საწყობების ახალი თაობა: როგორ ცვლიან Logisticswise და ShelfMate ხელოვნური ინტელექტით საწყობის მართვას
Opinions expressed by Entrepreneur contributors are their own.
You're reading Entrepreneur Georgia, an international franchise of Entrepreneur Media.
ერთი შეხედვით, საწყობის მუშაობაში განსაკუთრებული არაფერია: შემოდის პროდუქცია, იდება თაროებზე, მზადდება შეკვეთები და იგზავნება მომხმარებლებთან. თუმცა ამ მარტივი პროცესების უკან ყოველდღიურად ათასობით გადაწყვეტილება დგას – სად განთავსდეს კონკრეტული პროდუქტი, რომელი შეკვეთა დამუშავდეს პირველ რიგში, რატომ შეფერხდა ერთი დავალება და როგორ გამოვიყენოთ თანამშრომლების დრო უფრო ეფექტიანად.
ტრადიციული სასაწყობე პროგრამები ამ პროცესების აღრიცხვასა და კონტროლს უზრუნველყოფენ. მაგრამ თანამედროვე ტექნოლოგიას შეუძლია ინფორმაციის შენახვას გასცდეს და კომპანიას გადაწყვეტილებების მიღებაშიც დაეხმაროს.
სწორედ ამ შესაძლებლობას იკვლევენ ქართული ლოგისტიკური კომპანია Logisticswise და ტექნოლოგიური სტარტაპი ShelfMate. მათი თანამშრომლობის ფარგლებში Logisticswise-ის საწყობში ShelfMate-ის ხელოვნური ინტელექტის სისტემის ერთ-ერთი პირველი პრაქტიკული დანერგვა მიმდინარეობს.
2023 წლის ნოემბერში კომპანიის წარმომადგენელი Entrepreneur-თან საუბრისას ჰყვებოდა, როგორ ცვლიდა ტექნოლოგია ლოგისტიკურ და 3PL მომსახურებას – ონლაინმაღაზიებთან ინტეგრაციით, შეკვეთების ავტომატიზაციითა და მცირე და საშუალო ბიზნესისთვის თანამედროვე ლოგისტიკური სერვისების შეთავაზებით.
სამი წლის შემდეგ Logisticswise განვითარების შემდეგ ეტაპზე გადადის. ამ პროცესში კომპანიის პარტნიორია ShelfMate – ქართული სტარტაპი, რომელიც არსებულ სასაწყობე სისტემებთან დაკავშირებულ დამატებით ინტელექტუალურ ფენას, AI Layer-ს ქმნის. ის უკვე არსებულ მონაცემებს იყენებს სხვადასხვა ოპერაციული ამოცანის შესასრულებლად და თანამშრომლებისთვის პრაქტიკული რეკომენდაციების შესათავაზებლად.
საწყობი შესაძლოა ტექნოლოგიური ინოვაციების ყველაზე თვალსაჩინო სივრცედ არ ჩანდეს, თუმცა აქ ხელოვნური ინტელექტის შედეგები საკმაოდ ხელშესახები შეიძლება იყოს: ნაკლები შეცდომა, უფრო სწრაფად დამუშავებული შეკვეთები და რესურსების ეფექტიანი გამოყენება.
ShelfMate-ის ტექნოლოგია – როცა პროგრამა თავად გთავაზობს, რა გააკეთო
საწყობში ყოველდღიურად უამრავი პროცესი ერთდროულად მიმდინარეობს. Logisticswise სხვადასხვა კომპანიის პროდუქციას მართავს, ამიტომ ასორტიმენტი, შეკვეთების რაოდენობა და სამუშაო დატვირთვა მუდმივად იცვლება. ასეთ გარემოში შეცდომას მხოლოდ ერთი არასწორად გაგზავნილი პროდუქტის ფასი არ აქვს – მას შეიძლება მოჰყვეს შეკვეთის უკან დაბრუნება, დამატებითი ტრანსპორტირების ხარჯები, შეკვეთის ხელახლა მომზადება და მომხმარებლის უკმაყოფილება. საბოლოოდ, ეს ფინანსურ დანახარჯებსაც იწვევს და პარტნიორი თუ თავად ამ კომპანიის რეპუტაციაზეც აისახება.
"არანაკლებ მნიშვნელოვანია დროისა და ადამიანური რესურსების სწორად განაწილება. შესაძლოა, რომელიმე შეკვეთა ჩვეულებრივზე დიდხანს ელოდებოდეს დამუშავებას, მაშინ როცა ერთ-ერთი თანამშრომელი უკვე თავისუფალია და მისი მომზადება შეუძლია. სხვა დროს კი შეკვეთების ნაკადი მცირდება და ჩნდება კითხვა, როგორ გამოიყენონ თანამშრომლებმა ეს დრო, მაგალითად, გადაამოწმონ მარაგები, შეცვალონ პროდუქციის განლაგება თუ მოაწესრიგონ საწყობის რომელიმე ზონა", - განმარტავს Shelfmae-ის ტექნოლოგიური დირექტორი, ანუკა რაზმაძე Entrepreneur-თან ინტერვიუში.
გამოცდილ მენეჯერს ბევრი ასეთი სიტუაციის მართვა შეუძლია, თუმცა ყველა პროცესის ერთდროულად კონტროლი რთულია. ტრადიციული WMS (Warehouse Management System) აჩვენებს, რა ხდება საწყობში, AI კი შეიძლება დაეხმაროს გუნდს იმის განსაზღვრაში, რა არის საუკეთესო შემდეგი ნაბიჯი.
ShelfMate-ის მიზანიც ამ შესაძლებლობის შექმნაა. სტარტაპი ახალი WMS-ის შემუშავებას არ ცდილობს. საწყობებს უკვე აქვთ სისტემები, სადაც შეკვეთების, მარაგების, თანამშრომლებისა და პროდუქციის განლაგების შესახებ ინფორმაცია ინახება. ShelfMate ამ მონაცემებს იყენებს და მათ საფუძველზე პრაქტიკულ გადაწყვეტილებებსა და რეკომენდაციებს ამზადებს.
მაგალითად, თუ ყველაზე ხშირად მოთხოვნადი პროდუქტი საწყობის შორეულ ნაწილში ინახება და თანამშრომლებს მის ასაღებად ყოველდღიურად ზედმეტი მანძილის გავლა უწევთ, ShelfMate-ის ერთ-ერთ AI აგენტს შეუძლია არსებული მონაცემების გაანალიზება და პროდუქციის უფრო ეფექტიანი განლაგების შეთავაზება.
"მნიშვნელოვანია არა მხოლოდ ალგორითმების შესაძლებლობები, არამედ ისიც, თუ როგორ ურთიერთობენ ადამიანები სასაწყობე პროგრამებთან. დღეს თანამშრომლებსა და მენეჯერებს ხშირად უწევთ სხვადასხვა მენიუში შესვლა, ფილტრების გამოყენება, ცხრილების დათვალიერება და საჭირო ინფორმაციის ძებნა. ჩვენი ხედვით, ამ პროცესის გამარტივება შესაძლებელია სისტემასთან ბუნებრივ ენაზე კომუნიკაციით", – ამბობს ანუკა რაზმაძე.
თანამშრომელს შეეძლება იკითხოს, რომელი შეკვეთებია დაგვიანებული, რა არის დღის პრიორიტეტი ან რომელი პროდუქტების გადანაცვლება შეამცირებს სამუშაო დროს და პასუხი ჩვეულებრივი სასაუბრო ენით მიიღოს. სამომავლოდ სტარტაპი ხმოვანი კომუნიკაციის შესაძლებლობის განვითარებასაც განიხილავს, რაც განსაკუთრებით გამოსადეგი იქნება იმ თანამშრომლებისთვის, რომლებიც საწყობში გადაადგილდებიან და მუდმივად კომპიუტერთან ვერ მუშაობენ.
ასეთი მიდგომა ახალ თანამშრომლებსაც გაუმარტივებს საქმეს: მათ აღარ მოუწევთ რთული პროგრამული მენიუების სრულად შესწავლა იმისთვის, რომ საჭირო ინფორმაცია მიიღონ ან მარტივი დავალება შეასრულონ.
ShelfMate-ის გრძელვადიანი მიზანია, საწყობის პროგრამა მხოლოდ კიდევ ერთი გამოსაყენებელი ინსტრუმენტი აღარ იყოს და ციფრულ თანამშრომლად იქცეს, რომელსაც შეუძლია ადამიანს დაელაპარაკოს და დახმარება სთხოვოს.
როგორ ინერგება AI რეალურ სამუშაო გარემოში?
ახალი ტექნოლოგიის დანერგვისას ერთ-ერთი მთავარი გამოწვევა მისი ყოველდღიურ პროცესებთან შეთავსებაა. Logisticswise-ისთვის თავიდანვე მნიშვნელოვანი იყო, რომ საწყობს ჩვეულ რეჟიმში გაეგრძელებინა მუშაობა: შეკვეთები ყოველდღიურად უნდა დამუშავდეს და ახალი სისტემის გამოცდის გამო ოპერაციები ვერ შეჩერდება.
ShelfMate-ის მიდგომის ერთ-ერთი უპირატესობაც სწორედ ისაა, რომ არსებული პროგრამის ჩანაცვლება საჭირო არ არის. Logisticswise-ის ძირითადი ოპერაციები კვლავ იმავე სისტემაში მიმდინარეობს, ShelfMate კი მას დამატებით ინტელექტუალურ შესაძლებლობებს სძენს.
დანერგვის პროცესი მხოლოდ ტექნოლოგიურ ინტეგრაციას არ გულისხმობს. ShelfMate-ის გუნდი საწყობში აკვირდება თანამშრომლების მუშაობას და იკვლევს, რატომ სრულდება კონკრეტული მოქმედებები არსებული გზით. ასეთი თანამშრომლობა ორივე მხარისთვის მნიშვნელოვანია: პროგრამისტისთვის ერთი შეხედვით ლოგიკური გადაწყვეტა რეალურ სამუშაო გარემოში შესაძლოა არაპრაქტიკული აღმოჩნდეს, ხოლო საწყობის თანამშრომლებისთვის ყოველდღიური პრობლემა ტექნოლოგიური გუნდისთვის ახალ შესაძლებლობად იქცეს.
სწორედ რეალურ პროცესებზე დაკვირვება და მათი ერთობლივი განხილვა ეხმარება გუნდებს ისეთი გადაწყვეტილებების შემუშავებაში, რომლებიც პრაქტიკაში მუშაობს. Logisticswise-ის მიზანი თანამშრომლებისთვის სამუშაო პროცესის თავიდან სწავლება არ არის. პირიქით, ტექნოლოგია მათ ყოველდღიურ საქმიანობას უნდა მოერგოს და რუტინული ამოცანები გაუმარტივოს.
მომავლის AI მხოლოდ მონაცემებს კი არ წაიკითხავს, საწყობში მიმდინარე პროცესებსაც დაინახავს
დღეს ShelfMate ძირითადად სასაწყობე სისტემებში არსებულ მონაცემებზე მუშაობს, თუმცა, კომპანიის ხედვით, ხელოვნური ინტელექტის უფრო დიდი შესაძლებლობები მაშინ გამოჩნდება, როდესაც მას რეალური ფიზიკური გარემოს შესახებ ინფორმაციის მიღებაც შეეძლება.
მაგალითად, საწყობის პროგრამაში შესაძლოა ყველაფერი წესრიგში ჩანდეს, მაშინ როცა კონკრეტული პროდუქტი რეალურად არასწორ თაროზე დევს ან თანამშრომელმა შეკვეთის მოსამზადებლად სხვა ნივთი აიღო. სანამ შეცდომა სისტემაში არ დაფიქსირდება, ტრადიციულ პროგრამას მისი აღმოჩენა გაუჭირდება.
ამ პრობლემის მოსაგვარებლად ShelfMate Computer Vision-ის, ანუ კომპიუტერული ხედვის მიმართულებით მუშაობს. საწყობებში კამერები უკვე გამოიყენება, თუმცა მათი ძირითადი დანიშნულება ხშირად უსაფრთხოებაა. სტარტაპის მიზანია, კამერებიდან მიღებული ვიზუალური ინფორმაცია ხელოვნური ინტელექტისთვის დამატებით წყაროდ აქციოს.
ამ მიმართულებით კომპანია Vision AI აგენტს ავითარებს. მისი ამოცანა იქნება, კამერებიდან მიღებული ინფორმაცია სისტემაში არსებულ მონაცემებს შეადაროს, შესაძლო შეუსაბამობები აღმოაჩინოს და დროული რეაგირების შესაძლებლობა შექმნას. ამგვარად, სისტემამ შესაძლოა შეკვეთის გაგზავნამდე შენიშნოს შეცდომა ან დააფიქსიროს, რომ საწყობის კონკრეტულ ზონაში სამუშაო შეფერხდა.
კიდევ უფრო საინტერესო შესაძლებლობები კი სხვადასხვა AI აგენტის ერთმანეთთან დაკავშირებაში შეიძლება გამოჩნდეს: ერთი საწყობის განლაგებას აანალიზებს, მეორე რეალურ გარემოში მიმდინარე პროცესებს აკვირდება, მესამე კი თანამშრომლებს ამოცანების შესრულებაში ეხმარება.
ShelfMate-ის სამომავლო ხედვა მხოლოდ რეკომენდაციების გაცემით არ შემოიფარგლება. სისტემა უნდა აკვირდებოდეს, შესრულდა თუ არა შეთავაზებული ცვლილება, რა შედეგი მოჰყვა მას და როგორ შეიძლება მომდევნო ჯერზე პროცესის გაუმჯობესება. სწორედ ამ უკუკავშირზე დაფუძნებულ მუშაობაში ხედავს კომპანია ხელოვნური ინტელექტის ერთ-ერთ მთავარ პოტენციალს.
რა იცვლება ბიზნესისთვის
Logisticswise-ისთვის ტექნოლოგიის ეფექტიანობა შედეგებით იზომება – რამდენად სწრაფად და უშეცდომოდ მუშავდება შეკვეთები და რამდენად გონივრულად გამოიყენება არსებული რესურსები.
ერთი შეკვეთის მომზადებისას დაზოგილი რამდენიმე წუთიც კი მნიშვნელოვანი შეიძლება იყოს, როცა საწყობი დღის განმავლობაში ასობით შეკვეთას ამუშავებს. თუმცა შედეგი მხოლოდ სისწრაფით არ იზომება. მენეჯერს მუდმივად უწევს თანამშრომლების დატვირთვის, დაგვიანებული დავალებების, შეფერხებებისა და მიმდინარე პრიორიტეტების კონტროლი. თუ AI ამ პრობლემების ნაწილს თავად აღმოაჩენს და შესაბამის რეაგირებას შესთავაზებს, მენეჯერს მეტი დრო დარჩება სხვა მნიშვნელოვან საკითხებზე კონცენტრირებისთვის. ამ ეტაპზე Logisticswise სწორედ ამ მიმართულებას იკვლევს.
"ჩვენი გუნდი აკვირდება შეკვეთების დამუშავების დროს, ოპერაციულ შეცდომებს, თანამშრომლების დატვირთვასა და სივრცის გამოყენებას. კომპანიისთვის მნიშვნელოვანია არა მხოლოდ იმის თქმა, რომ საწყობში ხელოვნური ინტელექტი დაინერგა, არამედ იმის დანახვა, კონკრეტულად სად და რამდენად აუმჯობესებს ის მუშაობას", – ამბობს ჩვენთან ინტერვიუში Logisticwise-ის ოპერაციების მენეჯერი, ეკა ჯანდაგაშვილი.
საბოლოოდ, Logisticswise-ის პარტნიორი კომპანიებისთვის მთავარი არა ის არის, თუ რა ტექნოლოგია დგას შეკვეთის უკან, არამედ ის, თუ რამდენად სწრაფ და საიმედო მომსახურებას იღებენ, რამდენად მცირდება შეცდომები და შეუძლიათ თუ არა საკუთარი ბიზნესის გაზრდა ისე, რომ ლოგისტიკა მათ ძლიერ მხარედ იქცეს.
საქართველოდან საერთაშორისო ბაზრებისკენ
საწყობის მართვის პრობლემები მხოლოდ საქართველოსთვის დამახასიათებელი არ არის. ათასობით საწყობი მთელ მსოფლიოში სხვადასხვა WMS-ს იყენებს და მონაცემებს აგროვებს, თუმცა, ყოველდღიური გადაწყვეტილებების მნიშვნელოვანი ნაწილი კვლავ ადამიანებზეა დამოკიდებული.
კომპანიის მიზანია, ShelfMate უნივერსალურ AI ფენად ჩამოყალიბდეს, რომელიც სხვადასხვა სასაწყობე სისტემასთან შეძლებს დაკავშირებას. ამ მიდგომით, კომპანიებს ხელოვნური ინტელექტის შესაძლებლობების გამოსაყენებლად არსებული პროგრამის შეცვლა ან მრავალწლიანი IT პროექტის დაწყება არ დასჭირდებათ.
განსაკუთრებით საინტერესო მიმართულებაა მცირე და საშუალო ზომის საწყობები, რომლებისთვისაც უახლესი ტექნოლოგიები ხშირად ძვირი ან რთულად დასანერგია. ShelfMate-ის მიდგომა მათ საშუალებას აძლევს, არსებული სისტემის შენარჩუნებით მიიღონ დამატებითი ინტელექტუალური შესაძლებლობები.
ამჟამად სტარტაპი პროდუქტის პრაქტიკულ დახვეწაზე მუშაობს და პარალელურად საერთაშორისო გაფართოებისთვის ემზადება. საქართველოს შემდეგ ერთ-ერთი პირველი სამიზნე ბაზარი სომხეთია, უფრო გრძელვადიან პერსპექტივაში კი კომპანია აღმოსავლეთ ევროპით, თურქეთითა და ცენტრალური აზიით დაინტერესდება.
