La revolución de la inteligencia artificial no se avecina, ya está aquí y requiere que las empresas replanteen los procesos comerciales para maximizar el poder de la inteligencia artificial (IA) para expandir las capacidades humanas.
Entonces, todos los que están interesados en las tecnologías modernas están escuchando la digitalización, el big data y la penetración de la inteligencia artificial en diferentes áreas de nuestra vida y trabajo. No es ningún secreto que la vida de la IA ha emergido lentamente a nuestro alrededor: en nuestros bolsillos, bolsos, coches y hogares, donde "viven" nuestros dispositivos y varios asistentes electrónicos. Según los principales expertos en el campo de la inteligencia artificial, estas tecnologías están experimentando ahora una tercera ola, finalmente han escapado de los laboratorios de investigación y se están convirtiendo rápidamente en "un elemento clave de la transformación empresarial" [1].
En mi publicación, me gustaría compartir la experiencia adquirida en la industrialización de un proyecto basado en IA y formular cinco, en mi opinión, condiciones esenciales y vitales para su implementación exitosa.
1. Un equipo con una mentalidad común
En las primeras etapas del proyecto, cuando se lleva a cabo el trabajo de investigación, el estudio de los datos disponibles, la familiaridad con el proceso tecnológico, la generación de ideas e hipótesis, los representantes comerciales y los desarrolladores deben convertirse en un solo equipo con un entendimiento común de los objetivos y tareas. para ser resuelto. Es importante en las primeras etapas del proyecto que se convierta en algo propio para el equipo unido, de modo que cada uno de sus participantes comprenda y comparta la responsabilidad por sus acciones y el resultado general.
Como muestra la práctica de implementación de proyectos en la industria metalúrgica, los más productivos son los equipos que incluyen especialistas de departamentos relacionados de la empresa: trabajadores de producción, tecnólogos, economistas, especialistas en TI y datos. Es absolutamente cierto que el desarrollo de un proyecto es imposible sin empleados que utilizarán directamente el servicio digital: posteriormente deberían convertirse en “product owner”.
De lo contrario, resulta que los gerentes y tecnólogos de las empresas, cuya responsabilidad directa es mejorar la eficiencia de los procesos de producción, consideran la introducción de servicios digitales como un medio para lograr sus objetivos y están altamente motivados en tales iniciativas. Y del lado de la explotación, las personas que trabajan directamente en la producción con sus propias manos, tratan esto como la imposición de controles adicionales o una complicación adicional de los procesos de producción ya familiares y bien establecidos. O, por ejemplo, el equipo de desarrollo, el lado operativo y los tecnólogos desarrollaron conjuntamente un conjunto de hipótesis e incluso realizaron experimentos que confirmaron su confiabilidad, pero puede resultar que su implementación técnica sea imposible debido a la falta de los datos necesarios o fuentes de señal.
Así es como describen su enfoque para la implementación de soluciones digitales en una de las empresas industriales más grandes de Rusia. El trabajo de los equipos comenzó con el hecho de que se pidió a los trabajadores de producción que identificaran sus problemas y deseos: quién tiene qué "duele", quién necesita qué para sus propios planes. Todos los empleados tienen metas vinculadas a nuestra estrategia. Por ejemplo, entendemos cómo debe operar un tren de laminación específico en cinco años, cuál debe ser la calidad de los productos, el consumo de materia prima, el tiempo de inactividad, etc., para que se implemente la estrategia en esta área. Y cada equipo que trabaja con una unidad específica sabe qué resultados debe lograr. Por supuesto, lograr estos objetivos no es fácil, o todas las empresas serían igualmente efectivas y rentables. Por lo tanto, el personal de producción responde rápidamente,si se le ofrece ayuda para resolver problemas específicos.
Los equipos discuten en qué áreas problemáticas o de alto potencial pueden ayudar las herramientas digitales, formulan hipótesis sobre cómo se puede hacer esto.
2. Transición a una nueva cultura de procesos tecnológicos y comerciales
En el curso de una serie de estudios en los últimos años, los científicos han descubierto que "cuando se comete el mismo error en las predicciones, es más probable que las personas dejen de confiar en un algoritmo que en una persona" [1].
Sí, las personas tienden a confiar más en los de su propia clase, porque saben cómo trabajamos, porque entienden aproximadamente la lógica del comportamiento de los demás y pueden imaginarse fácilmente en el lugar de otra persona, proyectar la situación.
Cuando se les preguntó a los gerentes de primera línea y de nivel medio qué los motivaría a confiar en los consejos del sistema, el 60 por ciento eligió la opción “Una comprensión clara de cómo funciona el sistema y cómo genera consejos”, el 55 por ciento - “Sistema con una trayectoria probada record ”, y 49 -“ Un sistema que explica su lógica ”[2].
Las empresas que están tomando un curso hacia la digitalización y avanzando hacia un nuevo nivel de construcción de procesos tecnológicos y de negocios a través de la introducción de sistemas de IA se enfrentan a una difícil tarea de liderazgo para formar una cultura corporativa que contribuya a comprender los objetivos, etapas, métodos de su diseño e implementación. Lograr este objetivo no es fácil, ya que muchas personas, especialmente aquellas que tendrán que interactuar directamente con la IA, a menudo están preocupadas de que las máquinas eventualmente ocupen su lugar y sean innecesarias sin su propio oficio.
En el entorno laboral, es necesario formarse un entendimiento de que la inteligencia artificial permitirá no distraerse con las tareas individuales y está dirigida no a reemplazar a los empleados, sino a ampliar sus capacidades, trasladando la funcionalidad a un nuevo nivel, facilitando su trabajo y la capacidad para concentrarse no en procedimientos rutinarios, sino en cosas que realmente necesitan inteligencia humana.
El equipo de desarrollo, por su parte, debe dominar el lenguaje de la industria, sumergirse lo más profundamente posible en los procesos productivos y tecnológicos.
Es extremadamente importante que las personas que utilizarán la IA directamente comprendan los principios básicos de su estructura y comportamiento, puedan hacer ajustes a los resultados de su trabajo y se sientan participantes activos en el desarrollo, para que tengan un sentido de transparencia y control de el sistema. Idealmente, por supuesto, los sistemas de inteligencia artificial deberían diseñarse para que expliquen sus decisiones y ayuden a las personas a mantener cierta autonomía en la toma de decisiones.
3. Experimentar con IA
Varias veces en nuestra práctica, sucedió que los equipos de producción que trabajaban con nuestro servicio no siguieron sus recomendaciones o intentaron "engañarlo" por temor a recibir una reprimenda de sus jefes por una posible disminución en los indicadores de eficiencia productiva y aumentaron costos de producción (por ejemplo, mayor consumo de energía).
En las etapas de prueba en caliente del sistema de IA, es importante crear el entorno más confiable dentro del equipo unido, es importante dejar en claro a los experimentadores que un resultado negativo también es un resultado y, a veces, incluso más valioso que uno positivo. Aquí debe ser lo más honesto posible y no ocultar el verdadero estado de las cosas. En algún lugar, esto es comparable a una cita con un médico. El paciente no siempre tiene ganas de hablar de todos sus síntomas y anomalías de salud, esconde algunos, y posteriormente el tratamiento se vuelve mucho más largo, más caro y complicado.
El truco es convertirse en “una pequeña startup” y aprender a experimentar rápidamente con la digitalización al estilo de las startups. Su regla habitual es: "Si funciona, seguimos adelante, si no, probamos una nueva idea". Cada una de estas startups es un proceso de múltiples etapas de elaboración y desarrollo de una hipótesis desde el nacimiento, a través de la verificación y transformación en una solución de trabajo, hasta que se obtiene un efecto comercial. Además, los empleados que están comprometidos con una hipótesis deben acompañarla de principio a fin [2].
La métrica principal para el desarrollo de la hipótesis debe ser el efecto de negocio, para lo cual es importante construir un modelo de cálculo al inicio del proyecto, mientras que en cada paso este modelo se actualiza. Las fuentes de efecto inicialmente obvias para una hipótesis pueden resultar poco prometedoras, pero en el curso de la implementación, pueden aparecer nuevas ideas y el resultado se logrará gracias a ellas.
4. La importancia de una entrega de datos completa y ágil
En primer lugar, cabe señalar que la calidad de los datos juega un papel fundamental en los sistemas de inteligencia artificial. Básicamente, los datos son el combustible de la inteligencia artificial. La mayor parte del tiempo y el esfuerzo se dedica a recopilar y estudiar un conjunto de datos adecuado para la formación y prueba de hipótesis. La experiencia dice que alrededor del 80 por ciento del tiempo que lleva implementar iniciativas de IA es la extracción de datos, la entrega y el preprocesamiento, la construcción de características y no la compilación de los algoritmos en sí. Es necesario explicar al cliente empresarial lo importante que es reunir un conjunto de datos de alta calidad y por qué lleva tanto tiempo crearlo.
En nuestra experiencia, en las etapas iniciales del proyecto, no habrá datos en absoluto o su volumen será limitado tanto en términos de profundidad de almacenamiento como de discreción, tendrán una gran cantidad de brechas y un bajo nivel de calidad general. Y tendrá que trabajar con esto: descubrir cómo construir modelos que operen con datos incompletos, cómo interpretar de manera óptima los de baja calidad.
En nuestra práctica, también hubo casos en que los tecnólogos o trabajadores de producción nos convencieron de la inutilidad de una serie de datos tecnológicos que, en su opinión y experiencia, no pueden influir de ninguna manera en la formación de una evaluación o recomendación de un sistema de IA. Sin embargo, en la práctica, resultó que fueron estos, a primera vista, datos no objetivo los que ayudaron a la IA a capturar la dependencia más sutil del proceso tecnológico, y el poder predictivo del modelo aumentó precisamente debido a ellos. .
Por lo tanto, es importante desde el comienzo del proyecto preparar una plataforma completa para la entrega fluida e ininterrumpida de datos, deben ser extensos, diversos, de alta calidad y útiles. En lugar de construir cadenas para la entrega de datos individuales para probar una hipótesis específica, pero estableciendo un proceso que lo ayudará a configurar rápidamente el conjunto de datos requerido y tendrá el potencial suficiente para aumentar la cantidad de información entregada.
5. Carrera de larga distancia
Para las empresas rusas, el concepto de transformación digital está asociado con la introducción del aprendizaje automático, el análisis de big data, la inteligencia artificial, la robotización y la realidad aumentada. Según los expertos, el mayor éxito en esta dirección lo logran aquellas empresas que lo consideran no como un conjunto de iniciativas independientes, sino como un programa integral de digitalización que afecta a todo un abanico de procesos y cambios interrelacionados en la empresa.
Los proyectos de IA, como cualquier innovación, deben verse como un negocio de riesgo. No todos los proyectos darán sus frutos, incluso menos traerán beneficios tangibles, pero varios proyectos traerán beneficios que cubrirán todos los costos muchas veces.
Como consecuencia, es necesario evitar la eliminación temprana de conceptos aparentemente utópicos. El vuelo de un hombre al espacio también parecía una utopía clásica durante bastante tiempo, fue rechazado como imposible a nivel de la ciencia.
Conclusión
Hoy en día, la inteligencia artificial está penetrando rápidamente en la mayoría de las áreas de la industria y los negocios. La nueva realidad de la interacción hombre-máquina requiere un replanteamiento de los procesos tecnológicos y comerciales previamente establecidos. La explosión digital ya se ha producido y el universo digital se está expandiendo ahora. Aquellos que puedan comprender las leyes físicas del nuevo mundo, seguirán la periferia del frente digital actual, no tendrán miedo de experimentar e introducir nuevas tecnologías y pasarán a un nuevo nivel cualitativo de eficiencia de los procesos comerciales en su campo de actividad. .
Literatura
- +. / , ; . . , ; [. . . , . , . , . ]. – .: , , 2019. – 304 .
- .0. / : . . – .: «», 2019.-320 .