Wyjaśnianie zalet sztucznej inteligencji

 

Dlaczego przejrzystość, integracja i zaufanie stają się decydujące w technologii logistycznej? Peter MacLeod rozmawia z ekspertem.

Jeśli na tegorocznym LogiMAT miałby być temat, który przebijałby się przez hałas wyraźniej niż większość, byłaby to prędkość. Nie tylko szybkość operacji, ale także szybkość wdrażania, szybkość innowacji i ostatecznie Najważniejsza: szybkość zwrotu z inwestycji. Dla Inform Software dyskusja ta w coraz większym stopniu prowadzi do szerszego pytania: w jaki sposób organizacje logistyczne mogą wdrożyć bardziej inteligentne systemy bez utraty przejrzystości, kontroli i zaufania?

 

W rozmowie ze mną na ruchliwej hali wystawowej w Stuttgarcie, wiceprezes Inform's Inventory & Supply Chain, dr Bernd Heinrichs opisał, jak firma postrzega rozwój sztucznej inteligencji w środowiskach łańcucha dostaw i intralogistyki.

 

Rozszerzanie warstwy optymalizacyjnej

Inform od dawna kojarzy się z optymalizacją w złożonych środowiskach-opartych na danych. Jednak w miarę jak rynki stają się coraz bardziej niestabilne, od systemów optymalizacji wymaga się szybszej reakcji, uwzględniania większej liczby sygnałów i wspierania bardziej dynamicznego-podejmowania decyzji.

Ta zmiana jest szczególnie istotna w środowiskach, w których decyzje są współzależne. Zmiana w planowaniu popytu może mieć wpływ na zapasy, zdolność transportową, alokację siły roboczej lub poziom usług. Zalecenie wydane w jednej części operacji może mieć konsekwencje w innej części, dlatego przejrzystość jest niezbędna w codziennym-{3}}użytkowaniu.

Dla Heinrichsa właśnie w tym miejscu sztuczna inteligencja w logistyce musi udowodnić swoją praktyczną wartość. „Nie mówię o sztucznej inteligencji. Mówię o możliwej do wyjaśnienia sztucznej inteligencji” – mówi. „Wszystko, co robimy, wszystko, co proponujemy, ma swoje wyjaśnienie. W przeciwnym razie ludzie nie ufają temu”.

Zaufanie jako wymóg praktyczny

Jak twierdzi, w rozmowach z klientami z różnych branż wielokrotnie pojawia się to samo pytanie: „Dlaczego system wybrał tę, a nie inną opcję?”

 

Pytanie to ma znaczenie, ponieważ decyzje logistyczne rzadko są podejmowane wyłącznie na podstawie technologii. Angażują planistów, menedżerów, zespoły operacyjne, a w wielu przypadkach klientów lub partnerów zewnętrznych. Jeśli ci interesariusze nie będą w stanie zastosować się do uzasadnienia zalecenia-obsługiwanego przez sztuczną inteligencję, istnieje mniejsze prawdopodobieństwo, że zastosują się do niego.

 

Dla Heinrichsa może to stać się znaczącym punktem wyróżniającym europejskich dostawców technologii. „Możemy zbudować sztuczną inteligencję równie dobrze, jak każdy, ale możemy dodać coś innego” – mówi. „To nie powinna być czarna skrzynka”.

W miarę jak firmy chcą osadzać aplikacje AI w ustalonych procesach biznesowych, różnica ta staje się coraz ważniejsza. Systemy muszą być mocne technicznie, ale muszą też być na tyle zrozumiałe, aby użytkownicy mogli z czasem je kwestionować, weryfikować i ulepszać.

 

Zarządzanie mniej przewidywalnymi środowiskami

Środowiska operacyjne stają się coraz trudniejsze do planowania na podstawie samych danych historycznych. Zmieniają się wzorce popytu, pojawiają się czynniki zewnętrzne, a warunki rynkowe mogą się szybko zmienić, często zanim zmiany te będą wyraźnie widoczne w liczbach. „Trzeba gromadzić dane-w czasie rzeczywistym, a nie polegać wyłącznie na danych historycznych” – mówi. „Musisz reagować na zmienność i uwzględniać sygnały z różnych źródeł w swoich decyzjach”.

Oznacza to przejście od bardziej statycznych modeli optymalizacyjnych w kierunku systemów responsywnych, które stale uwzględniają nowe informacje. – Jest coraz bardziej dynamicznie – dodaje. „Następnym krokiem jest uczynienie go bardziej agentycznym – samodzielne reagowanie na zmiany w środowisku”.

 

Od wiadomości do prognoz

Jednym z przykładów Informa zaprezentowanych po raz pierwszy na targach LogiMAT jest nowe podejście oparte na sztucznej inteligencji-, zaprojektowane w celu bezpośredniego uwzględniania zdarzeń zewnętrznych w prognozowaniu i planowaniu scenariuszy. Punktem wyjścia, mówi Heinrichs, było proste pytanie: dlaczego modele prognostyczne tak często ignorują to, co dzieje się w otaczającym ich świecie?

 

„Jeśli dzisiaj prowadzi się klasyczną prognozę, opiera się ona na danych historycznych” – wyjaśnia. „Jednak w rzeczywistości na popyt stale wpływają wydarzenia takie jak konflikty geopolityczne, zakłócenia w łańcuchu dostaw, nowe regulacje lub trendy rynkowe. Informacje te istnieją, ale zazwyczaj mają formę wiadomości, a nie liczb”.

Nowe rozwiązanie ma za zadanie wypełnić tę lukę. Użytkownicy podają szereg czasowy, np. dane dotyczące sprzedaży lub wskaźnik rynkowy, i krótko opisują kontekst. Następnie sztuczna inteligencja bada istotne wydarzenia, analizuje powiązania historyczne i generuje kilka możliwych scenariuszy na przyszłość. Rezultatem jest prognoza, której towarzyszy oparte na dowodach-wyjaśnienie, dlaczego rynek może rozwijać się w różnych kierunkach.

Człowiek w pętli

Dla Heinrichsa (na zdjęciu poniżej) dyskusja na temat sztucznej inteligencji prowadzi również bezpośrednio do roli ludzkiej wiedzy. Sztuczna inteligencja może identyfikować wzorce, przetwarzać duże ilości informacji i szybko tworzyć scenariusze. Jednak jego wartość wzrasta, gdy ludzie mogą dodać doświadczenie, kontekst i ocenę, których same dane nie są w stanie zapewnić.

„Sztuczna inteligencja jest tak dobra, jak dane, z którymi współpracuje, oraz ludzie, którzy potrafią nadać tym danym znaczenie” – mówi. „Dlatego człowiek pozostaje istotną częścią pętli”.

W praktyce oznacza to, że planiści i decydenci-nie są odsunięci od procesu. To oni pozostają w centrum uwagi. Ich rolą jest weryfikacja scenariuszy, kwestionowanie założeń i udoskonalanie wyników w oparciu o wiedzę operacyjną lub intuicję rynkową.

 

„Jeśli ludzie zrozumieją, dlaczego system coś zaleca, mogą zdecydować, czy mu zaufać, zakwestionować, czy ulepszyć” – wyjaśnia Heinrichs. „W tym miejscu współpraca między ludzkim osądem a inteligencją maszyn staje się naprawdę potężna”.

 

Integracja i interoperacyjność

Kolejnym stałym tematem w dyskusjach klientów jest integracja. W miarę jak operacje logistyczne stają się coraz bardziej wzajemnie powiązane, możliwość łączenia aplikacji opartych na sztucznej inteligencji-z istniejącymi systemami staje się coraz bardziej istotna. „Zawsze dostajemy pytanie: jak zintegrować się z moim systemem ERP, innymi moimi rozwiązaniami?” Heinrichs mi mówi. Odpowiedzią Inform była standaryzacja złączy i dostosowanie ich do głównych platform, takich jak SAP i Microsoft. Rezultatem jest prostsza ścieżka integracji, redukująca zarówno koszty, jak i czas wdrożenia.

 

„To robi dużą różnicę” – dodaje. „Ułatwia nam to także ekspansję międzynarodową”.
Jest to kluczowy punkt w procesie wdrażania sztucznej inteligencji. Nawet najbardziej zaawansowana aplikacja będzie miała trudności z wytworzeniem wartości, jeśli będzie oddzielona od systemów, w których faktycznie zarządza się procesami biznesowymi. Firmy logistyczne działają już w oparciu o ustalony krajobraz IT, a nowe rozwiązania muszą pasować do tych środowisk, nie powodując dodatkowej złożoności.

 

 

Odpowiedzialność za dane

Wraz ze zwiększoną łącznością i wykorzystaniem danych następuje wzmożona kontrola bezpieczeństwa. Doświadczenie Heinrichsa w dziedzinie cyberbezpieczeństwa potwierdza zdecydowane stanowisko w tej kwestii. „Każdy produkt musi zostać opatrzony pieczęcią bezpieczeństwa, zanim zostanie wypuszczony na rynek” – mówi. „To obowiązkowe”.

W miarę jak modele sztucznej inteligencji korzystają z szerszych źródeł danych – w tym zewnętrznych kanałów, takich jak wiadomości i informacje rynkowe – rośnie złożoność zarządzania tymi danymi i ich zabezpieczania. „Ilość danych, z których korzystamy, stwarza ogromne wymagania w zakresie bezpieczeństwa danych” – zauważa Heinrichs. „Musisz się nad tym utrzymać”.

 

Rynek gotowy do ruchu

Być może najbardziej uderzająca jest ocena nastrojów rynkowych przeprowadzona przez Heinrichsa. Zamiast ostrożności widzi rosnący apetyt na eksperymenty i szybki postęp.

„Klienci proszą nas, abyśmy przyszli z pomysłami” – mówi. „Chcą szybko wygrywać i szybko ponosić porażki”. Ta otwartość tworzy podatny grunt dla inteligentnych rozwiązań, które mogą zapewnić wymierne ulepszenia bez inercji projektów transformacji na-skalę.

 

Dla wielu firm kolejny etap cyfryzacji nie będzie definiowany wyłącznie przez sztuczną inteligencję. Zostanie ona zdefiniowana przez sztuczną inteligencję, która sama się wyjaśnia, łączy się w przejrzysty sposób z istniejącymi systemami i wspiera decyzje, którym ludzie mogą zaufać.