệu quả các chuyến vận tải tự lái với quãng đường trên 100 dặm (160 km). Thậm chí với một chiếc xe tải đầy hàng đang lưu thông 65 dặm (104.6 km) một giờ, thuật toán AI tiên tiến của TuSimple có thể phân biệt được các loại phương tiện xe cộ khác trên cùng tuyến đường, xác định được tốc độ của chúng, và giữ cho xe tải của TuSimple luôn chạy giữa làn đường của mình với độ chính xác +/- 5 cm.
Tại Đông Nam Á, công ty công nghệ về dịch vụ vận chuyển Grab muốn đẩy mạnh thuật toán cung ứng và khớp lệnh đặt xe theo yêu cầu, theo thời gian thực. Hãng đã chuyển sang sử dụng các công cụ học máy để truy cập các luồng dữ liệu và phân tích thời gian thực, hỗ trợ 1,5 triệu lượt đặt xe, nâng cao hiệu suất cung ứng và khớp lệnh đặt xe tới 30%.
Một ví dụ khác về AI và học máy có ảnh hưởng tích cực tới ngành T&L là trường hợp của Lyft sử dụng giải pháp phân tích chuỗi thời gian dựa trên AI. Công nghệ này tự động chỉ ra những bất thường có thể gây ra các vấn đề kinh doanh lớn hơn, và phát hiện những sự cố cần phải kiểm tra. Lyft đã tiết kiệm chi phí đáng kể nhờ không phải đầu tư nhiều vào khoa học dữ liệu (data science) tại công ty hay kiểm tra thủ công bảng thông tin.
Độ chính xác của những dự báo là yếu tố tố quan trọng đối với các công ty T&L, và với Aramex của Các Tiểu vương quốc Ả Rập Thống nhất (UAE) – công ty cung cấp các dịch vụ mua sắm trực tuyến, giao nhận hàng hóa và chuyển phát nhanh quốc tế và nội địa – thì các hoạt động vận chuyển trực tuyến của hãng đã quản lý hàng ngàn yêu cầu mỗi phút. Nhờ triển khai một dịch vụ dựa trên đám mây, có quản lý toàn diện cho phép các nhà phát triển ứng dụng và nhà khoa học dữ liệu có thể đào tạo, xây dựng và triển khai các mô hình AI và học máy, Aramex đã tăng hiệu quả chính xác về dự báo thời gian vận chuyển tới 47%, giảm các cuộc gọi dịch vụ liên quan tới giao hàng tới 40%.
Các công cụ học máy và AI trên nền tảng đám mây cũng được triển khai tại trung tâm của Amazon.com, hiện đang thực hiện thành công và hiệu quả hàng tỉ gói hàng mỗi năm – tính từ lúc khách hàng đặt một đơn hàng tới xử lý đơn hàng, đóng gói và vận chuyển. Chúng tôi sử dụng các thuật toán dự báo để dự đoán khách hàng có thể đặt hàng gì nhằm đảm bảo chúng tôi có đủ nguồn cung trong các kho hàng của chúng tôi. Các dịch vụ AI và học máy trên nền AWS của chúng tôi cũng tăng cường sức mạnh cho các robot tại trung tâm xử lý đơn hàng, các phương thức để làm việc với các đối tác giao nhận, và thậm chí tối ưu hóa các tuyến giao hàng của chúng tôi.
Bài học có được sau vài năm triển khai khá rõ ràng: Sự cạnh tranh trong ngành T&L chưa bao giờ phức tạp hơn thế, và lợi nhuận chỉ có được với hiệu quả kinh doanh dựa trên công nghệ thực sự. May mắn thay, những sáng tạo mới trong AI và học máy (ML) đang mang tới cho các doanh nghiệp đó một lợi thế rất lớn nhờ cung cấp các công cụ tiên tiến mà họ cần để giải quyết những vấn đề lớn nhất, đồng thời tập trung phát triển kinh doanh.
