αντίκτυπο στη διοίκηση στόλου, κυρίως σε θέματα προβλεψιμότητας και άμεσης ενημέρωσης», ανέφερε ο κ. Vasu. Και πρόσθεσε πως παρατηρείται κάποια απροθυμία στην υιοθέτηση της AI για επιχειρηματικές δραστηριότητες, αλλά ο κίνδυνος λειτουργίας αναποτελεσματικών στόλων, ειδικά ηλεκτροκίνητων, μπορεί να είναι σημαντικός. «Είμαστε μόλις στην αρχή των δυνατοτήτων της AI. Με τον καιρό, τα προϊόντα και οι λύσεις θα εξελιχθούν από κοινού με την πληρέστερη κατανόηση της απόδοσης των επενδύσεων (ROI) και των καλύτερων αποτελεσμάτων και θα ενισχύσουν τελικά την ευρύτερη υιοθέτηση της AI». Όπως σημείωσε ο κ. Tekedereli, οι πηγές δεδομένων θα αυξηθούν, καθώς περισσότερα οχήματα θα χρησιμοποιούν τηλεματική. Η AI θα υποστηρίξει τις διαδικασίες διοίκησης στόλου συνδυάζοντας διαφορετικές πηγές δεδομένων, όπως λύσεις βελτιστοποίησης διαδρομών και ανθρώπινου δυναμικού και θα ενισχύσει το έργο των fleet managers. ΒΑΣΙΚΌ ΒΉΜΑ: ΜΕΤΑΣΧΗΜΑΤΙΣΜΌΣ ΣΕ ΕΤΑΙΡΕΊΑ ΛΟΓΙΣΜΙΚΟΎ Η υιοθέτηση της AI δεν θα γίνει επενδύοντας απλώς σε προηγμένα εργαλεία. Ο Johan Sundstrand ανέφερε ότι οι εταιρείες πρέπει να υποβληθούν σε ενδελεχή διαδικασία για να ευθυγραμμιστούν με την εξέλιξη της τεχνητής νοημοσύνης στη διαχείριση στόλου. «Η AI θα αυτοματοποιήσει αναπόφευκτα πολλές πτυχές της διοίκησης στόλου και οι εξελίξεις θα εξορθολογίσουν τις λειτουργίες, θα μειώσουν το κόστος και θα βελτιώσουν την ασφάλεια και την αποτελεσματικότητα. Ωστόσο, δεν μπορούν να υπάρξουν άμεσα οφέλη για όλους». Γι’ αυτό οι επιχειρήσεις πρέπει απαραιτήτως να μετασχηματιστούν σε εταιρείες λογισμικού, επισήμανε ο κ. Sundstrand. «Χωρίς αυτόν το μετασχηματισμό, οι προσπάθειες αξιοποίησης της AI θα είναι επιφανειακές και αναποτελεσματικές». Ποια είναι τα βήματα γι’ αυτόν το μετασχηματισμό; uΑλλαγή κουλτούρας: Οι εταιρείες πρέπει να υιοθετήσουν κουλτούρα λήψης αποφάσεων βάσει δεδομένων τεχνητής νοημοσύνης. Πρέπει να σκέφτονται και να ενεργούν περισσότερο σαν εταιρείες λογισμικού, δίνοντας προτεραιότητα στα δεδομένα και όχι στη διαίσθηση. uΕυέλικτη ανάπτυξη και συνεχής βελτίωση: Η ευέλικτη ανάπτυξη είναι σημαντική για την ταχεία προσαρμογή στις αλλαγές και τη βελτίωση των λύσεων AI. Οι εταιρείες λογισμικού είναι συνήθως καλύτερα εξοπλισμένες για αυτόν τον τύπο ταχείας προσέγγισης, που τους επιτρέπει να προσδιορίζουν τη σωστή διαδικασία και να προβαίνουν γρήγορα στις απαραίτητες προσαρμογές. uΠειραματισμός και ανάληψη κινδύνου: Οι τεχνολογίες AI εξελίσσονται ταχέως και οι εταιρείες πρέπει να είναι πρόθυμες να πειραματιστούν, να αποτύχουν ενδεχομένως και να διδαχθούν από τα λάθη τους για να μεγιστοποιήσουν τις δυνατότητές τους. Αυτή η νοοτροπία πειραματισμού και ανάληψης κινδύνου είναι πιο διαδεδομένη στις εταιρείες λογισμικού, καθιστώντας τις κατάλληλες για πλήρη αξιοποίηση της τεχνητής νοημοσύνης. uΔιαλειτουργική συνεργασία: Η αποτελεσματική χρήση της τεχνητής νοημοσύνης απαιτεί συνεργασία διαφόρων τμημάτων και απόλυτη κατανόηση της τεχνολογίας και της επικοινωνίας μεταξύ συστημάτων. Οι εταιρείες λογισμικού διαθέτουν συνήθως καλύτερη δομή γι’ αυτή τη συνεργασία, που εξασφαλίζει την ευθυγράμμιση της AI με τους επιχειρηματικούς στόχους και την ενσωμάτωση σε υπάρχουσες διαδικασίες. uΑπαιτήσεις υποδομής: Για τη βέλτιστη λειτουργία των συστημάτων AI οι εταιρείες πρέπει να διαθέτουν την απαραίτητη υποδομή, συμπεριλαμβανομένων συστημάτων λογισμικού που επικοινωνούν μεταξύ τους. Οι εταιρείες λογισμικού είναι συχνά καταλληλότερες για την κατασκευή και συντήρησή τους. Αυτά τα συστήματα παρέχουν ισχυρή βάση για εφαρμογές τεχνητής νοημοσύνης. Η AI μπορεί να παρέχει προληπτική συντήρηση αναλύοντας τα δεδομένα των αισθητήρων του οχήματος 38 #19 ΟΚΤΩΒΡΙΟΣ 2024
RkJQdWJsaXNoZXIy ODAxNzc=