A mesterséges intelligencia nem mindig a legjobb választás

Az Egyesült Államok Kereskedelmi Minisztériumának 2016-os, 80 amerikai gyártó és eladó körében végzett felmérése szerint az intelligens gyártás 57 milliárd dollár éves költségcsökkentést eredményezne. Ez a termelés üzemi költségeinek körülbelül 3,2 százalékos csökkenését jelentené.

Az intelligens gyártás azonban nagymértékben függ az információirányítástól: a teljesítményinformációk gyűjtésére, áramlására és elemzésére vonatkozó szabályoktól, leggyakrabban digitális formában.

Ha az Ön vállalata még nem jó ezekben a dolgokban - ha még nem érdeklődik a technológia iránt, ha nem hatékony adatgyűjtés és nincs tisztában az adatok döntéshozatalával és problémamegoldásával -, akkor nem lesz hirtelen jó ezekben a dolgokban a mesterséges intelligencia telepítésével.

Másrészt, azok a cégek, amelyeknél jelenleg a teljesítménymérések használata csupán a munkavállalók ellenőrzésére és „felelősségre vonására” szolgál, szintén nehézségekbe ütköznek a mesterséges intelligencia hatékony bevezetésével. Ezek a vállalatok a mesterséges intelligenciát egyszerűen arra fogják használni, hogy még gyorsabban neheztelést és félelmet keltsenek a munkavállalókban, mint korábban. Sajnálatos módon az egyes felhasználói ezt a használási módot a technológia megfelelő alkalmazásának tekintik.

Ha a mesterséges intelligenciát a „javítsuk meg a hibát” szemlélet erősítésére használják, az minden esetben kudarcot vall.

Érdekes esettanulmány

Néhány évvel ezelőtt Brandon egy nagy megmunkáló üzemet vezetett, amely kritikus nyomásszabályozó berendezéseket gyártott. A vállalat nagy beruházást hajtott végre olyan technológiába, amely a működési hatékonyság hiányának megszüntetését ígérte, és amelyet a jelenlegi rendszerekkel való könnyű integrációként reklámoztak.

Brandont aggasztotta, hogy csapata éppen csak elkezdte használni az adatokat az üzem működésének jobb megértéséhez és a problémák megoldásához. Az alapvető adatelemzési eszközöket nem ismerték jól, és kevesen használták őket. A szoftvergyártó kész megoldást ígért ezekre a kihívásokra. A hardverre megírták a számlát, a használatára vonatkozó előfizetési szolgáltatásokra megállapodást kötöttek, és amint a vállalat mindent csatlakoztatott és bekapcsolt, a gyár egy kulcsfordítással átugrott az 1990-es évekbeli gépműhelyből a modern századba.

A valóság azonban messze állt ettől.

Mivel a helyes adatgyűjtés és elemzés nem valósult meg, nem létezett fegyelmezett megközelítés a hivatalos rendszerirányítás és a problémamegoldás terén. Amikor a rendszer bekapcsolódott, az üzemben piros, sárga és zöld színben villogó műszerfalakat láthattak, amelyeknek a kezelők számára kevés értelme volt. Az üzemeltetők egyre frusztráltabbak lettek a szoftver által generált folyamatos téves riasztások miatt, amelyek a gépbe táplált rossz információknak voltak köszönhetőek.

Idővel mindenki egyszerűen felhagyott az új technológia használatával. A rendszer képernyői egytől egyig „kikapcsolt” állapotba kerültek, majd végül leállították őket, és kartondobozokba pakolták, ahonnan a raktár valamelyik távoli pontjára szállították őket, hogy egy sikertelen projekt poros emlékműveivé váljanak.

Az mesterséges intelligencia egy erős problémamegoldó struktúrában működik a legjobban

Ironikus módon azok a vállalatok, amelyeknek látszólag a legkevésbé van szükségük a mesterséges intelligenciára, valószínűleg a legjobb helyzetben vannak ahhoz, hogy kihasználják annak előnyeit, mivel már most is nagyon jók a problémák azonosításában és kezelésében.

Ahogy Brandon története is mutatja, rengeteg olyan mesterséges intelligencia alapú technológiával foglalkoó szolgáltaó lesz, aki azt fogja mondani az olyan vállalatoknak, mint Brandoné, hogy az ő „plug and play” technológiájuk le fogja küzdeni a strukturális hiányosságokat. Tévednek. Mielőtt befektetne a mesterséges intelligenciába, be kell fektetnie egy erős problémamegoldó csapat kialakításába – írja az Industry Week.