AI priekšrocību izskaidrošana

 

Kāpēc caurspīdīgums, integrācija un uzticēšanās kļūst par noteicošo loģistikas tehnoloģijā? Pīters Makleods runā ar ekspertu.

Šī gada LogiMAT, ja būtu kāda tēma, kas skaidrāk nekā lielākā daļa trokšņa cauri, tas būtu ātrums. Ne tikai darbības ātrums, bet arī ieviešanas ātrums, inovāciju ātrums un galu galā lielais: ieguldījumu atdeves ātrums. Attiecībā uz Inform Software šī diskusija arvien vairāk noved pie plašāka jautājuma: kā loģistikas organizācijas var pieņemt viedākas sistēmas, nezaudējot caurspīdīgumu, kontroli vai uzticību?

 

Uzrunājot mani rosīgajā Štutgartes izstādē, Inform SVP inventarizācijas un piegādes ķēdē Dr. Bernds Heinrihs izklāstīja, kā uzņēmums redz mākslīgā intelekta attīstību piegādes ķēdes un iekšējās loģistikas vidēs.

 

Optimizācijas slāņa paplašināšana

Informēšana jau sen ir saistīta ar optimizāciju sarežģītās, uz datiem{0}}vadītās vidēs. Taču, tirgiem kļūstot nepastāvīgākiem, optimizācijas sistēmām tiek prasīts ātrāk reaģēt, iekļaut vairāk signālu un atbalstīt dinamiskāku lēmumu pieņemšanu.

Šī maiņa ir īpaši svarīga vidē, kur lēmumi ir savstarpēji atkarīgi. Izmaiņas pieprasījuma plānošanā var ietekmēt krājumus, transporta jaudu, darbaspēka sadalījumu vai pakalpojumu līmeni. Ieteikums, kas sniegts vienā darbības daļā, var radīt sekas citur, tāpēc caurspīdīgums ir būtisks ikdienas lietošanai.

Heinrihs uzskata, ka šeit AI loģistikā jāpierāda sava praktiskā vērtība. "Es nerunāju par AI. Es runāju par izskaidrojamu AI," viņš saka. "Visam, ko mēs darām, visam, ko piedāvājam, ir izskaidrojums. Pretējā gadījumā cilvēki tam neuzticas."

Uzticēšanās kā praktiska prasība

Sarunās ar klientiem dažādās nozarēs viņš saka, ka tas pats jautājums tiek atkārtots: "Kāpēc sistēma izvēlējās šo iespēju, nevis citu?"

 

Jautājums ir svarīgs, jo loģistikas lēmumus reti pieņem tikai tehnoloģija. Tajos ir iesaistīti plānotāji, vadītāji, operāciju komandas un daudzos gadījumos klienti vai ārējie partneri. Ja šīs ieinteresētās personas nevar ievērot AI-atbalstītā ieteikuma pamatojumu, ir mazāka iespēja rīkoties saskaņā ar to.

 

Heinrihs uzskata, ka tas varētu kļūt par nozīmīgu Eiropas tehnoloģiju nodrošinātāju atšķirības punktu. "Mēs varam izveidot AI tikpat labi kā jebkurš cits, taču mēs varam pievienot kaut ko citu," viņš saka. "Tā nedrīkst būt melna kaste."

Tā kā uzņēmumi vēlas iegult AI lietojumprogrammas noteiktos biznesa procesos, šī atšķirība kļūst arvien svarīgāka. Sistēmām ir jābūt tehniski spēcīgām, taču tām arī jābūt pietiekami saprotamām, lai lietotāji laika gaitā varētu tās apstrīdēt, apstiprināt un uzlabot.

 

Mazāk paredzamu vidi pārvaldība

Darbības vidi kļūst grūtāk plānot, izmantojot tikai vēsturiskos datus. Mainās pieprasījuma modeļi, iejaucas ārējie faktori, un tirgus apstākļi var ātri mainīties, bieži vien pirms šīs izmaiņas ir skaidri redzamas skaitļos. "Jums ir jāapkopo reāllaika dati, nevis jāpaļaujas tikai uz vēsturiskajiem datiem," viņš saka. "Jums ir jāreaģē uz nepastāvību un savos lēmumos jāintegrē signāli no dažādiem avotiem."

Tas iezīmē pāreju no statiskākiem optimizācijas modeļiem uz atsaucīgām sistēmām, kas nepārtraukti ņem vērā jaunu informāciju. "Tas kļūst dinamiskāks," viņš piebilst. "Nākamais solis ir padarīt to aģentiskāku - reaģēt uz izmaiņām vidē."

 

No ziņām līdz prognozei

Viens piemērs Inform, kas pirmo reizi tika prezentēts LogiMAT, ir jauna AI{0}}balstīta pieeja, kas izstrādāta, lai ārējos notikumus tieši iekļautu prognozēšanā un scenāriju plānošanā. Sākumpunkts, Heinrihs saka, bija vienkāršs jautājums: kāpēc prognožu modeļi tik bieži ignorē to, kas notiek apkārtējā pasaulē?

 

"Ja šodien veicat klasisku prognozi, tā ir balstīta uz vēsturiskiem rādītājiem," viņš skaidro. "Taču patiesībā pieprasījumu pastāvīgi ietekmē tādi notikumi kā ģeopolitiskie konflikti, piegādes ķēdes traucējumi, jauns regulējums vai tirgus tendences. Šī informācija pastāv, bet parasti kā ziņas, nevis kā skaitļi."

Jaunais risinājums ir paredzēts, lai novērstu šo plaisu. Lietotāji nodrošina laikrindas, piemēram, pārdošanas rādītājus vai tirgus rādītāju, un īsi apraksta kontekstu. Pēc tam AI pēta attiecīgos ziņu notikumus, analizē vēsturiskās attiecības un ģenerē vairākus iespējamos nākotnes scenārijus. Rezultātā tiek iegūta prognoze, kurai pievienots-uz pierādījumiem balstīts skaidrojums par to, kāpēc tirgus var attīstīties dažādos virzienos.

Cilvēks cilpā

Heinrihsam (attēlā zemāk) diskusija par mākslīgo intelektu arī tieši noved pie cilvēka kompetences lomas. AI var identificēt modeļus, apstrādāt lielu informācijas apjomu un ātri izveidot scenārijus. Taču tā vērtība palielinās, kad cilvēki var pievienot pieredzi, kontekstu un spriedumu, ko dati vien nevar nodrošināt.

"AI ir tikai tik labi, cik labi ir dati, ar kuriem tas darbojas, un cilvēki, kas spēj šiem datiem piešķirt nozīmi," viņš saka. "Tāpēc cilvēks joprojām ir būtiska cilpas sastāvdaļa."

Praksē tas nozīmē, ka plānotāji un lēmumu pieņēmēji{0}}tiek izslēgti no procesa. Viņi paliek tā centrā. Viņu uzdevums ir apstiprināt scenārijus, apšaubīt pieņēmumus un precizēt rezultātus, pamatojoties uz operatīvajām zināšanām vai tirgus intuīciju.

 

"Ja cilvēki saprot, kāpēc sistēma kaut ko iesaka, viņi var izlemt, vai tam uzticēties, apšaubīt vai uzlabot," skaidro Heinrihs. "Šajā gadījumā sadarbība starp cilvēka spriedumu un mašīnu inteliģenci kļūst patiešām spēcīga."

 

Integrācija un sadarbspēja

Vēl viena konsekventa tēma klientu diskusijās ir integrācija. Tā kā loģistikas darbības kļūst arvien vairāk savstarpēji saistītas, iespēja saistīt AI vadītas lietojumprogrammas ar esošajām sistēmām kļūst par būtisku. "Mēs vienmēr saņemam jautājumu: kā es varu integrēties ar savu ERP sistēmu, citiem maniem risinājumiem?" Heinrihs man saka. Informatīvā atbilde ir bijusi savienotāju standartizēšana un saskaņošana ar galvenajām platformām, piemēram, SAP un Microsoft. Rezultāts ir vienkāršāks integrācijas ceļš, samazinot gan izmaksas, gan ieviešanas laiku.

 

"Tam ir liela atšķirība," viņš piebilst. "Un tas arī atvieglo mūsu paplašināšanos starptautiskā mērogā."
Tas ir būtisks punkts AI pieņemšanā. Pat vismodernākajai lietojumprogrammai būs grūti radīt vērtību, ja tā atrodas atsevišķi no sistēmām, kurās faktiski tiek pārvaldīti biznesa procesi. Loģistikas uzņēmumi jau darbojas ar izveidotām IT ainavām, un jauniem risinājumiem ir jāiekļaujas šajās vidēs, neradot papildu sarežģītību.

 

 

Atbildība par datiem

Palielinoties savienojamībai un datu lietojumam, tiek pastiprināta drošības pārbaude. Heinriha pieredze kiberdrošības jomā liecina par stingru nostāju šajā jautājumā. "Katram produktam ir jābūt drošības zīmogam, pirms tas nodziest," viņš saka. "Tas ir obligāti."

Tā kā AI modeļi izmanto plašākus datu avotus, tostarp ārējās plūsmas, piemēram, ziņas un tirgus informāciju, šo datu pārvaldības un nodrošināšanas sarežģītība pieaug. "Datu apjoms, ko mēs izmantojam, rada milzīgu pieprasījumu datu drošības ziņā," atzīmē Heinrihs. "Jums ir jāpaliek tam virsū."

 

Tirgus, kas gatavs kustībai

Iespējams, visspilgtākais ir Heinriha vērtējums par tirgus noskaņojumu. Piesardzības vietā viņš saskata pieaugošu vēlmi eksperimentēt un strauju progresu.

"Klienti lūdz mūs nākt ar idejām," viņš saka. "Viņi ir gatavi ātri uzvarēt, ātri izgāzties." Šī atvērtība rada labvēlīgu augsni viediem risinājumiem, kas var nodrošināt taustāmus uzlabojumus bez liela mēroga pārveidošanas projektu inerces.

 

Daudziem uzņēmumiem nākamo digitalizācijas posmu nenoteiks tikai mākslīgais intelekts. To noteiks AI, kas izskaidro sevi, savienojas ar esošajām sistēmām un atbalsta lēmumus, kuriem cilvēki var uzticēties.