«Фабрика будущего» пишется по подсказкам.

Вот что верно в отношении того, как создаются физические объекты: почти никто за пределами производственной сферы на самом деле не знает, как именно создаются физические объекты.

Они знают основные этапы. Кто-то что-то проектирует. Кто-то другой это строит. Приезжает грузовик. Но промежуточный этап, когда концепция превращается в спецификацию, где спецификация становится решением о выборе поставщика, где решение о выборе поставщика становится серийным производством, где серийное производство превращается в заказанный вами товар, — эта часть в значительной степени невидима, она невероятно сложна и работает более или менее одинаково уже очень давно.

Сейчас ситуация меняется.

Генеративный искусственный интеллект начинает переписывать производственный цикл таким образом, что это трудно переоценить. Позвольте мне постараться быть точным. Изменения касаются не столько скорости, хотя они и ускорят процессы. Они также касаются не столько стоимости, хотя и существенно изменят структуру затрат. Речь идёт о чём-то более фундаментальном: где именно в процессе применяется интеллект, кем и на каком этапе. Мы находимся в начале трансформации, которая изменит промышленную экономику так же значительно, как электрификация или компьютеризация, и компании, которые понимают это сейчас, пока ещё рано и несколько запутанно, будут теми, кто будет устанавливать правила для всех остальных в будущем.

Самая дорогостоящая проблема в производстве — это не то, что вы думаете.

Спросите большинство людей, где возникают проблемы в производстве, и они укажут вам на завод. Но некоторые из самых дорогостоящих неудач происходят гораздо раньше, на бесформенной стадии, когда идея продукта начинает кристаллизоваться в набор требований. И именно здесь тратится огромное количество времени и денег.

Проблема заключается в несоответствии. Требования собираются посредством электронной почты, полупрочитанных документов и совещаний, где кажется, что согласованность достигнута, но на самом деле это не так. Спустя недели они поступают в виде технических заданий, содержащих скрытые неясности, которые никто не заметил — неясности, которые всплывают только тогда, когда прототип оказывается неисправным, или поставщик предлагает цену, которая не совсем соответствует, или производственная команда понимает, что полученный дизайн на самом деле не может быть изготовлен серийно.

Генеративный ИИ вмешивается именно на этом этапе, и его влияние распространяется на все последующие этапы. Эти системы способны обрабатывать огромные объемы неструктурированных входных данных — отзывы клиентов, нормативные документы, данные о сбоях в эксплуатации, анализ конкурентов — и синтезировать их в структурированные, взаимосвязанные требования быстрее и согласованнее, чем это могут сделать человеческие команды. То, что раньше занимало недели системной инженерии, теперь можно разработать за несколько часов.

Когда требования поступают раньше и с большей точностью, процесс передачи информации меняется. Команды по закупкам могут начать поиск поставщиков параллельно с проектированием, а не после него. Планирование производства может начаться до завершения разработки чертежей. Этапы, которые ранее выполнялись последовательно, теперь начинают выполняться одновременно.

Для компаний, занимающихся изготовлением механических деталей на заказ, где каждый заказ представляет собой новую инженерную задачу, а скорость составления коммерческого предложения часто является решающим фактором между получением и потерей заказа, это стратегическая трансформация.

Что знает опытный инженер

В сознании лучших инженеров-технологов хранится особый вид знаний, который практически невозможно описать со стороны. Какие допуски достижимы в масштабах производства. Какие сплавы разрушаются при определенных сочетаниях тепла и напряжений. Какие конструктивные решения выглядят элегантно на бумаге, но приводят к катастрофам для команды разработчиков оснастки. Накопление этих знаний занимает десятилетия, они в значительной степени не подлежат передаче и уходят каждый раз, когда на пенсию уходит опытный инженер.

Искусственный интеллект, выступающий в роли второго пилота, начинает менять ситуацию. Инженер, работающий над новой геометрией компонента, теперь может запрашивать у системы информацию о технологичности производства в больших масштабах, получать анализ отказов при различных сценариях нагрузки и оценивать экономические последствия смены материалов. Все это происходит в среде проектирования, до создания какого-либо физического прототипа, в тот момент, когда информация действительно полезна.

Чтобы было ясно: это не замена инженерному суждению. Решения, требующие контекстных знаний, профессиональной ответственности и творческого подхода к решению проблем в условиях ограничений, по-прежнему требуют участия человека. Искусственный интеллект, выступающий в роли помощника, расширяет пространство решений, которые инженеры могут изучить, прежде чем выбрать определенный путь, и распространяет элементы высокоуровневой производственной интуиции среди большего числа людей на более ранних этапах. Команды, которые успешно внедрят их, будут создавать более качественные проекты, поскольку они смогут оценить больше вариантов до того, как физические и экономические аспекты производства ограничат их выбор.

Два вида искусственного интеллекта сливаются воедино, и завод уже никогда не будет прежним.

Здесь важно провести различие. Существует цифровой ИИ — генеративные системы, которые помогают в проектировании, документировании, анализе источников и поддержке принятия решений. Они работают с информацией. И существует физический ИИ — системы восприятия, планирования и управления, которые лежат в основе работы промышленных роботов, автономной логистики и адаптивного производственного оборудования. Они работают с материей. Они воспринимают мир, планируют действия и перемещают объекты.

На протяжении большей части последнего десятилетия эти две категории развивались практически в совершенно разных мирах. Но теперь генеративные модели все чаще используются для программирования, управления и интерпретации физических систем. Роботы могут получать инструкции на естественном языке и преобразовывать их в последовательности движений. Модели, основанные на визуальном языке, позволяют системам контроля описывать наблюдаемое на языке, понятном человеку. Инструменты генеративного проектирования напрямую подключаются к станкам с ЧПУ и системам аддитивного производства, поэтому то, что спроектировала модель, может быть изготовлено на заводе.

Для климатических технологий последствия поразительны. Генеративный искусственный интеллект ускоряет открытие новых материалов, позволяет находить более совершенные химические составы батарей, более эффективные катализаторы, конструкционные материалы, снижающие углеродоемкость промышленности. В целом, для обрабатывающей промышленности конвергенция означает, что заводы становятся по-настоящему адаптивными системами, способными перестраиваться в ответ на изменения спроса или перебои в поставках практически в режиме реального времени. Граница между цифровой моделью завода и физическим предприятием размывается. На смену ей приходит промышленная инфраструктура, которая учится, адаптируется и замыкает цикл между проектированием и производством способами, которые ранее были невозможны.

Вопрос о рабочей силе

В любой честной статье об ИИ и производстве в какой-то момент необходимо поговорить о людях. Не с привычным мягким подходом типа «появятся новые рабочие места», который стал своего рода ритуальным оправданием в технологической литературе. А действительно поговорить об этом.

Тревога реальна и не беспочвенна. За последние четыре десятилетия занятость в обрабатывающей промышленности уже пережила серьезные потрясения. Очередной виток трансформации, основанной на искусственном интеллекте, не является абстракцией для людей, работающих в этих отраслях.

Предварительные данные показывают, что наиболее значимый краткосрочный эффект заключается не в перемещении, а в повышении квалификации. Инженеры, использующие ИИ в качестве помощников, занимаются более ответственной инженерной работой, тратя меньше времени на рутинную документацию и больше на принятие решений, определяющих успех продукта. Менеджеры цепочек поставок справляются с более сложными задачами, используя более качественную информацию. Руководители операционных подразделений применяют полученные с помощью ИИ аналитические данные в условиях, где ответственность по-прежнему остается исключительно человеческой.

Роли, определяемые в основном рутинной обработкой данных, повторяющимися координационными задачами или физической работой, которая вписывается в нынешние возможности робототехники, столкнутся с реальным давлением. Это требует искреннего внимания со стороны компаний и учреждений.

Производственный персонал следующего десятилетия будет определяться способностью эффективно работать с искусственным интеллектом. Умением понимать его результаты, подвергать сомнению его предположения и применять его рекомендации к решениям, требующим человеческого суждения. Это совершенно иной профиль навыков, чем тот, на котором строилась производственная отрасль. Создание такого интеллекта в масштабах, справедливо и в сроки, которые действительно будут иметь значение, — одна из по-настоящему сложных проблем современности.

Окно

Производство — это не монолитная система. Внедрение ИИ в аэрокосмической отрасли отличается от внедрения в потребительской электронике, в производстве специализированных промышленных компонентов и в разработке медицинских устройств. Темпы изменений сильно различаются в зависимости от инфраструктуры данных, нормативно-правовой среды и организационных возможностей.

Однако направление развития однозначно. Производственный цикл перестраивается с помощью ИИ на каждом этапе. Компании, инвестирующие в инфраструктуру данных, инженерные рабочие процессы с использованием ИИ, квалификацию персонала и системы управления для принятия важных решений, определят, как будет выглядеть передовое производство через десять лет.

Фабрика будущего будет формироваться на основе моделей, задаваемых в виде подсказок, и совершенствоваться посредством сотрудничества человека и машины, которое отрасль только начинает понимать. Результат будет зависеть от решений, принимаемых прямо сейчас, компаниями, которые еще только учатся задавать правильные вопросы.

Возможность создать значимое конкурентное преимущество открыта. Но она не останется открытой бесконечно.