Jarvis 系統透過歷史數據與感測器資料進行訓練,能夠提前數天預警設備的劣化情況。目前,該系統已監測南北線及巴耶利峇捷運站逾 2,000 個月台閘門,透過分析閘門開啟與關閉時間,偵測細微的性能退化並優先處理維護工作。Strides 業務營運與分析主管 Albert Soh 表示,若能評估狀況並預測故障,便無需每三或六個月進行維護,只需在需要時執行,最終可為通勤者帶來更少中斷、更順暢的旅程。
SMRT巴士預期,這項 AI 技術的應用將有助於減緩營運成本,特別是人力成本的上升。賽富時(Oracle Japan and Asia-Pacific)科技資深副總裁 Chris Chelliah 則指出,Jarvis 最終將學習足夠的知識,進而輔助決策。不過,Jarvis 平台仍有其局限性,例如無法預測突發的電氣故障或意外事件。此外,資料不足也是訓練 AI 模型的一大挑戰。