DI gamyboje: nuo ko pradėti?
Dirbtinis intelektas gamyboje gali duoti apčiuopiamą grąžą, tačiau jis neišsprendžia prastai suvaldytų procesų ir nekompensuoja chaotiško valdymo. Ekspertai, diskutuodami pramonės konferencijoje, pabrėžė, kad sėkmę lemia ne technologijos naujumas, o aiškiai apibrėžtas tikslas, patikimi duomenys ir pasirengę darbuotojai.
Praktikų teigimu, vien DI įdiegimas dažnai tik padidina triukšmą organizacijoje: atsiranda naujų įrankių, bet neatsiranda bendro susitarimo, kokį verslo rodiklį jie turi pagerinti. Todėl pirmas klausimas turėtų būti ne kokį sprendimą pirkti, o kurią konkrečią problemą būtina išspręsti ir kaip bus matuojamas rezultatas.
Duomenys ir procesai svarbiau už įrankį
Gamybos įmonėse viena dažniausių kliūčių yra duomenų kokybė ir jų susiskaidymas tarp skirtingų sistemų. Kai informacija laikoma atskiruose „silosuose“ ir prastai suderinama, net pažangus DI modelis negali pateikti patikimų įžvalgų, o sprendimai tampa sunkiai paaiškinami darbuotojams.
Ekspertai akcentuoja, kad vien strategijos dokumento neužtenka, jei organizacija jo nesupranta ir realiai nesilaiko procedūrų. Praktikoje neretai paaiškėja, kad didžiausią efektą duoda baziniai dalykai: procesų peržiūra, atsakomybių išgryninimas, tvarkingas duomenų surinkimas ir nuolatinis jų valdymas.
Pasak specialistų, verta pradėti nuo klausimo, ar problema apskritai reikalauja DI. Kai kuriais atvejais greitesnį ir pigesnį rezultatą duoda paprasta automatizacija pagal taisykles arba darbo organizavimo pakeitimai, o DI tik padidina kaštus, nepadidindamas naudos.
Maži pilotai ir darbuotojų pasirengimas
Diskusijose dažnai kartojama „mažų žingsnių“ logika: nedidelis pilotinis projektas padeda įmonei suprasti visą diegimo ciklą. Tokie bandymai leidžia patikrinti, kokių duomenų trūksta, kaip juos paruošti, kas prižiūrės sprendimą ir kaip bus užtikrinamas nuolatinis modelių atnaujinimas.
Ne mažiau svarbi dalis yra žmonės. Jei vadovybė ir darbuotojai DI suvokia kaip stebuklingą mygtuką, tikėtina, kad sprendimas bus nupirktas „dėl technologijos“, o ne dėl realios naudos, todėl po kelių mėnesių bus nusivylimas ir prarastas laikas.
Ekspertai pabrėžia, kad DI diegimas yra organizacinė transformacija, todėl reikalingi mokymai, vidinė komunikacija ir aiškus susitarimas, kaip keičiasi kasdienis darbas. Be to, būtina užtikrinti, kad į DI iniciatyvas būtų įtraukti ne tik IT žmonės, bet ir gamybos bei verslo komandos, kurios geriausiai mato realias problemas.
Kada DI pasiteisina labiausiai?
Praktikoje DI dažniausiai pasiteisina ten, kur yra dideli duomenų srautai ir žmogui per sunku juos apdoroti. Tai gali būti vaizdų analizė kokybės kontrolei, anomalijų aptikimas įrenginių priežiūroje, taip pat gamybos planavimo ir tiekimo grandinės optimizavimas sparčiai besikeičiančiomis sąlygomis.
Kaip pabrėžė pramonės atstovai, svarbu turėti aiškų vertinimo kriterijų: ar norime pakeisti žmogaus atliekamą užduotį, ją atlikti greičiau ir tiksliau, ar išspręsti uždavinį, kurio anksčiau išvis nebuvo įmanoma atlikti. Tik tada DI tampa įrankiu, kuris kuria vertę, o ne dar vienu papildomu sluoksniu ant netvarkingo proceso.
„Jei tikimės, kad dirbtinis intelektas pats išspręs visas problemas, greičiausiai jis neišspręs nė vienos“, – sakė vienas diskusijos dalyvių.
Galutinė rekomendacija gamybos įmonėms išlieka paprasta: pradėti nuo proceso ir tikslo, pasiruošti duomenis, investuoti į kompetencijas ir tik tada rinktis technologiją. Tokia seka sumažina riziką, kad DI diegimas taps brangiu eksperimentu, kuris vietoj efektyvumo atneša dar daugiau chaoso.