Objašnjavanje prednosti AI

 

Zašto transparentnost, integracija i povjerenje postaju odlučujući u logističkoj tehnologiji? Peter MacLeod razgovara sa stručnjakom.

Na ovogodišnjem LogiMAT-u, ako postoji tema koja se jasnije probija kroz buku od većine, to bi bila brzina. Ne samo brzina operacija, već i brzina implementacije, brzina inovacija i na kraju ono veliko: brzina povrata ulaganja. Za Inform Software ta rasprava sve više dovodi do šireg pitanja: kako logističke organizacije mogu usvojiti inteligentnije sustave bez gubitka transparentnosti, kontrole ili povjerenja?

 

Obraćajući se sa mnom na užurbanom izložbenom prostoru u Stuttgartu, Informov SVP Inventory & Supply Chain, dr. Bernd Heinrichs opisao je kako tvrtka vidi razvoj umjetne inteligencije u opskrbnom lancu i intralogističkim okruženjima.

 

Proširenje sloja optimizacije

Inform se dugo povezivao s optimizacijom u složenim okruženjima-pokretanim podacima. Ali kako tržišta postaju sve nestabilnija, od sustava za optimizaciju se traži da brže reagiraju, uključe više signala i podrže dinamičnije-donošenje odluka.

Ta je promjena osobito važna u okruženjima u kojima su odluke međuovisne. Promjena u planiranju potražnje može utjecati na zalihe, transportni kapacitet, raspodjelu radne snage ili razine usluga. Preporuka dana u jednom dijelu operacije može stvoriti posljedice drugdje, što transparentnost čini ključnom za svakodnevnu-za-upotrebu.

Za Heinrichsa, ovdje umjetna inteligencija u logistici mora dokazati svoju praktičnu vrijednost. "Ne govorim o umjetnoj inteligenciji. Govorim o objašnjivoj umjetnoj inteligenciji", kaže on. "Sve što radimo, sve što predlažemo, ima objašnjenje. Inače ljudi nemaju povjerenja u to."

Povjerenje kao praktičan zahtjev

U razgovorima s kupcima u različitim industrijama, kaže da se isto pitanje stalno ponavlja: "Zašto je sustav odabrao tu opciju, a ne neku drugu?"

 

Pitanje je važno jer se logističke odluke rijetko donose samo pomoću tehnologije. Oni uključuju planere, menadžere, operativne timove i, u mnogim slučajevima, klijente ili vanjske partnere. Ako ti dionici ne mogu slijediti obrazloženje koje stoji iza preporuke-podržane umjetnom inteligencijom, manja je vjerojatnost da će djelovati prema njoj.

 

Za Heinrichsa, ovo bi moglo postati značajna točka diferencijacije za europske pružatelje tehnologije. "Možemo izgraditi AI jednako dobar kao i bilo tko drugi, ali možemo dodati nešto drugačije", kaže on. "To ne bi trebala biti crna kutija."

Kako tvrtke žele ugraditi AI aplikacije u uspostavljene poslovne procese, ta razlika postaje sve važnija. Sustavi moraju biti tehnički jaki, ali također moraju biti dovoljno razumljivi da ih korisnici mogu osporiti, potvrditi i poboljšati tijekom vremena.

 

Upravljanje manje predvidljivim okruženjima

Radna okruženja postaje sve teže planirati samo s povijesnim podacima. Obrasci potražnje se mijenjaju, interveniraju vanjski čimbenici i tržišni uvjeti mogu se brzo promijeniti, često prije nego što te promjene budu jasno vidljive u brojevima. "Morate prikupljati-podatke u stvarnom vremenu, a ne oslanjati se samo na povijesne podatke", kaže. "Morate reagirati na volatilnost i integrirati signale iz različitih izvora u svoje odluke."

Ovo označava pomak od statičnijih modela optimizacije prema responzivnim sustavima koji kontinuirano uzimaju u obzir nove informacije. "Postaje dinamičnije", dodaje. "Sljedeći korak je učiniti ga aktivnijim – da sam reagira na promjene u okolini."

 

Od vijesti do prognoze

Jedan primjer Informa predstavljenog po prvi put na LogiMAT-u je novi pristup-temeljen na umjetnoj inteligenciji koji je osmišljen kako bi vanjske događaje doveo izravno u predviđanje i planiranje scenarija. Polazna točka, kaže Heinrichs, bilo je jednostavno pitanje: zašto modeli predviđanja tako često ignoriraju ono što se događa u svijetu oko njih?

 

"Ako danas napravite klasičnu prognozu, ona se temelji na povijesnim ličnostima", objašnjava. "Ali u stvarnosti potražnja je pod stalnim utjecajem događaja poput geopolitičkih sukoba, poremećaja u opskrbnom lancu, novih propisa ili tržišnih trendova. Ove informacije postoje, ali obično kao vijesti, ne kao brojke."

Novo rješenje osmišljeno je da zatvori taj jaz. Korisnici daju vremensku seriju, kao što su podaci o prodaji ili pokazatelj tržišta, i ukratko opisuju kontekst. AI zatim istražuje relevantne vijesti, analizira povijesne odnose i generira nekoliko mogućih budućih scenarija. Rezultat je prognoza popraćena objašnjenjem-temeljenim na dokazima zašto se tržište može razvijati u različitim smjerovima.

Čovjek u petlji

Za Heinrichsa (na slici dolje), rasprava o umjetnoj inteligenciji također vodi izravno do uloge ljudske stručnosti. AI može identificirati obrasce, obraditi velike količine informacija i brzo proizvesti scenarije. Ali njegova se vrijednost povećava kada ljudi mogu dodati iskustvo, kontekst i prosudbu koje sami podaci ne mogu pružiti.

"AI je dobra onoliko koliko su dobri podaci s kojima radi i ljudi koji tim podacima mogu dati značenje", kaže. "Zbog toga čovjek ostaje bitan dio petlje."

U praksi to znači da planeri i-donositelji odluka nisu uklonjeni iz procesa. Oni ostaju središnji u njemu. Njihova je uloga potvrditi scenarije, propitivati ​​pretpostavke i poboljšati rezultate na temelju operativnog znanja ili tržišne intuicije.

 

"Ako ljudi razumiju zašto sustav nešto preporučuje, mogu odlučiti hoće li mu vjerovati, preispitivati ​​ga ili poboljšati", objašnjava Heinrichs. "Tamo suradnja između ljudske prosudbe i strojne inteligencije postaje stvarno moćna."

 

Integracija i interoperabilnost

Još jedna dosljedna tema u razgovorima s kupcima je integracija. Kako logističke operacije postaju međusobno povezane, sposobnost povezivanja aplikacija-pokrenutih umjetnom inteligencijom s postojećim sustavima postaje ključna. "Uvijek dobivamo pitanje: kako da se integriram sa svojim ERP sustavom, svojim drugim rješenjima?" Heinrichs mi kaže. Informov odgovor bio je standardiziranje konektora i usklađivanje s glavnim platformama kao što su SAP i Microsoft. Rezultat je jednostavniji put integracije, smanjujući troškove i vrijeme implementacije.

 

"To čini veliku razliku", dodaje. "I također nam olakšava međunarodno širenje."
Ovo je ključna točka u usvajanju umjetne inteligencije. Čak i najnaprednija aplikacija teško će stvoriti vrijednost ako se nalazi odvojeno od sustava u kojima se zapravo upravlja poslovnim procesima. Logističke tvrtke već rade s utvrđenim IT okruženjima, a nova rješenja moraju se uklopiti u ta okruženja bez stvaranja dodatne složenosti.

 

 

Odgovornost za podatke

Uz povećanu povezanost i korištenje podataka dolazi i pojačan nadzor oko sigurnosti. Heinrichsovo iskustvo u kibernetičkoj sigurnosti daje snažan stav o ovom pitanju. "Svaki proizvod mora imati sigurnosni žig prije nego izađe na tržište", kaže. "To je obavezno."

Kako se AI modeli oslanjaju na šire izvore podataka – uključujući vanjske feedove kao što su vijesti i tržišne informacije – složenost upravljanja i osiguravanja tih podataka raste. "Količina podataka koju koristimo stvara veliku potražnju u smislu sigurnosti podataka", napominje Heinrichs. "Moraš ostati u toku."

 

Tržište spremno za useljenje

Možda je najupečatljivija Heinrichsova procjena raspoloženja na tržištu. Umjesto opreza, on vidi rastući apetit za eksperimentiranjem i brzim napretkom.

"Kupci od nas traže da im ponudimo ideje", kaže on. "Spremni su brzo pobijediti, brzo propasti." Ta otvorenost stvara plodno tlo za inteligentna rješenja koja mogu donijeti opipljiva poboljšanja bez inercije velikih-projekata transformacije.

 

Za mnoge tvrtke sljedeću fazu digitalizacije neće definirati samo umjetna inteligencija. Definirat će ga umjetna inteligencija koja sama sebe objašnjava, jasno se povezuje s postojećim sustavima i podržava odluke kojima ljudi mogu vjerovati.