За межами гіперболі – де штучний інтелект дійсно працює у виробництві

Штучний інтелект позиціонується як наступна промислова революція, але багато лідерів борються з тим, щоб перекласти ентузіазм у практичні результати. Більше 80% лідерів виробництва США кажуть, що вони планують збільшити використання штучного інтелекту протягом наступних двох років, але це не завжди робиться з чіткою стратегією щодо того, чого вони сподіваються реально досягти.

Між тиском ради директорів зробити щось зі штучним інтелектом і реальністю складних виробничих середовищ існує зростаючий розрив між очікуваннями та виконанням. Цей розрив потрібно закрити, якщо виробники сподіваються побачити переваги штучного інтелекту у своєму бізнесі.

Прийняття штучного інтелекту випереджає готовність

Лідери виробництва сьогодні знають, що їм потрібно прийняти штучний інтелект, щоб залишатися конкурентоспроможними. Останній опитування Національної асоціації виробників (NAM) виявило, що 51% виробників зараз використовують штучний інтелект і що 80% будуть вважати штучний інтелект важливим для розширення або підтримки свого бізнесу.

Виробники використовують цю технологію різними способами. Штучний інтелект має величезний потенціал. Однак у багатьох організаціях інвестиції в штучний інтелект не дають обіцяного повернення інвестицій.

Останнє опитування PWC і Інституту виробництва виявило, що тиск лідерів на прийняття штучного інтелекту може випереджати готовність до змін, викликаних штучним інтелектом. Того ж опитування також виявило, у їхніх словах:

• Нерівномірне прийняття штучного інтелекту може сповільнити інтеграцію у щоденні операції
• Розвиток уздовж кривої прийняття штучного інтелекту вимагає навчання та побудови досвіду
• Людські та готовність розриви можуть обмежити прийняття штучного інтелекту
• Обмежений внесок лідерів першої лінії може обмежити прийняття та виконання штучного інтелекту

Шукаємо рішення

Натомість ніж розглядати штучний інтелект як універсальне рішення, лідери повинні розрізняти застосування, де штучний інтелект excels – наприклад, покращення взаємодії людини та системи, захоплення операційної інформації та спрощення складних робочих процесів – і області, де він залишається погано пристосованим, включаючи точний контроль та повторюване прийняття рішень у виробничих середовищах.

Хороше місце для застосування цього – під час вашого процесу продажів. Багато виробничих компаній хочуть покращити процес продажів за допомогою штучного інтелекту. Вони повинні почати з того, щоб зосередитися на цілях або результатах клієнта, а не просити клієнтів вибирати конкретні параметри про продукт.

Особистий приклад: я недавно купив свій перший електромобіль. Я пішов на сайт виробника електромобілів, і перше, що я побачив, були технічні параметри, такі як Діапазон: 360-558 км. Це великий діапазон, але я розумію, що це означає. Але кінська сила? Ні ідеї. І споживання? Тепер я зовсім не розумів, що це означає; чи це добре чи погано? Чи це зробить різницю для сімейної річної поїздки на лижах, яка зараз займає у мене близько семи годин? Це саме той вид інформації, який би допоміг мені прийняти рішення.

Мати штучний інтелект для обговорення моїх потреб допоможе виробнику електромобілів зрозуміти, що важливо для мене, і перекласти ці потреби у технічні характеристики, які підходять мені.

Інший приклад – використання агентів штучного інтелекту для розділення складних проблем на менші частини. Агенти планують та виконують багатоступеневі цілі. Щоб отримати максимум від цих агентів, завдання повинні бути мовно-важкими.

Деякі інженерні організації приймають цей підхід при управлінні складними вимогами. Іноді інформація розкидана по сотнях або тисячах документів, і формат не стандартизований. Якщо б ви побудували традиційну програмну систему для імпорту всієї цієї інформації, було б занадто багато правил і винятків з цих правил. Оскільки штучний інтелект добре розпізнає закономірності, вам не потрібно записувати кожне окреме правило про те, як інтерпретувати ці документи.

Найкращі практики штучного інтелекту у виробництві

Розбивайте великі проблеми на менші завдання. Штучний інтелект має обмежену робочу пам’ять. Якщо ви даєте йому занадто багато даних або надто широке завдання, він може втратити контекст і почати “галюцинувати”, намагаючись все одно дати відповідь. Щоб зменшити цей ризик, розділіть великі завдання на менші компоненти та агрегуйте результати – область, де агентські рамки стають особливо ефективними.

Використовуйте штучний інтелект для розпізнавання закономірностей, а не авторитетного висновку. Штучний інтелект добре розпізнає закономірності та відносини, але він не підходить для логіки та висновку. Наприклад, їхні “висновки” та математичні можливості є передбаченням, а не обчисленням. Тому висновки можуть здаватися проникливими, але вони не гарантовано правильні, якщо тільки ви не підключите іншу систему, яка може підтвердити результати. У цьому підході штучний інтелект може оркеструвати робочий процес, але ви прийняли явне рішення про те, де знаходяться оперативні межі.

Штучний інтелект у виробництві може створити реальну цінність, але існують конкретні сценарії, де ризик переважує вигоду. До них належать безпекові та якісні операції. Це також включає середовища з низьким рівнем даних або високим рівнем новизни, оскільки штучний інтелект працює погано, коли йому не вистачає достатньо відповідних даних. Регульовані середовища також є ще однією проблемою, оскільки штучний інтелект все ще не має справжньої слідовості. Системи реального контролю з тісними допусками є ще однією областю, де штучний інтелект повинен бути уникнутий, оскільки затримка або нестабільність штучного інтелекту можуть бути неприйнятними у високошвидкісних процесах

Від гіперболи до практичності

Штучний інтелект не є панацеєю від усіх проблем виробництва. Але, розглянувши реальні випадки використання та поширені помилкові уявлення, виробники можуть прийняти більш збалансований підхід до штучного інтелекту. У короткій перспективі головним є використання штучного інтелекту для того, для чого він найкраще підходить: проблем, які включають високий рівень розпізнавання закономірностей. Не використовувати його для випадків, які вимагають передбачуваності, послідовності, логіки чи розрахунків.

Виробники можуть розрізняти шум і визначити, де штучний інтелект дійсно доставляє цінність сьогодні. Метою не є сповільнити прийняття, а забезпечити, щоб організації розгортали штучний інтелект там, де він значно покращує продуктивність та прийняття рішень, а не просто слідують індустріальній гіперболі.