Лідери думок

За межами ажіотажу — де штучний інтелект дійсно працює у виробництві

Damantha Boteju
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиВикористовуйте ШІ для розпізнавання шаблонів, а не для авторитетного міркування у…
Показати більше
  • Використовуйте ШІ для розпізнавання шаблонів, а не для авторитетного міркування у виробництві.
  • Розбивайте великі виробничі проблеми на менші, мовно-орієнтовані завдання для агентів ШІ.
  • Уникайте використання ШІ в критичних для безпеки операціях та системах реального часу з жорсткими допусками.

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.

Впровадження штучного інтелекту випереджає готовність

Лідери виробництва сьогодні знають, що їм потрібно впровадити штучний інтелект, щоб залишатися конкурентоспроможними. Нещодавнє опитування Національної асоціації виробників (NAM) виявило, що 51% виробників зараз використовують штучний інтелект і що 80% будуть вважати штучний інтелект необхідним 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 впровадження штучного інтелекту може випереджати готовність до змін, викликаних штучним інтелектом. Те саме опитування також констатувало, за його власним формулюванням:

  • Нерівномірне впровадження штучного інтелекту може сповільнити інтеграцію у щоденні операції
  • Розвиток уздовж кривої впровадження штучного інтелекту вимагає навчання та розвитку навичок через практичний досвід
  • Прогалини в людському потенціалі та готовності можуть обмежити впровадження штучного інтелекту
  • Обмежений внесок лідерів першої лінії може обмежити впровадження та практичне застосування штучного інтелекту

Шукаємо рішення

Замість того щоб розглядати штучний інтелект як універсальне рішення, лідери повинні розрізняти застосування, де штучний інтелект сильний – наприклад, покращення взаємодії людини та системи, збереження операційних знань та спрощення складних робочих процесів – і області, де він залишається погано пристосованим, включаючи точний контроль та відтворюване ухвалення рішень у виробничих середовищах.

Хороше місце для застосування цього – під час вашого процесу продажів. Багато виробничих компаній хочуть покращити процес продажів із супроводом вибору 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: нещодавно мені вдалося придбати перший електромобіль. На сайті виробника першими впали в око технічні параметри, такі як Запас ходу: 360-558 км. Це великий запас ходу, але я розумію, що це означає. Але кінські сили? Жодного уявлення. І споживання? Ось це вже зовсім незрозуміло; 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.

Штучний інтелект, з яким можна було б обговорити мої пріоритети, допоміг би виробнику електромобілів зрозуміти, що для мене важливо, і перетворити ці пріоритети на відповідні технічні характеристики.

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 значною мірою пов’язані з роботою з мовою.

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 агентні фреймворки стають особливо ефективними.

Використовуйте штучний інтелект для розпізнавання закономірностей, а не міркувань, які сприймають як авторитетні. Штучний інтелект добре розпізнає закономірності та відносини, але він не підходить для логіки й міркувань. Наприклад, його “міркування” та математичні можливості є передбаченням, а не обчисленням. Тому результати можуть здаватися проникливими, але вони не гарантовано правильні, якщо тільки ви не підключите штучний інтелект до іншої системи, 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 операції, критичні для безпеки та якості. Це також включає середовища з низьким рівнем даних або високим рівнем новизни, оскільки штучний інтелект працює погано, коли йому не вистачає достатньо відповідних даних. Суворо регульовані середовища також є ще однією проблемою, оскільки штучний інтелект все ще не має справжньої простежуваності. Системи керування в реальному часі з жорсткими допусками є ще однією областю, де слід уникати штучного інтелекту, оскільки затримка або нестабільність штучного інтелекту можуть бути неприйнятними у високошвидкісних процесах

Від ажіотажу до практичного застосування

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 впровадження, а забезпечити, щоб організації розгортали штучний інтелект там, де він значно покращує продуктивність та прийняття рішень, а не просто слідували галузевому ажіотажу.

Даманті Ботеджу є головним директором з питань продукції та технологій компанії Configit, світового лідера у сфері рішень Configuration Lifecycle Management (CLM) та постачальника бізнес-критичного програмного забезпечення для конфігурації складних продуктів. Він приєднався до компанії Configit у березні 2023 року, привізши понад 25 років досвіду у сфері розробки програмного забезпечення з акцентом на продукти корпоративного класу. Як головний директор з питань продукції та технологій, він очолює стратегію продукції та технологій, стимулює інновації та доставляє рішення, які відповідають складним потребам глобальних клієнтів компанії Configit.