ראיון בלעדי, חן לוטן חביב עם גדי סוקניק על AI בלוגיסטיקה

שלום לכם. הבינה המלכותית מעצבת מחדש מקצועות בכל התחומים מכתיבה ותרגום דרך שיווק ומכירות עד פיתוח תוכנה למשל. אבל מהפכת הAI לא מורגשת רק בחברות הייטק או משרדי פרסום. בשנה האחרונה טכנולוגיות חדשות בתחום הבינה המלאכותית נכנסות לשימוש גם בתעשיות אחרות. כדי לדבר על פוטנציאל של AI למשל בעולם הלוגיסטיקה והשירות מצטרפת אלינו מי שמתמחה בעניין, חן לוטן חביב. שלום.

שלום. מנכ״לית של חברת WEBLET. קודם כל מה אתם עושים?

אנחנו חברת הייטק פעילה כבר יותר מ 40 שנה ומתמחים במחשוב חברות שיש להם אנשי שטח, אנשי מכירות, טכנאים, מתקינים, נהגים, והם רוצים למחשב אותם, לנהל את העבודה שלהם ולתכנן את המסלול שלהם.

זאת אומרת, עבדתם כבר כל השנים בתחומי הלוגיסטיקה והשירות, אבל עכשיו אתם all in, לגמרי בפנים עם הבינה המלאכותית.

גיים צ'יינגר. כל מה שהיה לפני זה החשיבה ישנה יותר ובאמת שינה את הכל ומראה איך אפשר עם אותו כוח אדם לעשות 30% יותר. תכניסי אותנו קצת פנימה לתוך העניין הזה. חברה פועלת כל השנים בתחום הלוגיסטיקה שלה, יש לה מערכות, ואז אתם באים ואתם עושים מה?

למשל אנחנו רוצים לקנות נייר טואלט, אנחנו מגיעים לסופר, הצרכן הסופי כבר נמצא שם, אבל יש תהליך שרשרת אספקה שלם שעומד מאחורי הדבר הזה. יש נהגים, יש להם משאיות, לכל אחד יש מאפיינים ומה מותר ומה אסור להם לעשות בחלוקה. למשל, יש מגבלת משקל או נפח למשאית. ובעצם החברות צריכות להחליט לכל נהג את מי הוא יבקר. ובתהליך של הבינה המלאכותית, במקום שכל נהג יוכל למשל לבקר עשרה לקוחות הוא יכול 13 לקוחות, מהטעם שהבינה יודעת פקקים למשל, מה צפוי להיות בכביש, אם אנחנו בחורף או בקיץ זה לא אותו דבר, אם הולך להיות שיבושים או דברים כאלה. גם כוח אדם מאוד מאוד איכותי לא יכול לדעת את הדברים האלה. היא יודעת להשוות בין נהג אחד לאחר, מי עושה משימה מהירה יותר מול אחד אחר, לוקחת בחשבון המון המון מאפיינים, גם את כל התחשיבים של כל הגורמים השונים שמועילים או מפריעים ואיך לשלב אותם.

אני מניח שהבינה פותרת במכה אחת.

בלחיצה אחת היא יכולה לקחת עשרות אלפי משימות על טווח של ימים וליצור את תכנון המשימות לעובד שטח בצורה מיטבית שתיקח בחשבון גם את הפקקים וגם משך ביצוע משימה צפוי לפי המון המון פרמטרים, וכתוצאה מזה כל עובד בהכרח יוכל לבצע הרבה יותר משימות. זה באמת win win לחברות.

תשמע, למשל חברה שיש לה תפוקה, חברה שיש לה 300 משאיות למשל, יכולה לספק הזמנות בכמות מסוימת נכון לפני הבינה. אחרי שהיא משלבת את ה AI היא בהכרח תוכל לספק את אותה סחורה עם בין 10 ל 30% פחות מהמשאיות. ובכל זאת אני מניח שחברות, גם מי ששומע אותנו ומתלבט, אומר לעצמו כדאי לי, לא כדאי לי. מה האתגרים הגדולים שעומדים בפניכם ב WEBLET?

זה דורש חשיבה חדשנית כי לפני זה היה איזשהו תהליך שלקחו את המדינה וחילקו אותה לאזורים, כל הכוח שייך לאזור, כל טכנאי או נהג יש לו את האזור שלו ולפי זה הוא רץ עם המשימות שלו, ופתאום ה AI אומר לא, אני שולח שני נהגים לראשון ואחרי זה שניהם נוסעים לתל אביב. הוא מסתכל על הכל, מאיפה כל אחד יוצא, כל עובד יוצא, איפה הוא מסיים, שעות העבודה שלו, הסקילים שלו, המון המון פרמטרים, ומביא תוצאות שכל נגיעת אדם אחר כך בהכרח תפגע בזה. זאת אומרת צריך לחשוב אחרת, ממש להבין שיש פה משהו אחר וחדש.

ואיפה ישראל עומדת בתחום הזה?

אם ככה, אני חייבת להגיד, לגבי הפוטנציאל שלכם, אנחנו הטמענו את זה כבר בעשרות לקוחות בשנה האחרונה, שהם בעצם יכולים כרגע לספק אותה סחורה עם פחות כוח אדם. ואני בטוחה שתוך זמן קצר מי שלא יטמיע AI בתחומים האלה אצלו בחברה יישאר מאחור.

זה קשור בחבלי לידה לא פשוטים לחברות אני מניח.

הבינה היא מכונה שלומדת אבל בהתחלה היא צריכה נתונים מדויקים וזה אתגר של החברות. כדי להגיע לתוצאות שאנחנו מדברים עליהן הם צריכים אולי להשקיע בהכנת מסד נתונים שהבינה תוכל לעבוד איתו, אבל אחר כך השמיים הם הגבול. ויש פה ROI מאוד מאוד מהיר: אם באמת יכינו את מסד הנתונים חברות יגיעו ל ROI של חודשים בודדים. גם הטמעה מהירה אגב וגם ROI מאוד מהיר.

בינה מלאכותית בתחומי הלוגיסטיקה והשירות, גם בתחומי הלוגיסטיקה והשירות, WEBLET. חן לוטן חביב, תודה רבה.