Revolusi kecerdasan buatan tidak akan datang, itu sudah ada di sini dan mengharuskan perusahaan untuk memikirkan kembali proses bisnis untuk memaksimalkan kekuatan kecerdasan buatan (AI) untuk memperluas kemampuan manusia.
Jadi, setiap orang yang tertarik dengan teknologi modern mendengar digitalisasi, data besar, dan penetrasi kecerdasan buatan ke berbagai bidang kehidupan dan pekerjaan kita. Bukan rahasia lagi bahwa kehidupan AI perlahan-lahan muncul di sekitar kita: di saku, tas, mobil, dan rumah kita, tempat gadget dan berbagai asisten elektronik "hidup". Menurut para ahli terkemuka di bidang kecerdasan buatan, teknologi ini sekarang mengalami gelombang ketiga, mereka akhirnya lolos dari laboratorium penelitian dan dengan cepat menjadi "elemen kunci transformasi bisnis" [1].
Dalam publikasi saya, saya ingin berbagi pengalaman yang diperoleh dalam industrialisasi proyek berbasis AI dan merumuskan lima, menurut pendapat saya, kondisi penting dan vital untuk keberhasilan penerapannya.
1. Satu tim dengan pola pikir yang sama
Pada tahap pertama proyek, ketika pekerjaan penelitian berlangsung, studi tentang data yang tersedia, keakraban dengan proses teknologi, generasi ide dan hipotesis, perwakilan bisnis dan pengembang harus menjadi satu tim dengan pemahaman yang sama tentang tujuan dan tugas. untuk dipecahkan. Hal ini penting pada tahap awal proyek yang menjadi milik tim bersatu, sehingga masing-masing pesertanya memahami sepenuhnya dan berbagi tanggung jawab atas tindakan mereka dan hasil keseluruhan.
Seperti yang ditunjukkan oleh praktik penerapan proyek di industri metalurgi, yang paling produktif adalah tim yang mencakup spesialis dari departemen terkait perusahaan: pekerja produksi, ahli teknologi, ekonom, spesialis IT dan data. Sangat pasti bahwa pengembangan proyek tidak mungkin terjadi tanpa karyawan yang akan langsung menggunakan layanan digital: mereka kemudian harus menjadi "pemilik produk".
Jika tidak, ternyata manajer perusahaan dan ahli teknologi, yang tanggung jawab langsungnya adalah meningkatkan efisiensi proses produksi, menganggap pengenalan layanan digital sebagai sarana untuk mencapai tujuan mereka dan sangat termotivasi dalam inisiatif semacam itu. Dan sisi eksploitasi, orang-orang yang bekerja langsung dalam produksi dengan tangan mereka sendiri, memperlakukan ini sebagai penerapan kontrol tambahan atau komplikasi tambahan dari proses produksi yang sudah dikenal dan mapan. Atau, misalnya, tim pengembangan, sisi operasi, dan ahli teknologi bersama-sama mengembangkan serangkaian hipotesis dan bahkan melakukan eksperimen yang memastikan keandalannya, tetapi mungkin ternyata penerapan teknisnya tidak mungkin karena kurangnya data yang diperlukan atau sumber sinyal.
Beginilah cara mereka menggambarkan pendekatan mereka terhadap implementasi solusi digital di salah satu perusahaan industri terbesar di Rusia. Pekerjaan tim dimulai dengan fakta bahwa para pekerja produksi diminta untuk mengidentifikasi masalah dan keinginan mereka: siapa yang memiliki apa yang "menyakitkan", siapa yang membutuhkan apa untuk rencana mereka sendiri. Semua karyawan memiliki tujuan yang terkait dengan strategi kami. Misalnya, kami memahami bagaimana rolling mill tertentu harus beroperasi dalam lima tahun, bagaimana kualitas produk, konsumsi bahan baku, waktu henti, dll., Agar strategi di bidang ini dapat diterapkan. Dan setiap tim yang bekerja dengan unit tertentu tahu hasil apa yang harus dicapai. Tentu saja, mencapai target tersebut tidaklah mudah, atau semua perusahaan akan sama efektif dan menguntungkannya. Oleh karena itu, staf produksi dengan sigap merespon,jika dia ditawari bantuan untuk memecahkan masalah tertentu.
Tim berdiskusi tentang area bermasalah atau berpotensi tinggi yang dapat dibantu oleh alat digital, merumuskan hipotesis tentang bagaimana hal ini dapat dilakukan.
2. Transisi ke budaya baru proses teknologi dan bisnis
Dalam perjalanan sejumlah penelitian dalam beberapa tahun terakhir, para ilmuwan telah menemukan bahwa "ketika membuat kesalahan yang sama dalam prediksi, orang lebih cenderung berhenti mempercayai suatu algoritme daripada seseorang" [1].
Ya, orang cenderung lebih mempercayai jenis mereka sendiri, karena mereka tahu cara kita bekerja, karena mereka secara kasar memahami logika perilaku satu sama lain dan dapat dengan mudah membayangkan diri mereka sendiri menggantikan orang lain, memproyeksikan situasi.
Ketika manajer lini pertama dan menengah ditanya apa yang akan memotivasi mereka untuk memercayai saran sistem, 60 persen memilih opsi "Pemahaman yang jelas tentang bagaimana sistem bekerja dan bagaimana sistem menghasilkan saran", 55 persen - "Sistem dengan jalur yang terbukti record ”, dan 49 -“ Sebuah sistem yang menjelaskan logikanya ”[2].
Perusahaan yang mengambil kursus menuju digitalisasi dan bergerak ke tingkat baru membangun proses teknologi dan bisnis melalui pengenalan sistem AI dihadapkan pada tugas kepemimpinan yang sulit untuk membentuk budaya perusahaan yang berkontribusi untuk memahami tujuan, tahapan, metode mereka. desain dan implementasi. Untuk mencapai tujuan ini tidaklah mudah, karena banyak orang, terutama mereka yang harus berinteraksi langsung dengan AI, sering khawatir bahwa mesin pada akhirnya akan menggantikan tempatnya, dan mereka tidak akan diperlukan tanpa keahlian mereka sendiri.
Di lingkungan kerja, perlu untuk membentuk pemahaman bahwa kecerdasan buatan tidak akan terganggu oleh tugas individu dan ditujukan bukan untuk menggantikan karyawan, tetapi untuk memperluas kemampuan mereka, mentransfer fungsionalitas ke tingkat yang baru, memfasilitasi pekerjaan mereka dan kemampuan untuk memusatkan perhatian bukan pada prosedur rutin, tetapi pada hal-hal yang sangat membutuhkan kecerdasan manusia.
Tim pengembangan, pada bagiannya, harus menguasai bahasa industri, membenamkan diri sedalam mungkin ke dalam proses produksi dan teknologi.
Sangat penting bagi orang-orang yang akan secara langsung menggunakan AI untuk memahami prinsip-prinsip dasar struktur dan perilakunya, dapat melakukan penyesuaian pada hasil kerjanya dan merasa seperti peserta aktif dalam pengembangan, sehingga mereka memiliki rasa transparansi dan kendali atas AI. sistem. Idealnya, tentu saja, sistem AI harus dirancang sedemikian rupa sehingga dapat menjelaskan keputusan mereka dan membantu orang mempertahankan otonomi dalam membuat keputusan.
3. Bereksperimen dengan AI
Beberapa kali dalam praktek kami, kebetulan tim produksi yang bekerja dengan service kami tidak mengikuti rekomendasinya atau mencoba “menipu” dia karena takut mendapat teguran dari atasannya atas kemungkinan penurunan indikator efisiensi produksi dan peningkatan biaya produksi (misalnya, peningkatan konsumsi daya).
Pada tahap pengujian panas sistem AI, penting untuk menciptakan lingkungan yang paling tepercaya dalam tim yang bersatu, penting untuk menjelaskan kepada para peneliti bahwa hasil negatif juga merupakan hasil dan terkadang hasilnya genap. lebih berharga daripada yang positif. Di sini Anda harus sejujur mungkin dan tidak menyembunyikan keadaan sebenarnya. Di suatu tempat ini sebanding dengan janji dengan dokter. Pasien tidak selalu memiliki keinginan untuk membicarakan semua gejala dan kelainan kesehatannya, ia menyembunyikan sebagian, dan selanjutnya pengobatan menjadi lebih lama, lebih mahal dan rumit.
Triknya adalah menjadi "sedikit startup" dan mempelajari cara cepat bereksperimen dengan digitalisasi gaya startup. Aturan biasa mereka adalah: "Jika berhasil, kami lanjutkan, jika tidak, coba ide baru." Setiap startup semacam itu adalah proses multi-tahap untuk mengerjakan dan mengembangkan hipotesis sejak lahir, melalui verifikasi dan transformasi menjadi solusi yang berfungsi, hingga efek bisnis diperoleh. Selain itu, karyawan yang terlibat dalam satu hipotesis harus menyertainya dari awal hingga akhir [2].
Metrik utama untuk pengembangan hipotesis haruslah pengaruh bisnis, yang karenanya penting untuk membangun model kalkulasi di awal proyek, sementara pada setiap langkah model ini diperbarui. Sumber efek yang awalnya jelas untuk suatu hipotesis mungkin berubah menjadi tidak menjanjikan, tetapi dalam pelaksanaannya, ide-ide baru mungkin muncul, dan hasilnya akan tercapai karenanya.
4. Pentingnya penyampaian data yang efisien dan lengkap
Pertama-tama, perlu dicatat bahwa kualitas data memainkan peran penting dalam sistem kecerdasan buatan. Pada dasarnya, data adalah bahan bakar untuk kecerdasan buatan. Sebagian besar waktu dan upaya dihabiskan untuk mengumpulkan dan mempelajari kumpulan data yang memadai untuk pembentukan dan pengujian hipotesis. Pengalaman mengatakan bahwa sekitar 80 persen waktu yang dibutuhkan untuk mengimplementasikan inisiatif AI adalah ekstraksi data, pengiriman dan pemrosesan awal, konstruksi fitur, dan bukan kompilasi algoritme itu sendiri. Penting untuk menjelaskan kepada pelanggan bisnis betapa pentingnya mengumpulkan kumpulan data berkualitas tinggi dan mengapa dibutuhkan begitu banyak waktu untuk membuatnya.
Berdasarkan pengalaman kami, pada tahap awal proyek, tidak akan ada data sama sekali atau volumenya akan dibatasi baik dalam hal kedalaman penyimpanan dan keleluasaan, mereka akan memiliki sejumlah besar celah dan keseluruhan tingkat kualitas yang rendah. Dan Anda harus bekerja dengan ini: mencari tahu cara membangun model yang beroperasi dengan data yang tidak lengkap, cara menginterpretasikan model berkualitas rendah secara optimal.
Dalam praktik kami, ada juga kasus ketika teknolog atau pekerja produksi meyakinkan kami tentang tidak bergunanya sejumlah data teknologi, yang, menurut pendapat dan pengalaman mereka, tidak dapat dengan cara apa pun memengaruhi pembentukan penilaian atau rekomendasi sistem AI. Namun, dalam praktiknya, ternyata, pada pandangan pertama, data non-target inilah yang membantu AI menangkap ketergantungan paling halus dari proses teknologi, dan kekuatan prediktif model meningkat justru karena itu. .
Oleh karena itu, penting sejak awal proyek mempersiapkan platform yang lengkap untuk pengiriman data yang lancar dan tidak terputus, data harus ekstensif, beragam, berkualitas tinggi dan berguna. Alih-alih membangun rantai untuk pengiriman data individu untuk menguji hipotesis tertentu, tetapi membuat proses yang akan membantu Anda dengan cepat mengonfigurasi kumpulan data yang diperlukan dan memiliki potensi yang cukup untuk meningkatkan jumlah informasi yang dikirimkan.
5. Balapan jarak jauh
Untuk perusahaan Rusia, konsep transformasi digital dikaitkan dengan pengenalan pembelajaran mesin, analitik data besar, kecerdasan buatan, robotisasi, dan augmented reality. Menurut para ahli, keberhasilan terbesar ke arah ini dicapai oleh perusahaan-perusahaan yang menganggapnya bukan sebagai serangkaian inisiatif terpisah, tetapi sebagai program digitalisasi komprehensif yang memengaruhi seluruh rangkaian proses dan perubahan yang saling terkait di perusahaan.
Proyek AI, seperti inovasi apa pun, harus dipandang sebagai bisnis ventura. Tidak semua proyek akan membuahkan hasil, bahkan lebih sedikit akan membawa manfaat yang nyata, tetapi beberapa proyek akan mendatangkan keuntungan yang akan menutupi semua biaya berkali-kali lipat.
Akibatnya, perlu untuk menghindari penyiangan dini dari konsep yang tampaknya utopis. Pelarian manusia ke luar angkasa juga tampak seperti utopia klasik untuk waktu yang cukup lama, ditolak sebagai tidak mungkin di tingkat sains.
Kesimpulan
Saat ini, kecerdasan buatan dengan cepat menembus sebagian besar bidang industri dan bisnis. Realitas baru interaksi manusia-mesin membutuhkan pemikiran ulang dari proses teknologi dan bisnis yang telah mapan sebelumnya. Ledakan digital telah terjadi dan jagad digital berkembang sekarang. Mereka yang dapat memahami hukum fisik dunia baru, mengikuti pinggiran front digital saat ini, tidak akan takut untuk bereksperimen dan memperkenalkan teknologi baru, dan akan beralih ke tingkat efisiensi kualitatif baru dari proses bisnis di bidang aktivitas mereka. .
literatur
- +. / , ; . . , ; [. . . , . , . , . ]. – .: , , 2019. – 304 .
- .0. / : . . – .: «», 2019.-320 .