Фабрика майбутнього створюється за допомогою промптів

Ось одна правда про те, як створюються фізичні об’єкти: майже ніхто поза виробництвом насправді не знає, як створюються фізичні об’єкти.

Вони знають загальні риси. Хтось щось проектує. Хтось інший це будує. Приїжджає вантажівка. Але середня частина, де концепція перетворюється на специфікацію, де специфікація перетворюється на рішення щодо постачання, де рішення щодо постачання перетворюється на виробничий цикл, де виробничий цикл перетворюється на те, що ви замовили, — ця частина є значною мірою невидимою, вона приголомшливо складна, і вона працює більш-менш однаково вже дуже довгий час.

Зараз це змінюється.

Генеративний штучний інтелект починає переписувати життєвий цикл виробництва способами, які важко переоцінити. Дозвольте спробувати бути точним. Зміна полягає не в першу чергу в швидкості, хоча він і прискорить процеси. Не в першу чергу в собівартості, хоча він значно змінить структуру витрат. Вона полягає в чомусь більш фундаментальному: де в процесі застосовується інтелект, ким і наскільки рано. Ми на початку трансформації, яка переформує промислову економіку так само значно, як електрифікація чи комп’ютеризація, і компанії, які зрозуміють це зараз, поки ще рано і дещо заплутано, саме вони писатимуть правила для всіх інших пізніше.

Найбільш дорога проблема у виробництві — не та, про яку ви думаєте

Запитайте більшість людей, де у виробництві виникають проблеми, і вони вкажуть на фабрику. Але деякі з найбільш дорогих невдач трапляються набагато раніше, у безформній фазі, коли ідея продукту починає кристалізуватися в набір вимог. І саме там зникає величезна кількість часу та грошей.

Проблема — у розбіжності. Вимоги збираються через електронні листи, наполовину прочитані документи та зустрічі, де здається, що досягнуто узгодженості, але це не так. Вони надходять у технічні завдання через тижні, несучи в собі закладені неоднозначності, яких ніхто не помітив — неоднозначності, що випливають на поверхню лише тоді, коли прототип повертається неправильним, або постачальник пропонує щось, що не зовсім відповідає, або виробнича команда розуміє, що отриманий дизайн насправді не можна виготовити масово.

Генеративний ШІ втручається саме на цьому етапі, і його ефекти поширюються на все, що слідує далі. Ці системи можуть засвоювати величезні неструктуровані вхідні дані — відгуки клієнтів, регуляторні документи, дані про відмови на місцях, аналіз конкурентів — і синтезувати їх у структуровані, перехресно посилані вимоги швидше та послідовніше, ніж це можуть зробити людські команди. Те, що колись займало тижні системної інженерії, тепер можна начеркнути за години.

Коли вимоги надходять раніше та з більшою точністю, змінюються етапи передачі. Команди з постачання можуть починати визначати постачальників паралельно з проектуванням, а не після нього. Планування виробництва може розпочинатися до завершення креслень. Етапи, які колись були послідовними, починають працювати одночасно.

Для компаній, які виробляють індивідуальні механічні деталі, де кожне замовлення є новою інженерною проблемою, а швидкість надання комерційної пропозиції часто визначає різницю між отриманням замовлення та його втратою, це є стратегічною трансформацією.

Що знає досвідчений інженер

Існує певний вид знань, який живе всередині найкращих виробничих інженерів, і його майже неможливо описати ззовні. Які допуски можна дотримати при масовому виробництві. Які сплави руйнуються за певних комбінацій температури та навантаження. Які дизайнерські рішення виглядають елегантно на папері та створюють катастрофу для команди з інструментального забезпечення. Щоб накопичити це, потрібні десятиліття, це знання значною мірою непередаване, і воно виходить за двері щоразу, коли старший інженер йде на пенсію.

AI-копілоти починають це змінювати. Інженер, який працює над новою геометрією компонента, тепер може запитувати систему про технологічність при масовому виробництві, отримувати аналіз відмов за різних сценаріїв навантаження та оцінювати вартісні наслідки зміни матеріалів. Все це відбувається в середовищі проектування, до існування будь-якого фізичного прототипу, у той момент, коли інформація насправді корисна.

Щоб було зрозуміло: це не заміна інженерного судження. Рішення, що включають контекстуальні знання, професійну відповідальність та творче вирішення проблем в умовах обмежень, як і раніше вимагають людини. Те, що роблять AI-копілоти, — це розширення простору рішень, який інженери можуть досліджувати перед тим, як обрати шлях, та поширення аспектів виробничої інтуїції рівня старших фахівців на більшу кількість людей, раніше. Команди, які їх успішно впроваджують, приходитимуть до кращих дизайнів, тому що вони оцінять більше варіантів, перш ніж фізика та економіка виробництва обмежать їхній вибір.

Два види ШІ зливаються, і фабрика вже ніколи не буде такою ж

Ось розрізнення, яке має велике значення. Існує цифровий ШІ — генеративні системи, які допомагають у проектуванні, документації, аналізі постачання та підтримці прийняття рішень. Вони працюють з інформацією. І існує фізичний ШІ — системи сприйняття, планування та управління, що живлять промислових роботів, автономну логістику, адаптивне виробниче обладнання. Вони працюють з матерією. Вони відчувають світ, планують дії та переміщують речі.

Більшу частину минулого десятиліття ці дві категорії розвивалися майже повністю в окремих світах. Але тепер генеративні моделі все частіше використовуються для програмування, керування та інтерпретації фізичних систем. Роботи можуть отримувати інструкції природною мовою та перекладати їх у послідовності рухів. Моделі “бачення-мова” дозволяють системам контролю описувати те, що вони спостерігають, термінами, зрозумілими для дій людини. Генеративні інструменти проектування підключаються безпосередньо до верстатів з ЧПК та систем адитивного виробництва, так що те, що спроектувала модель, фабрика може виготовити.

Для кліматичних технологій наслідки вражаючі. Генеративний ШІ прискорює відкриття матеріалів, знаходження кращих хімічних складів для акумуляторів, більш ефективних каталізаторів, конструкційних матеріалів, що знижують вуглецеву інтенсивність промисловості. Для виробництва в цілому конвергенція означає, що фабрики стають справді адаптивними системами, здатними переналаштовуватися у відповідь на зміни попиту чи порушення в ланцюгах поставок майже в реальному часі. Межа між цифровою моделлю фабрики та фізичним підприємством розчиняється. Її замінює промислова інфраструктура, яка вчиться, адаптується та замикає петлю між проектуванням і виробництвом способами, які раніше були неможливі.

Питання робочої сили

У будь-якій чесній статті про ШІ та виробництво в певний момент доводиться говорити про людей. Не зі звичайним м’яким завершенням “з’являться нові робочі місця”, яке стало своєрідним ритуальним виправданням у технологічних текстах. А говорити про це насправді.

Тривога реальна, і вона не безпідставна. Занятість у виробництві вже пройшла через болісні порушення протягом чотирьох десятиліть. Ще один раунд трансформації, спричиненої ШІ, не є абстракцією для людей, які працюють у цих галузях.

Попередні дані показують, що найбільш значним короткостроковим ефектом є не витіснення, а підвищення кваліфікації. Інженери, які використовують AI-копілоти, виконують більш важливу інженерну роботу, витрачають менше часу на рутинну документацію та більше — на прийняття рішень, які визначають успіх продукту. Менеджери ланцюгів поставок керують більшою складністю за допомогою кращої інформації. Керівники операцій застосовують інсайти, згенеровані ШІ, в середовищах, де відповідальність залишається суто людською.

Посади, які визначаються в першу чергу рутинною обробкою даних, повторюваними координаційними завданнями або фізичною роботою, що потрапляє в поточні можливості робототехніки, зазнаватимуть реального тиску. Це вимагає чесної уваги з боку компаній та установ.

Робоча сила виробництва наступного десятиліття визначатиметься здатністю ефективно працювати з ШІ. Розуміти його результати, ставити під сумнів його припущення та застосовувати його рекомендації для прийняття рішень, що вимагають людського судження. Це інший набір навичок, ніж той, навколо якого будувалося виробництво. Створення цього набору в масштабі, справедливо та вчасно — одна з дійсно складних проблем цього моменту.

Вікно можливостей

Виробництво не є монолітом. Впровадження ШІ в авіакосмічній галузі виглядає інакше, ніж в побутовій електроніці, інакше, ніж в індивідуальних промислових компонентах, інакше, ніж в медичних пристроях. Темпи змін надзвичайно різняться залежно від інфраструктури даних, регуляторного середовища та організаційної спроможності.

Але напрямок не є неоднозначним. Життєвий цикл виробництва перебудовується ШІ на кожному етапі. Компанії, які інвестують в інфраструктуру даних, AI-доповнені інженерні процеси, можливості робочої сили та системи управління для високоризикованих рішень, визначатимуть, як виглядатиме передове виробництво через десятиліття.

Фабрику майбутнього формуватимуть моделі, створені за допомогою промптів, і вдосконалені через співпрацю людини та машини, яку галузь тільки починає розуміти. Що це дасть, залежатиме від вибору, який робиться прямо зараз, у компаніях, які ще розбираються, які питання ставити.

Вікно для створення значної переваги відкрите. Воно не залишатиметься відкритим безстроково.