Die Revolution der künstlichen Intelligenz kommt nicht, sie ist bereits da und erfordert, dass Unternehmen Geschäftsprozesse überdenken, um die Kraft der künstlichen Intelligenz (KI) zu maximieren und die menschlichen Fähigkeiten zu erweitern.
Jeder, der sich für moderne Technologien interessiert, hört Digitalisierung, Big Data und das Eindringen künstlicher Intelligenz in verschiedene Bereiche unseres Lebens und Arbeitens. Es ist kein Geheimnis, dass das Leben der KI langsam um uns herum entstanden ist: in unseren Taschen, Taschen, Autos und Häusern, in denen unsere Geräte und verschiedene elektronische Assistenten "leben". Laut führenden Experten auf dem Gebiet der künstlichen Intelligenz erleben diese Technologien jetzt eine dritte Welle, sie sind endlich aus den Forschungslabors entkommen und werden schnell zu einem "Schlüsselelement der Geschäftstransformation" [1].
In meiner Veröffentlichung möchte ich die Erfahrungen aus der Industrialisierung eines AI-basierten Projekts teilen und meiner Meinung nach fünf wesentliche Voraussetzungen für dessen erfolgreiche Umsetzung formulieren.
1. Ein Team mit einer gemeinsamen Denkweise
In den ersten Phasen des Projekts, wenn Forschungsarbeiten stattfinden, sollten die Untersuchung der verfügbaren Daten, die Vertrautheit mit dem technologischen Prozess, die Generierung von Ideen und Hypothesen, Unternehmensvertreter und Entwickler ein einziges Team mit einem gemeinsamen Verständnis der Ziele und Aufgaben bilden gelöst werden. In den ersten Phasen des Projekts ist es wichtig, dass es für das vereinte Team zu seinem eigenen wird, damit jeder seiner Teilnehmer die Verantwortung für sein Handeln und das Gesamtergebnis vollständig versteht und teilt.
Wie die Praxis der Umsetzung von Projekten in der metallurgischen Industrie zeigt, sind Teams mit Spezialisten aus verwandten Abteilungen des Unternehmens am produktivsten: Produktionsmitarbeiter, Technologen, Ökonomen, IT- und Datenspezialisten. Es ist absolut sicher, dass die Entwicklung eines Projekts ohne Mitarbeiter, die den digitalen Dienst direkt nutzen, nicht möglich ist: Sie sollten anschließend „Product Owner“ werden.
Ansonsten stellt sich heraus, dass Unternehmensmanager und Technologen, deren direkte Verantwortung darin besteht, die Effizienz von Produktionsprozessen zu verbessern, die Einführung digitaler Dienste als Mittel zur Erreichung ihrer Ziele betrachten und in solchen Initiativen hoch motiviert sind. Und die Ausbeutungsseite, Menschen, die direkt mit ihren eigenen Händen in der Produktion arbeiten, behandelt dies als Auferlegung zusätzlicher Kontrollen oder zusätzliche Komplikation der bereits bekannten und gut etablierten Produktionsprozesse. Zum Beispiel haben das Entwicklungsteam, die Betriebsseite und die Technologen gemeinsam eine Reihe von Hypothesen entwickelt und sogar Experimente durchgeführt, die ihre Zuverlässigkeit bestätigten. Es kann sich jedoch herausstellen, dass ihre technische Implementierung aufgrund des Fehlens der erforderlichen Daten oder nicht möglich ist Signalquellen.
So beschreiben sie ihren Ansatz zur Implementierung digitaler Lösungen in einem der größten Industrieunternehmen in Russland. Die Arbeit der Teams begann mit der Tatsache, dass die Produktionsmitarbeiter gebeten wurden, ihre Probleme und Wünsche zu identifizieren: Wer hat was "schmerzt", wer braucht was für ihre eigenen Pläne. Alle Mitarbeiter haben Ziele, die mit unserer Strategie verbunden sind. Zum Beispiel verstehen wir, wie ein bestimmtes Walzwerk in fünf Jahren arbeiten sollte, wie die Qualität der Produkte, der Rohstoffverbrauch, Ausfallzeiten usw. sein sollten, damit die Strategie in diesem Bereich umgesetzt werden kann. Und jedes Team, das mit einer bestimmten Einheit arbeitet, weiß, welche Ergebnisse es erzielen sollte. Natürlich ist es nicht einfach, diese Ziele zu erreichen, oder alle Unternehmen wären gleichermaßen effektiv und profitabel. Daher reagiert das Produktionspersonal bereitwillig.wenn ihm Hilfe bei der Lösung spezifischer Probleme angeboten wird.
Die Teams diskutieren, in welchen problematischen oder potenziellen Bereichen digitale Tools helfen können, und formulieren Hypothesen, wie dies getan werden kann.
2. Übergang zu einer neuen Kultur von Technologie- und Geschäftsprozessen
Im Verlauf einer Reihe von Studien in den letzten Jahren haben Wissenschaftler festgestellt, dass „Menschen, wenn sie denselben Fehler bei Vorhersagen machen, eher aufhören, einem Algorithmus zu vertrauen als einer Person“ [1].
Ja, Menschen neigen dazu, ihrer eigenen Art mehr zu vertrauen, weil sie wissen, wie wir arbeiten, weil sie die Logik des gegenseitigen Verhaltens grob verstehen und sich leicht vorstellen können, anstelle einer anderen Person die Situation zu projizieren.
Als First Line- und Middle Manager gefragt wurden, was sie motivieren würde, den Ratschlägen des Systems zu vertrauen, entschieden sich 60 Prozent für die Option „Ein klares Verständnis der Funktionsweise des Systems und der Generierung von Ratschlägen“, 55 Prozent für „System mit einer nachgewiesenen Spur“ record “und 49 -„ Ein System, das seine Logik erklärt “[2].
Unternehmen, die einen Kurs in Richtung Digitalisierung belegen und durch die Einführung von KI-Systemen eine neue Ebene des Aufbaus von Technologie- und Geschäftsprozessen erreichen, stehen vor der schwierigen Führungsaufgabe, eine Unternehmenskultur zu bilden, die zum Verständnis der Ziele, Phasen und Methoden ihrer Systeme beiträgt Design und Implementierung. Das Erreichen dieses Ziels ist nicht einfach, da viele Menschen, insbesondere diejenigen, die direkt mit der KI interagieren müssen, häufig befürchten, dass Maschinen irgendwann ihren Platz einnehmen und ohne ihr eigenes Handwerk unnötig werden.
Im Arbeitsumfeld muss ein Verständnis dafür geschaffen werden, dass künstliche Intelligenz nicht durch einzelne Aufgaben abgelenkt werden kann und nicht darauf abzielt, Mitarbeiter zu ersetzen, sondern ihre Fähigkeiten zu erweitern, Funktionen auf eine neue Ebene zu übertragen, ihre Arbeit zu erleichtern und die Arbeit zu erleichtern Fähigkeit, sich nicht auf Routineverfahren zu konzentrieren, sondern auf Dinge, die wirklich menschliche Intelligenz benötigen.
Das Entwicklungsteam muss seinerseits die Sprache der Branche beherrschen und so tief wie möglich in die Produktion und die technologischen Prozesse eintauchen.
Es ist äußerst wichtig, dass Menschen, die KI direkt einsetzen, die Grundprinzipien ihrer Struktur und ihres Verhaltens verstehen, Anpassungen an den Ergebnissen ihrer Arbeit vornehmen und sich als aktive Teilnehmer an der Entwicklung fühlen können, damit sie ein Gefühl der Transparenz und Kontrolle haben das System. Im Idealfall sollten KI-Systeme natürlich so konzipiert sein, dass sie ihre Entscheidungen erklären und den Menschen helfen, bei Entscheidungen eine gewisse Autonomie zu bewahren.
3. Experimentieren mit KI
In unserer Praxis kam es mehrmals vor, dass die Produktionsteams, die mit unserem Service zusammenarbeiteten, den Empfehlungen nicht folgten oder versuchten, ihn zu "betrügen", weil sie Angst hatten, von ihren Vorgesetzten eine Schelte wegen einer möglichen Verringerung der Indikatoren für die Produktionseffizienz zu erhalten und zu erhöhen Produktionskosten (zum Beispiel erhöhter Stromverbrauch).
In den Phasen des heißen Testens des KI-Systems ist es wichtig, die vertrauensvollste Umgebung innerhalb des vereinten Teams zu schaffen. Es ist wichtig, den Experimentatoren klar zu machen, dass ein negatives Ergebnis auch ein Ergebnis ist und manchmal sogar wertvoller als eine positive. Hier muss man so ehrlich wie möglich sein und den wahren Zustand nicht verbergen. Irgendwo ist dies vergleichbar mit einem Termin beim Arzt. Der Patient hat nicht immer den Wunsch, über alle seine Symptome und gesundheitlichen Anomalien zu sprechen, er versteckt einige, und in der Folge wird die Behandlung viel länger, teurer und komplizierter.
Der Trick besteht darin, ein „kleines Startup“ zu werden und zu lernen, wie man schnell mit der Digitalisierung im Startup-Stil experimentiert. Ihre übliche Regel lautet: "Wenn es funktioniert, machen wir weiter, wenn nicht, versuchen Sie es mit einer neuen Idee." Jedes dieser Startups ist ein mehrstufiger Prozess, bei dem eine Hypothese von Geburt an durch Überprüfung und Umwandlung in eine funktionierende Lösung ausgearbeitet und entwickelt wird, bis ein Geschäftseffekt erzielt wird. Darüber hinaus müssen Mitarbeiter, die sich mit einer Hypothese befassen, diese von Anfang bis Ende begleiten [2].
Die Hauptmetrik für die Entwicklung der Hypothese sollte der Geschäftseffekt sein, für den es wichtig ist, zu Beginn des Projekts ein Berechnungsmodell zu erstellen, während dieses Modell bei jedem Schritt aktualisiert wird. Anfänglich offensichtliche Wirkungsquellen für eine Hypothese mögen sich als nicht vielversprechend herausstellen, aber im Verlauf der Implementierung können neue Ideen auftauchen, und das Ergebnis wird aufgrund dieser erzielt.
4. Die Bedeutung einer optimierten und vollständigen Datenlieferung
Zunächst ist zu beachten, dass die Datenqualität in Systemen mit künstlicher Intelligenz eine entscheidende Rolle spielt. Daten sind im Wesentlichen der Treibstoff für künstliche Intelligenz. Die meiste Zeit und Mühe wird für das Sammeln und Studieren eines angemessenen Datensatzes für die Bildung und Prüfung von Hypothesen aufgewendet. Die Erfahrung zeigt, dass etwa 80 Prozent der Zeit, die für die Implementierung von KI-Initiativen benötigt wird, die Datenextraktion, -bereitstellung und -vorverarbeitung, die Erstellung von Features und nicht die Kompilierung der Algorithmen selbst ist. Dem Geschäftskunden muss erklärt werden, wie wichtig es ist, einen qualitativ hochwertigen Datensatz zusammenzustellen, und warum die Erstellung so viel Zeit in Anspruch nimmt.
Nach unserer Erfahrung wird es in der Anfangsphase des Projekts überhaupt keine Daten geben oder ihr Volumen wird sowohl in Bezug auf die Speichertiefe als auch in Bezug auf die Diskretion begrenzt sein, sie werden eine große Anzahl von Lücken und ein insgesamt niedriges Qualitätsniveau aufweisen. Und Sie müssen damit arbeiten: Finden Sie heraus, wie Sie Modelle erstellen, die mit unvollständigen Daten arbeiten, und wie Sie Modelle mit geringer Qualität optimal interpretieren können.
In unserer Praxis gab es auch Fälle, in denen Technologen oder Produktionsmitarbeiter uns von der Nutzlosigkeit einer Reihe von technologischen Daten überzeugten, die nach ihrer Meinung und Erfahrung die Bildung einer Bewertung oder Empfehlung eines KI-Systems in keiner Weise beeinflussen können. In der Praxis stellte sich jedoch heraus, dass es diese auf den ersten Blick nicht zielgerichteten Daten waren, die der KI halfen, die subtilste Abhängigkeit des technologischen Prozesses zu erfassen, und dass die Vorhersagekraft des Modells genau aufgrund dieser Daten zunahm .
Daher ist es von Anfang an wichtig, eine vollwertige Plattform für die reibungslose und unterbrechungsfreie Bereitstellung von Daten vorzubereiten. Sie müssen umfangreich, vielfältig, von hoher Qualität und nützlich sein. Anstatt Ketten für die Bereitstellung einzelner Daten zu erstellen, um eine bestimmte Hypothese zu testen, sollten Sie jedoch einen Prozess einrichten, mit dem Sie den erforderlichen Datensatz schnell konfigurieren können und über ein ausreichendes Potenzial verfügen, um die Menge der gelieferten Informationen zu erhöhen.
5. Langstreckenrennen
Für russische Unternehmen ist das Konzept der digitalen Transformation mit der Einführung von maschinellem Lernen, Big-Data-Analyse, künstlicher Intelligenz, Robotisierung und Augmented Reality verbunden. Experten zufolge wird der größte Erfolg in dieser Richtung von jenen Unternehmen erzielt, die dies nicht als eine Reihe separater Initiativen betrachten, sondern als ein umfassendes Digitalisierungsprogramm, das eine ganze Reihe miteinander verbundener Prozesse und Veränderungen im Unternehmen betrifft.
KI-Projekte sollten wie jede Innovation als Risikogeschäft angesehen werden. Nicht alle Projekte werden sich auszahlen, noch weniger werden greifbare Vorteile bringen, aber mehrere Projekte werden Renditen bringen, die alle Kosten um ein Vielfaches decken.
Infolgedessen ist es notwendig, ein frühzeitiges Aussortieren scheinbar utopischer Konzepte zu vermeiden. Die Flucht eines Menschen in den Weltraum sah auch lange Zeit wie eine klassische Utopie aus, sie wurde auf wissenschaftlicher Ebene als unmöglich abgelehnt.
Fazit
Künstliche Intelligenz dringt heute schnell in die meisten Bereiche der Industrie und Wirtschaft ein. Die neue Realität der Mensch-Maschine-Interaktion erfordert ein Überdenken zuvor etablierter Technologie- und Geschäftsprozesse. Die digitale Explosion hat bereits stattgefunden und das digitale Universum expandiert jetzt. Diejenigen, die die physikalischen Gesetze der neuen Welt verstehen, der Peripherie der gegenwärtigen digitalen Front folgen, keine Angst haben werden, zu experimentieren und neue Technologien einzuführen, und sich auf ein neues qualitatives Effizienzniveau von Geschäftsprozessen in ihrem Tätigkeitsbereich begeben werden .
Literatur
- +. / , ; . . , ; [. . . , . , . , . ]. – .: , , 2019. – 304 .
- .0. / : . . – .: «», 2019.-320 .