شرکت‌های ریلی می‌توانند از فرصت‌های ایجاد شده توسط فناوری‌های در حال توسعه‌ی هوش مصنوعی به‌عنوان محرکی برای بهبود برنامه‌ریزی و اجرای عملیات خود استفاده کنند.
رشد سریع قابلیت‌های هوش مصنوعی
در سال‌های اخیر، به‌دلیل کاهش هزینه‌های ذخیره‌سازی و پردازش داده، افزایش دسترسی به داده‌ها و بهبود روش‌های ذخیره‌سازی و مدل‌سازی، انواع مختلفی از قابلیت‌های هوش مصنوعی با سرعت زیادی پیشرفت کرده‌اند. به‌طور کلی، هوش مصنوعی تحلیلی می‌تواند داده‌های تاریخی را تجزیه‌وتحلیل کرده و پیش‌بینی‌های عددی انجام دهد، درحالی‌که هوش مصنوعی مولد به ماشین‌ها امکان می‌دهد محتوای جدیدی شبیه به محتوای تولیدشده توسط انسان ایجاد کنند.
هوش مصنوعی مولد به‌خصوص از سال ۲۰۱۷ رشد چشمگیری داشته و در پایان سال ۲۰۲۲ با عمومی‌شدن ابزارهایی مانند ChatGPT به نقطه‌ی عطفی رسید. بنابراین، جای تعجب نیست که استفاده از هوش مصنوعی در صنایع مختلف به‌سرعت افزایش یافته است. به‌عنوان‌مثال، در سال ۲۰۲۳، یک‌سوم از شرکت‌کنندگان در نظرسنجی سالانه مک‌کینزی درباره وضعیت هوش مصنوعی اعلام کردند که سازمان‌هایشان به‌طور منظم از هوش مصنوعی مولد در حداقل یکی از بخش‌های تجاری خود استفاده می‌کنند. همچنین، ۶۰ درصد از سازمان‌هایی که هوش مصنوعی تحلیلی را به‌کار گرفته‌اند، در حال توسعه‌ی کاربردهای هوش مصنوعی مولد نیز هستند.
چالش‌ها و فرصت‌های نوین در صنعت راه‌آهن
صنعت راه‌آهن به‌دلیل محدودیت در دسترسی و کیفیت داده‌ها، ملاحظات قانونی و نبود استانداردسازی، همواره در پذیرش فناوری‌های دیجیتال با چالش‌هایی مواجه بوده است. اما امروزه، هوش مصنوعی تحلیلی و هوش مصنوعی مولد فرصت‌های جدیدی را برای دیجیتالی‌کردن هرچه بیشتر این صنعت ایجاد کرده‌اند.
گزارش اخیر “حرکت به‌سوی شرکت‌های ریلی مبتنی بر هوش مصنوعی” که توسط اتحادیه بین‌المللی راه‌آهن‌ها (UIC) با همکاری مک‌کینزی تهیه شده، به بررسی پذیرش این فناوری‌ها در صنعت راه‌آهن و پتانسیل‌های تجاری آن‌ها پرداخته است. طبق این گزارش، شرکت‌های ریلی در حال حاضر در حدود ۲۰ مورد استفاده کلیدی از فناوری‌های هوش مصنوعی را به‌کار گرفته‌اند. گسترش بیشتر این فناوری‌ها می‌تواند سالانه بین ۱۳ تا ۲۲ میلیارد دلار ارزش اقتصادی در سطح جهانی ایجاد کند.
تمرکز شرکت‌های راه‌آهن بر ۲۰ مورد استفاده کلیدی
اگرچه بیش از صد مورد استفاده بالقوه برای هوش مصنوعی وجود دارد، اما تلاش شرکت‌های ریلی عمدتاً بر تعداد محدودی از موارد استفاده هوش مصنوعی تحلیلی متمرکز شده است. برخی موارد استفاده از هوش مصنوعی مولد نیز شناسایی شده، اما این نوع هوش مصنوعی هنوز در مراحل ابتدایی پذیرش قرار دارد.
موارد استفاده غالباً بر اولویت‌های تجاری مرتبط با چهار شاخص کلیدی عملکرد (KPI) متمرکزند: عملکرد به‌موقع، تعامل با مشتری، ایمنی و عملکرد عملیاتی. این شاخص‌ها با چهار معیار اصلی انتخاب وسایل حمل‌ونقل توسط مسافران در مناطق مختلف جغرافیایی یعنی قیمت، ایمنی، قابلیت اطمینان و راحتی همسو هستند.
بلوغ و پذیرش موارد استفاده
حدود ۲۵ درصد از شرکت‌ها چندین مورد استفاده را در مقیاس وسیع پیاده‌سازی کرده‌اند، درحالی‌که حدود ۳۵ درصد تنها یکی یا دو مورد را به‌کار گرفته و سایر موارد هنوز در مرحله آزمایشی هستند. موارد استفاده بسته به بلوغ فناوری و پذیرش در صنعت راه‌آهن متفاوت هستند. این موارد در چهار حوزه اصلی دسته‌بندی می‌شوند:
- بهره‌برداری از راه‌آهن: شامل برنامه‌ریزی شیفت‌ها، بهینه‌سازی مصرف انرژی، تعمیر و نگهداری پیش‌بینی‌کننده و قطارهای نیمه‌خودران.
- مدیریت زیرساخت‌ها: شامل تعمیر و نگهداری پیش‌بینی‌کننده زیرساخت‌ها، مدیریت ترافیک بلادرنگ و دوقلوهای دیجیتال برای طراحی و ساخت زیرساخت‌ها.
- تجربه مسافر: شامل مدیریت درآمد، امنیت و اطلاعات بلادرنگ.
- پشتیبانی سازمانی: شامل تحلیل نیروی انسانی، آموزش استعدادها و توسعه نرم‌افزار.
اندازه و ارزش اقتصادی هوش مصنوعی در راه‌آهن
به‌طور کلی، فناوری‌های هوش مصنوعی می‌توانند به شرکت‌های راه‌آهن کمک کنند تا سرمایه‌گذاری‌های بهتری انجام دهند، عملیات کارآمدتری داشته باشند و نیازهای مسافران را بهتر برآورده کنند. برای مثال، یک شرکت راه‌آهن با درآمد ۵ میلیارد یورو می‌تواند حدود ۷۰۰ میلیون یورو در سال از هوش مصنوعی ارزش کسب کند که شامل افزایش درآمد، بهینه‌سازی نیروی کار، کاهش هزینه‌های نگهداری و هزینه‌های سازمانی است.
چالش‌های پیاده‌سازی و عوامل موفقیت
اگرچه پیاده‌سازی هوش مصنوعی می‌تواند ارزش زیادی ایجاد کند، اما این مسیر خالی از چالش نیست. بیش از ۶۰ درصد از شرکت‌ها در صنایع مختلف در مسیر تحول دیجیتال با موانعی مواجه می‌شوند. شرکت‌های راه‌آهن می‌توانند از تجربیات شرکت‌های داده‌محور در صنایع مشابه بهره بگیرند. این شرکت‌ها شش عامل کلیدی برای موفقیت در تحول دیجیتال و داده‌محور را رعایت کرده‌اند:
- نقشه راه استراتژیک
- استعداد و نیروی انسانی ماهر
- مدل عملیاتی چابک
- فناوری‌های مناسب
- داده‌های باکیفیت
- پذیرش و مقیاس‌پذیری
نتیجه‌گیری
پیاده‌سازی موفق هوش مصنوعی به سرمایه‌گذاری در توانمندی‌ها و استعدادهای ویژه و تعیین اهداف روشن و منطبق با اولویت‌های تجاری نیاز دارد. همچنین، وجود حاکمیت قوی داده و امنیت سایبری از همان ابتدا بسیار حیاتی است.
اگرچه این مسیر چالش‌برانگیز به نظر می‌رسد، اما شرکت‌های راه‌آهن می‌توانند از اکوسیستم گسترده‌ای از شرکا و تأمین‌کنندگان که دارای تخصص فنی و تجاری عمیقی هستند، برای حمایت در این مسیر استفاده کنند.
برای مراجعه به منبع اینجا کلیک کنید.
