Umjetna inteligencija neće magično riješiti vaše probleme osim ako vaša kompanija nije dobra u radoznalosti, efikasnom prikupljanju podataka i korištenju podataka u donošenju odluka.
Istraživanje Ministarstva trgovine SAD-a iz 2016. na 80 američkih proizvođača i dobavljača objavilo je da bi pametna proizvodnja omogućila 57 milijardi dolara godišnjeg smanjenja troškova. Ovo predstavlja približno 3,2% smanjenje troškova proizvodnje u radnji.
Obećanje pametne proizvodnje je značajno. Umjetna inteligencija se već koristi za poboljšanje sigurnosti, kvaliteta, održavanja, planiranja i dizajna proizvoda. Ali mnoge kompanije nemaju uspostavljenu potrebnu kulturu da bi imale koristi.
Slaba kultura rješavanja problema ometa AI
Pametna proizvodnja u velikoj mjeri zavisi od upravljanja informacijama: pravila koja se tiču prikupljanja, protoka i analize informacija o učinku, najčešće u digitalnom obliku.
Ako vaša kompanija već nije dobra u ovim stvarima – ako već ne posjeduje kulturu radoznalosti, efikasno prikupljanje podataka i korištenje podataka u donošenju odluka i rješavanju problema – neće odjednom postati dobra u ovim stvarima nakon instalacije AI.
Bivši Rickov klijent doživio je dosta neplaniranih zastoja na ekstruderima. Ispostavilo se da organizacija posjeduje značajne podatke o obimu tog neplaniranog zastoja iz sedmice u sedmicu, koje su operateri ručno prikupljali.
Ipak, činilo se da menadžeri i inženjeri nisu bili previše zainteresirani za rješavanje problema neplaniranih zastoja. Nisu vjerovali podacima koje su prikupljali operateri. I tako se problem zastoja nastavio. Uglavnom, lideri su samo odmahivali glavama i govorili: “Zar nije strašno.” Tom klijentu je nedostajala kultura dobrog rješavanja problema.
Kao i kultura popravljanja krivice
S druge strane, organizacije koje trenutno imaju kulturu da koriste metriku učinka samo kao način praćenja i „držanja radnika odgovornim“ takođe će imati problema sa efikasnom implementacijom AI. Te kompanije će koristiti umjetnu inteligenciju samo za stvaranje ogorčenosti i straha među radnicima čak i brže nego što su to činile. Nažalost, neki zagovornici AI vide ovu upotrebu kao odgovarajuću primjenu tehnologije.
U članku koji smo pročitali, o obećanju umjetne inteligencije stoji sljedeće: „Nakon što kompanija deponuje dovoljno velikih podataka iz tokova posla, menadžer može upitati koliko je prosječno vrijeme potrebno terenskom radniku da obavi rutinsko održavanje. Kada određeni radnik izađe da završi zadatak, menadžer im može reći: ‘Prosječno vrijeme za ovo je dva sata, a vama je potrebno tri sata.’
Ako se AI koristi za poboljšanje kulture „popravljanja krivice“, neće uspjeti u svim slučajevima. Sve u svemu, neusklađenost između kulture i tehnologije dovest će do neuspjeha tehnologije.
Već smo se s time susretali
To smo već vidjeli kod inicijativa za planiranje resursa preduzeća (ERP) u proteklih trideset godina. Mnogo miliona dolara potrošeno je na tu tehnologiju, što je dalo slična obećanja o velikom povećanju produktivnosti postignutom kroz bolju orkestraciju poslovnih procesa unutar i između poslovnih funkcija. Studije pokazuju da između 55% i 75% implementacija ERP-a nije ispunilo očekivanja ili je potpuno propala.
Prije nekoliko godina, Brandon je upravljao velikom tvornicom za mašinsku obradu koja je proizvodila kritičnu opremu za kontrolu pritiska. Kompanija je napravila veliko ulaganje u tehnologiju koja je obećavala kraj operativne neefikasnosti i reklamirana je kao laka integracija sa trenutnim sistemima.
Brandon je bio zabrinut što je njegov tim upravo počeo koristiti podatke kako bi bolje razumio poslovanje tvornice i riješio njihove probleme. Osnovni alati za analizu podataka nisu bili dobro shvaćeni i malo su korišteni. Ostale osnovne taktike kao što su Bill of Materials (BoM) i revizije tačnosti rutera nisu bile primijenjene da bi se osigurao integritet podataka ERP sistema.
Prodavač softvera obećao je rješenje po sistemu ključ u ruke za te izazove. Za hardware su ispisani čekovi, ugovorene su usluge pretplate za njegovu upotrebu i, kada je kompanija sve uključila, kompanija bi skočila iz mašinske radionice iz 1990-ih u moderni vijek okretanjem ključa.
Stvarnost je bila daleko od toga.
Pošto kultura dobrog prikupljanja i analize podataka već nije postojala, nije postojao disciplinovan pristup za upravljanje formalnim sistemima i rješavanje problema. Kada se sistem uključio, postrojenje je dobilo na displeju crvene, žute i zelene trepćuće kontrolne table koje operaterima nisu imale smisla. Postali su frustrirani stalnim lažnim uzbunama koje je sistem generisao zbog loših informacija unesenih u novi sistem.
S vremenom su svi jednostavno prestali koristiti novu tehnologiju. Jedan po jedan, ekrani sistema su izblijedjeli da bi se “isključili” i na kraju su bili isključeni i spakovani u kartonske kutije koje su viličari odvozili na neku udaljenu lokaciju u skladištu kako bi postali prašnjavi spomenik neuspjelom projektu.
Iluzije menadžmenta zamijenjene su spoznajom da takva tehnologija ne uspijeva kada se implementira na slabim osnovama upravljanja podacima, prikupljanja i rješavanja problema. Čelnici kompanije su na kraju prihvatili činjenicu da će kompanija prvo morati krenuti na put do vještina rješavanja problema na staromodan način.
AI najbolje radi u snažnoj kulturi rješavanja problema
Ironično, kompanije kojima se čini da najmanje trebaju AI su vjerovatno u najboljoj poziciji da je iskoriste, jer su već tako dobre u prepoznavanju i rješavanju problema. Ron je jednom radio za kompaniju slatkiša koja je imala ozbiljnih problema sa gubicima. Ron je vodio svoje saradnike u nastojanju da dođu do boljih podataka. Kako su prikupljali više informacija, najbolji pristupi su postajali jasniji. Bili su u mogućnosti identificirati izvore problema i ispraviti ih. Drugim riječima, kultura dobrog upravljanja podacima pružila je osnovu za efikasno rješavanje problema bez AI. Ipak, upravo će ta kultura biti najuspješnija u implementaciji i primjeni AI.
Takva kultura se uspostavlja samo kroz ulaganje vremena, finansijskih sredstava i, što je najvažnije, pažnje rukovodstva. Rickov klijent, spomenut gore, mogao je poduzeti niz koraka da poboljša svoj kapacitet za rješavanje problema neplaniranog zastoja. Lideri su mogli razgovarati sa operaterima o načinu na koji su prikupljeni podaci o zastojima i kako bi to mogli učiniti efikasnijim.
Lideri su mogli razgovarati s operaterima o njihovom iskustvu s neplaniranim zastojima i koje su hipoteze imali u vezi s tim pitanjem.
Lideri su mogli provesti više vremena u pogonu promatrajući operacije kako bi razvili vlastite hipoteze, koje bi potom podijelili i razgovarali s operaterima. Kompanija je mogla obučiti lidere i operatere u dobrim vještinama prikupljanja podataka i rješavanja problema i osigurati da njihova upotreba bude ojačana. Moj klijent nije uradio ništa od ovoga.
Kao što Brandonova priča ilustruje, postojaće mnogo dobavljača AI tehnologije koji će kompanijama poput mog bivšeg klijenta reći da će njihova tehnologija „uključi i radi“ prevladati te kulturne nedostatke. Oni nisu u pravu. Prije nego što uložite u AI, morate uložiti u stvaranje jake kulture rješavanja problema.
Članak „ Without a Problem-Solving Culture, AI Is an Expensive Mistake “, autora Rick Bohan,
Brandon Davis, Ron Jacques , preveden je sa portala IndustryWeek.
