CP v2

Tag: Pramonės automatizavimas

  • „Jaipur Robotics“ pritraukė 4,3 mln. eurų: dirbtinis intelektas padės atliekų deginimo jėgainėms dirbti tiksliau

    „Jaipur Robotics“ pritraukė 4,3 mln. eurų: dirbtinis intelektas padės atliekų deginimo jėgainėms dirbti tiksliau

    Šveicarijoje įsikūrusi pramonės automatizavimo bendrovė „Jaipur Robotics“ pritraukė 4,3 mln. eurų sieklinės stadijos investiciją. Raundui vadovavo „EquityPitcher Ventures“ ir „High-Tech Gründerfonds“ (HTGF), o lėšos bus skirtos kompiuterinės regos sprendimų plėtrai atliekų deginimo bei kitose pramonės įmonėse.

    „Jaipur Robotics“ įkurta 2024 metais ir veikia Mano mieste, netoli Lugano. Bendrovė kuria kompiuterinės regos ir DI sistemas, skirtas didinti pramoninių objektų saugą, efektyvumą ir automatizavimą, o pirmasis pagrindinis taikymas – atliekų deginimo energijai (angl. waste-to-energy) jėgainės.

    Kur didžiausia problema jėgainėse?

    Tokiose jėgainėse kasdien apdorojami dideli kiekiai nevienalytės sudėties atliekų, todėl operatoriams tenka spręsti dvi užduotis vienu metu: užtikrinti saugą ir palaikyti stabilų degimo procesą. Net nedidelės klaidos gali virsti prastovomis, įrangos gedimais ar neefektyviu degimu.

    Bendrovė teigia, kad nemaža dalis daugiau nei 3 100 pasaulyje veikiančių atliekų deginimo jėgainių vis dar remiasi rankiniu stebėjimu ir analoginiais procesais. Praktikoje tai reiškia lėtesnius sprendimus, didesnę žmogiškųjų klaidų riziką ir mažiau duomenų, kuriais būtų galima pagrįsti automatizavimą.

    Kaip veikia kompiuterinė rega?

    „Jaipur Robotics“ platforma analizuoja vaizdo srautą, fiksuojantį atliekų judėjimą jėgainėje, ir vaizdinę informaciją paverčia sprendimams tinkamais duomenimis. Sistema padeda atpažinti pavojingas medžiagas, gerinti atliekų sumaišymą ir teikti rekomendacijas kranų operacijoms automatizuoti.

    Pasak bendrovės, DI modeliai apmokyti naudojant daugiau nei 50 mln. sužymėtų vaizdų iš Europos atliekų deginimo operacijų. „Jaipur Robotics“ nurodo, kad jos sprendimai kasmet analizuoja daugiau nei 5 mln. tonų atliekų, o pavojingų objektų aptikimo tikslumas siekia 99 proc.

    Koks poveikis ir kur bus panaudotos investicijos?

    Bendrovė taip pat teigia, kad atskiruose objektuose jos technologijos diegimas leido daugiau nei 80 proc. sumažinti neplanuotus sustabdymus. Be to, šilumingumo žemėlapiai ir prognozinės rekomendacijos naudojami tam, kad būtų lengviau palaikyti tolygesnį kuro mišinį ir stabilesnį degimo režimą.

    Gautas finansavimas bus skirtas plėtrai į naujas rinkas ir produkto vystymui, išplečiant taikymo scenarijus ne tik atliekų deginimo, bet ir kitose pramonės šakose, įskaitant cemento bei biomasės jėgaines. Investuotojams tokie sprendimai patrauklūs dėl aiškios ekonominės naudos: mažesnių prastovų, saugesnių procesų ir geresnio įrangos panaudojimo.

  • DI ateina į gamyklas ir vertina vadovus: kodėl rizika auga net aukščiausio lygio vadovybei

    Dirbtinis intelektas vis dažniau diegiamas gamyklose ne vien kaip dar vienas automatizavimo sluoksnis. Jis tampa sprendimų priėmimo įrankiu, galinčiu realiu laiku apdoroti didelius duomenų srautus iš jutiklių, kamerų ir gamybos valdymo sistemų. Tai leidžia tiksliau planuoti procesus, greičiau aptikti nukrypimus ir sumažinti broko riziką.

    Pramonėje DI dažnai apibūdinamas kaip papildomi roboto „pojūčiai“, nes kompiuterinė rega ir pažangūs modeliai leidžia atpažinti defektus, kurie anksčiau pasprukdavo pro įprastą kontrolę. Praktikoje tai ypač svarbu ten, kur klaidų kaina didelė, pavyzdžiui, medienos apdirbime, automobilių pramonėje ar energetikos įrenginių priežiūroje. Kuo daugiau signalų patenka į modelį, tuo tikslesnės gali būti roboto trajektorijos ir operacijų parametrai.

    „DI yra tarsi milžiniškas dešimtmetis vaikas: jis neįtikėtinai greitai apdoroja informaciją, bet jam reikia labai tikslių instrukcijų ir aiškių ribų“, – sakė Grzegorzas Putynkowskis.

    Didelė dalis diegimų prasideda ne nuo visiškai naujų robotų, o nuo jau veikiančių automatizuotų linijų „praturtinimo“ DI moduliais. Dažniausiai modeliai apmokomi atskirose skaičiavimo aplinkose, o į gamyklą perkeliami lengvesni vykdomieji algoritmai, kuriems reikia papildomo kompiuterio greta PLC valdiklių. Taip įmonės gali pradėti nuo konkretaus taikymo, pavyzdžiui, kokybės kontrolės, ir palaipsniui plėsti sprendimą.

    Didžiausi iššūkiai dažnai slypi ne programiniame kode, o duomenyse ir jų parengime. Kokybės kontrolėje, ypač medienos ar kitų natūralių medžiagų atveju, defektų tipų gali būti dešimtys, o dalies jų įprasta kamera patikimai nefiksuoja. Todėl įmonėms tenka sukaupti dideles, dažnai labai specifines defektų duomenų bazes ir investuoti į ilgesnį mokymą.

    Dar viena praktinė kliūtis yra skaičiavimo galios ir energijos poreikis mokymo metu. Modelių mokymas gali reikalauti nepalyginamai daugiau resursų nei tradicinė automatizacija, todėl tam pasitelkiami duomenų centrai ir grafikos procesoriai. Pramonė vis aktyviau ieško „lengvesnių“ modelių, kuriems reikėtų mažiau atminties ir mažesnių energijos sąnaudų, o tai tampa svarbu ir dėl kaštų, ir dėl tvarumo tikslų.

    Verslo požiūriu DI diegimas vis dažniau siejamas ne su darbo vietų mažinimu, o su našumo didinimu ir efektyvesniu resursų naudojimu. Įmonės tikisi geriau planuoti gamybą, optimizuoti žaliavų sunaudojimą, mažinti energijos nuostolius, tikslinti tiekimo grandinės sprendimus ir greičiau reaguoti į paklausos pokyčius. Taip DI tampa ne vien technologine, bet ir finansine priemone konkurencingumui palaikyti.

    „DI algoritmai pirmiausia mažina ne žemiausios grandies darbuotojų poreikį, o atsigręžia į vadovų veiklos efektyvumą: dalį ataskaitų ir analizės gali atlikti elektroninis asistentas“, – teigė Grzegorzas Putynkowskis.

    Čia ir atsiranda naujas pramonės posūkis: DI pradeda „matuoti“ sprendimų priėmimą. Kai duomenys apie gamybą, kokybę, energijos sąnaudas ir logistiką sujungiami į vieną vaizdą, vadovų veiklos rezultatai tampa lengviau palyginami ir labiau pagrindžiami skaičiais. Tai gali mažinti tarpininkavimo grandis, bet kartu kelia klausimų dėl atsakomybės, vertinimo kriterijų ir klaidų, kurias gali padaryti modeliai.

    Kur DI duoda greičiausią grąžą

    Didžiausią potencialą pramonė dažnai mato ten, kur procesai standartizuoti, o duomenys renkami nuosekliai. Medienos pramonėje DI leidžia tiksliau klasifikuoti ruošinius, automobilių sektoriuje padeda užtikrinti pastovią kokybę ir mažinti broką, logistikoje gerina planavimą, o energetikoje vis labiau naudojamas priežiūros ir gedimų prognozavimo sprendimams. Tokiose srityse DI ne tik automatizuoja, bet ir padeda išvengti brangių sustojimų.

    Mažesnėms įmonėms aktualus ir prenumeratos modelis, kai nereikia kurti savo duomenų centrų ar laikyti didelių komandų. Tačiau toks kelias didina priklausomybę nuo tiekėjo ir kainų politikos, todėl didesnės organizacijos dažnai siekia aiškių ilgalaikių sutarčių ir nuosavybės teisių į kritinius sprendimus. Renkantis tarp „savos“ ir perkamos sistemos vis daugiau lemia tai, ar duomenys laikomi strateginiu pranašumu.

    Žmonės ir kompetencijos tampa siauruoju kakleliu

    Net ir sparčiai tobulėjant technologijoms, įmonės vis dažniau susiduria su kvalifikacijos spraga. Darbuotojams reikia ne tik gebėti naudotis naujomis sąsajomis, bet ir suprasti, kaip DI priima sprendimus, kokių ribų jam reikia, kaip vertinti modelio patikimumą ir kaip suvaldyti klaidų riziką. Pramonėje vis labiau vertinamas gebėjimas sujungti patirtį apie procesą su skaitmeniniais įrankiais.

    Reikšminga ir kartų sinergija: vyresni specialistai turi gilią gamybinę patirtį, o jaunesni inžinieriai dažniau atsineša duomenų analizės ir sistemų integravimo įgūdžius. Tokia partnerystė tampa viena realiausių sąlygų, kad DI sprendimai veiktų stabiliai, o ne liktų demonstraciniais projektais. Galiausiai būtent žmonės užtikrina, kad DI būtų įdarbintas kaip pagalbininkas, o ne kaip nevaldomas vertintojas.

    Humanoidai ir „paskutinė mylia“ gamyboje

    Pramonėje vis garsiau kalbama apie humanoidinius robotus, kurie galėtų perimti užduotis, kur klasikinė robotika stringa dėl nuolat besikeičiančios aplinkos. Vienas pavyzdžių yra pakavimas, kai vienoje linijoje gali būti šimtai ar tūkstančiai skirtingų produktų, o pakuotės ir jų paėmimo būdai keičiasi. Tokiose situacijose prisitaikymas tampa svarbesnis už maksimalią tikslumo rekordą.

    Panašiai ir statybose: mūrijimas, tinkavimas ar plytelių klojimas reikalauja sudėtingų judesių, kuriuos standartiniams pramoniniams robotams atkartoti sunku. Humanoidai galėtų palengvinti sveikatą žalojančias užduotis, o ilgainiui būti „apmokomi“ amatininkų, perimant jų judesius. Vis dėlto tai dar sritis, kur realaus masto diegimai priklausys nuo kainos, patikimumo ir saugos standartų.

    DI pramonėje vystosi taip greitai, kad įmonėms vis dažniau tenka diegti sprendimus ne idealiomis sąlygomis, o veikiant spaudimui dėl kaštų ir konkurencijos. Dėl to prioritetu tampa ne vien technologija, bet ir aiškūs procesai, duomenų kokybė, darbuotojų parengimas bei atsakingas DI naudojimas. Priešingu atveju įmonės rizikuoja ne tik atsilikti, bet ir priimti sprendimus, kurių negalės pagrįsti ar suvaldyti.

  • Kinijoje pristatytas pirmasis robo kentauras: keturi ratai, dvi rankos ir 210 kg jėga

    Kinijoje pristatytas pirmasis robo kentauras: keturi ratai, dvi rankos ir 210 kg jėga

    Šanchajuje vykusioje World Artificial Intelligence Conference 2026 pristatytas naujas „Run Robotics“ kūrinys, vadinamas robo kentauru. Gamintojas pabrėžia, kad daugiau kaip 95 proc. pagrindinių komponentų pagaminta Kinijoje, o tai siejama su šalies robotikos grandinių savarankiškumu.

    Nors pavadinimas primena mitinį kentaurą, konstrukcija labiau primena visureigio platformos ir humanoidinės viršutinės dalies hibridą. Apatinė dalis turi keturis ratus, todėl įrenginys greitai įveikia nelygią dangą, griuvėsius ar pramonines aikšteles, kur įprasti inspekciniai robotai dažnai stringa.

    Viršuje įrengtos dvi manipuliatoriaus tipo rankos, skirtos darbui su įranga, kliūčių šalinimui ir užduotims, kurioms reikia tikslaus suėmimo. „Run Robotics“ nurodo, kad robotas taikomas metalurgijos įmonėse, kasyklose, naftos perdirbimo gamyklose, elektrinėse, branduoliniuose objektuose, taip pat gaisrų gesinimo ir gelbėjimo operacijose.

    Standartiškai robo kentauras gali gabenti 100–120 kilogramų krovinį, o maksimalus statinis keliamasis pajėgumas siekia 210 kilogramų. Modulinė platforma leidžia komplektuoti skirtingus įrankius, griebtuvus, precizines robotines plaštakas ar daugiamates jėgos jutiklių sistemas pagal konkrečią užduotį.

    Orientacijai aplinkoje naudojama suvokimo sistema su lidaru, stereovaizdu ir gylio kameromis, teigia gamintojas. Tokia įranga leidžia atpažinti žmones ir kliūtis, identifikuoti vožtuvus, vamzdynus bei matavimo prietaisus, o tuomet savarankiškai suplanuoti maršrutą ir pasiekti darbo vietą nuo aplinkos analizės iki veiksmo atlikimo.

    „Run Robotics“ skelbia, kad automatizuotą gamybos liniją planuoja paleisti 2026 metų ketvirtąjį ketvirtį, o robotas jau sulaukė pirmųjų klientų. WAIC organizatoriai šiemet akcentavo pramoninį DI ir robotikos proveržį, o tokie hibridiniai sprendimai rodo kryptį, kai mobilumas ir manipuliavimas jungiami į vieną platformą pavojingoms, žmogui rizikingoms aplinkoms.

    Ši premjera siejasi su platesne Kinijos robotikos plėtros politika: šalyje spartėja humanoidinių ir keturkojų robotų kūrimas bei jų pritaikymas pramonėje. Tokios sistemos vis dažniau projektuojamos ne vien demonstracijoms, o realioms ūkio užduotims, kur svarbiausi tampa patikimumas, autonomija ir darbas 24 valandas per parą.

  • Pramonė 5.0 keičia kryptį: kodėl žmogus vėl tampa svarbiausias skaitmeninėje gamyboje

    Pramonės 5.0 koncepcija Europoje vis dažniau apibūdinama kaip posūkis nuo vien tik našumo ir automatizavimo prie žmogaus, atsparumo ir tvarumo. Tai nėra dar viena Pramonės 4.0 versija, o bandymas suderinti technologinę pažangą su darbo kokybe, kompetencijomis ir realiu verslo atsparumu krizėms.

    Šią kryptį išryškino diskusijos XVIII Europos ekonomikos kongrese, kur pramonės skaitmeninimo tema buvo siejama ne tik su robotizacija, bet ir su IT ir OT sistemų sujungimu, duomenų kokybe bei kibernetine rizika. Praktikoje tai reiškia, kad moderni gamykla turi veikti kaip vientisa sistema nuo cecho iki planavimo ir tiekimo grandinės.

    Investicijos auga, bet strategijos trūksta

    Diskusijoje pateikti duomenys rodo, kad Lenkijos gamybos įmonės skaitmeninimui skiria apie 30 proc. pelno, o mažesnės įmonės investuoja kiek kukliau nei didžiosios. Tačiau kartu įvardyta problema, kad dalis įmonių skaitmeninimą vis dar vykdo fragmentiškai, be aiškios strategijos ir be bendro architektūrinio plano.

    Tokie „taškiniai“ diegimai dažnai sukuria kelias lygiagrečias iniciatyvas, kurios tarpusavyje nesusikalba. Dėl to didžiausi praradimai atsiranda ten, kur turėtų būti didžiausia grąža: integracijoje tarp verslo valdymo sistemų ir gamybos valdymo, kad duomenys judėtų automatiškai, o sprendimai būtų priimami remiantis realiu laiku.

    IT ir OT integracija bei kibernetinė rizika

    Vienas dažniausiai kartojamų akcentų buvo IT ir OT integracija, nes gamybos įranga, sensoriai ir valdymo sistemos vis labiau jungiami prie įmonės tinklų. Tai didina efektyvumą, bet kartu plečia atakos paviršių, todėl kibernetinis saugumas tampa ne atskiru projektu, o skaitmeninimo prielaida.

    Ekspertai pabrėžė, kad įmonėms kritiškai svarbu saugoti intelektinę nuosavybę ir vidinius duomenis, ypač kai pradedami naudoti DI sprendimai. Praktiniai sprendimai dažnai apima griežtesnes taisykles, kokie įrankiai gali būti naudojami įmonės aplinkoje ir kaip apsaugomi jautrūs duomenys.

    „Pramonė 5.0 yra vystymosi koncepcija, kurioje žmogus vėl tampa gamybos procesų centru, o technologijos padeda kūrybiškumui ir įgūdžiams, o ne juos pakeičia“, – sakė Piotras Szkoda.

    DI, skaitmeniniai dvyniai ir reali grąža

    Pramonės skaitmeninimas vis dažniau siejamas su skaitmeniniu dvyniu, kuris apibrėžiamas kaip nuolat atnaujinamas proceso modelis, veikiantis su realiais duomenimis. Toks modelis leidžia ne tik analizuoti, bet ir testuoti sprendimus, prognozuoti gedimus, optimizuoti energijos naudojimą ar planavimą prieš priimant brangius sprendimus gamyboje.

    Vis dėlto pabrėžta, kad DI vertė atsiranda tik tada, kai įmonė turi tvarkingus duomenis, aiškius procesus ir kompetencijas. Jei duomenys į sistemas suvedami ranka ar skirtingi padaliniai naudoja nesuderintus standartus, DI tampa brangiu eksperimentu, o ne priemone didinti produktyvumą.

    „Skaitmeninis dvynys yra gyvas modelis, kuris valdo procesą ir veikia su realiais duomenimis realiu laiku“, – sakė Ireneuszas Borowskis.

    Diskusijose taip pat iškelta reguliavimo tema, nes Europos Sąjungos teisės aktai, susiję su duomenimis ir DI, įmonėms kelia papildomų klausimų dėl praktinio įgyvendinimo. Verslui ypač svarbu aiškumas, nes neapibrėžtumas didina riziką ir lėtina sprendimus, ypač mažose ir vidutinėse įmonėse.

    Bendra kryptis aiški: Pramonė 5.0 siekia, kad skaitmeninimas būtų ne technologijų demonstracija, o išmatuojama verslo transformacija. Įmonėms, kurios pradeda nuo strategijos, duomenų ir saugumo, o tik tada renkasi įrankius, atsiveria realios galimybės didinti efektyvumą, mažinti nuostolius ir stiprinti konkurencingumą.

  • Chinų robotizacija lenkia Europą: ekspertai įvardijo, kodėl Lenkija pralaimi ir ką daryti

    Europos ekonomikos kongrese Katovicuose verslo lyderiai ir ekonomistai diskutavo, kaip Lenkijos įmonėms augti demografinio spaudimo ir aštrėjančios pasaulinės konkurencijos sąlygomis. Pokalbio ašimi tapo klausimas, kodėl dalis pramonės šakų praranda tempą, kai Kinija sparčiai didina gamybos automatizaciją ir mastą.

    Diskusiją lydėjo pristatytas tyrimas apie Lenkijos įmonių augimo potencialą, kuriame remtasi interviu su 30 vadovų ir verslo organizacijų atstovų. Dalyviai akcentavo tris susijusius veiksnius: darbuotojų trūkumą, santykinai atsargias investicijas į našumą ir lėtą technologijų diegimą.

    Kinijos pranašumas robotizacijoje

    Robotikos sektoriaus atstovas Jakubas Bartoszekas teigė, kad Kinija robotizacijos srityje lenkia ne tik Lenkiją, bet ir visą Europą. Jo vertinimu, skirtumą lemia ne vien technologijų lygis, o viso modelio veikimas: kryptinga pramonės politika, greitesni sprendimai ir didesnis mastas.

    Diskusijoje pabrėžta, kad Kinijos gamintojai dėl didelių apimčių lengviau pasiekia žemesnius kainų slenksčius, o automatizacija ir skaitmeninimas tampa jų konkurencingumo pagrindu. Europoje, anot pašnekovų, procesus apsunkina brangesnė reguliacinė aplinka, suskaidytos rinkos ir lėtesnis sprendimų priėmimas.

    „Kinija laimi ne vien technologijomis, o visu sisteminiu požiūriu: valstybė dideliu mastu remia pramonę, o robotizacija jau daugiau kaip dešimtmetį yra prioritetas“, – sakė Jakubas Bartoszekas.

    Kodėl įmonėms sunku augti?

    Verslo atstovai kaip vieną svarbiausių problemų įvardijo darbo rinką: mažėjant darbingo amžiaus gyventojų skaičiui ir augant darbo kaštams, senas konkuravimo „pigiomis rankomis“ modelis tampa vis mažiau veiksmingas. Tai verčia ieškoti produktyvumo šuolio per automatizaciją, procesų tvarkymą ir duomenų panaudojimą.

    Kartu akcentuota investicijų dilema: daugelis įmonių, ypač gamyboje, linkusios augti organiškai ir finansuotis iš nuosavų lėšų, todėl investicijos į modernizaciją gali būti atidedamos. Dėl to technologijos diegiamos lėčiau, o atotrūkis nuo agresyviai investuojančių konkurentų didėja.

    Trečias dažnai minėtas barjeras yra kompetencijų trūkumas. Vien nusipirkti robotus ar programinę įrangą neužtenka: reikia standartizuotų procesų, kokybiškų duomenų ir specialistų, galinčių sistemas integruoti bei prižiūrėti.

    Plėtra į užsienį ir vietinės stiprybės

    Kalbant apie tarptautinę plėtrą, diskusijos dalyviai akcentavo, kad daugeliui įmonių sėkmė užsienyje prasideda namų rinkoje. Didelė vidaus rinka leidžia išbandyti produktus, sukaupti kapitalą, sustiprinti vadybą ir tik tuomet mažesne rizika žengti į kitas šalis.

    Finansų sektoriaus atstovai taip pat priminė, kad veikla užsienyje beveik visada kainuoja daugiau, nei planuojama: didėja komunikacijos klaidų, kultūrinių skirtumų, logistikos ir valdymo rizikos. Todėl įmonėms rekomenduota turėti finansinę „pagalvę“ ir realistiškai vertinti, kada vidaus rinka jau išnaudota.

    Konkurencijoje su Kinijos gamintojais Vakarų Europoje kaip galimas kelias įvardytas vietinių prekių ženklų stiprinimas. Tokia strategija, anot diskusijos dalyvių, padeda kurti emocinį ryšį su vartotojais ir didinti lojalumą ten, kur vien kaina tampa lemiamu faktoriumi.

    „Jei nori konkuruoti su globaliais žaidėjais, reikia turėti tai, ko jie neturi: regioninį, emocinį ryšį su prekės ženklu“, – sakė Robertas Stobińskis.

    Diskusijoje nuskambėjo ir kritiškas požiūris į paprastus sprendimus, paremtus vien ribojimais ar barjerais importui. Pašnekovai pabrėžė, kad ilgalaikė išeitis yra našumo augimas, investicijos į modernizaciją ir rinkos paklausą stiprinančios priemonės, o ne vien gynybinė politika.

    Statybų sektoriaus atstovai atkreipė dėmesį į ryškėjantį darbuotojų trūkumą ir mažėjantį jaunų specialistų srautą. Kaip realios kryptys įvardytos skaitmeninimas, procesų modernizavimas ir, kai kuriuose segmentuose, darbuotojų pritraukimas iš užsienio, ypač didelės apimties projektuose.

    Galiausiai dalis vadovų akcentavo ir dirbtinio intelekto svarbą procesų automatizavimui, klientų aptarnavimui bei sprendimų priėmimui. Tačiau pabrėžta, kad DI nauda atsiskleidžia tik tada, kai įmonė turi tvarkingus duomenis, aiškias atsakomybes ir geba keisti veiklos modelį, o ne vien įsidiegti pavienes priemones.

  • DI bankuose ir medicinoje jau duoda naudą, bet pramonę stabdo viena kliūtis: pilotai be masto

    DI vertė atsiranda tik „produkcinėje“ fazėje

    DI bankuose, medicinoje, pramonėje ir viešajame sektoriuje vis dažniau tampa kasdieniu įrankiu, tačiau realią grąžą organizacijos pajunta tik tada, kai sprendimai įdiegiami plačiai. Ekspertų teigimu, daug įmonių užstringa bandymų ir pilotinių projektų etape, todėl DI neperkeičia veiklos modelio.

    Diskusijose apie DI praktinį pritaikymą dažnai pabrėžiama, kad problema retai būna technologijų trūkumas ar teisinis reguliavimas. Dažnesnė kliūtis yra organizacinė kultūra, vadovų lūkesčiai ir nenoras peržiūrėti procesų prieš diegiant automatizaciją.

    Didžiausia kliūtis – ne įrankiai, o požiūris

    Konsultavimo bendrovės „Accenture“ atstovai atkreipia dėmesį, kad prieš perkant DI sprendimus būtina įsivertinti, kaip veikia procesai ir kur tiksliai kuriama vertė. Kai DI įsigyjamas tikintis, kad jis „įsidiegs pats“, dažnai pritrūksta aiškių tikslų, duomenų parengimo ir atsakomybių.

    „Įmonės nusiperka įrankius ir tikisi, kad jie patys bus įdiegti, o žmonės pradės jais naudotis ir vėliau praneš, kiek tapo efektyvesni“, – sakė Dawidas Osiecki.

    „Google“ viešosios politikos vadovas regione Marcin Krasuski taip pat akcentuoja, kad DI diegimo tempą neretai riboja baimė suklysti ir nepasitikėjimas technologija. Pasak jo, verta pradėti nuo vieno aiškaus proceso ir mažos komandos, bet nuo pat pradžių numatyti kelią į mastą, o ne vien tik demonstraciją.

    „Skaičiai, rodantys atsilikimą diegiant debesiją ar DI, slepia paprastą tiesą: barjerai dažniausiai yra mentaliniai, o ne teisiniai“, – sakė Marcin Krasuski.

    Bankai ir sveikatos sektorius rodo apčiuopiamą naudą

    Finansų sektorius DI diegimą jau perkelia iš eksperimentų į skalę, nes čia aiškiai apibrėžti procesai, gausūs duomenys ir griežti rizikų valdymo standartai. Bankuose DI pradėtas taikyti kreditų rizikos vertinimui, sukčiavimo ir pinigų plovimo prevencijai, o šiandien vis dažniau naudojamas klientų užklausų analizei bei atsakymų juodraščių parengimui.

    „Bankas yra viešojo pasitikėjimo institucija, todėl DI modeliai turi būti validuojami, periodiškai peržiūrimi ir atitikti visus reguliacinius reikalavimus“, – sakė Alicja Żyła.

    Sveikatos apsaugoje ir klinikiniuose tyrimuose DI potencialas vertinamas kaip galintis sumažinti kaštus, pagreitinti tam tikrus etapus ir tiksliau parinkti tyrimų kryptis. Vis dėlto pabrėžiama, kad medicinoje klaidos tolerancija yra itin maža, todėl DI sprendimai turi būti integruoti taip, kad galimos modelių klaidos nepaveiktų galutinio sprendimo be žmogaus patikros.

    „Medicinoje ir klinikiniuose tyrimuose klaidos riba yra nulinė, todėl galutinėje grandyje sprendimą vis tiek priima žmogus“, – sakė Bartłomiej Kopacz.

    Pramonėje DI svarba didėja ir dėl darbo jėgos trūkumo: automatizacija padeda ten, kur darbas pavojingas, monotoniškas ar fiziškai sunkus. Praktiniai scenarijai apima vaizdo analizę, anomalijų aptikimą, kokybės kontrolę ir robotizuotų darbo vietų diegimą sudėtingomis sąlygomis.

    Viešajame sektoriuje DI potencialas siejamas su dokumentų apdorojimu, aptarnavimo greičiu ir vidaus procesų optimizavimu, tačiau čia ypač svarbūs duomenų apsaugos, skaidrumo ir atsekamumo principai. Be to, organizacijoms tenka investuoti į darbuotojų kompetencijas, kad DI būtų naudojamas atsakingai, o ne formaliai.

    Vienas ryškiausių bendrų vardiklių skirtinguose sektoriuose yra poreikis pereiti nuo pavienių bandymų prie nuoseklios programos: procesų inventorizacijos, duomenų parengimo, rizikų vertinimo, KPI nustatymo ir aiškaus valdymo modelio. Tik tuomet DI tampa ne „gražiu pilotu“, o įrankiu, keičiančiu produktyvumą ir paslaugų kokybę.