人工知能革命は来ていません。それはすでにここにあり、人間の能力を拡大するために人工知能（AI）の力を最大化するために、企業はビジネスプロセスを再考する必要があります。
したがって、現代のテクノロジーに関心のある人は誰でも、デジタル化、ビッグデータ、そして私たちの生活や仕事のさまざまな分野への人工知能の浸透を聞いています。AIの生活が私たちの周りにゆっくりと現れてきたことは周知の事実です。ポケット、バッグ、車、家の中で、ガジェットやさまざまな電子アシスタントが「住んでいる」のです。人工知能の分野の第一人者によると、これらの技術は現在第3の波を経験しており、ついに研究所から脱出し、急速に「ビジネス変革の重要な要素」になりつつあります[1]。
私の出版物では、AIベースのプロジェクトの工業化で得られた経験を共有し、その実装を成功させるために不可欠で不可欠な条件を5つ作成したいと思います。
1.共通の考え方を持つ1つのチーム
プロジェクトの最初の段階で、調査作業が行われるとき、利用可能なデータの調査、技術プロセスの知識、アイデアと仮説の生成、ビジネスの代表者と開発者は、目標とタスクを共通に理解した単一のチームになる必要があります解決する必要があります。プロジェクトの最初の段階では、プロジェクトが団結したチームのために独自のものになることが重要です。そうすることで、各参加者は自分の行動と全体的な結果に対する責任を完全に理解し、共有することができます。
冶金業界でプロジェクトを実施する慣行が示すように、最も生産的なのは、企業の関連部門（生産労働者、技術者、経済学者、IT、データの専門家）の専門家を含むチームです。デジタルサービスを直接利用する従業員がいなければ、プロジェクトの開発は不可能であることは間違いありません。彼らはその後「製品の所有者」になるべきです。
そうでなければ、生産プロセスの効率を改善することを直接の責任とする企業経営者や技術者は、目標を達成するための手段としてデジタルサービスの導入を検討し、そのようなイニシアチブに非常に意欲的であることがわかります。そして、搾取側、つまり自分の手で直接生産に従事する人々は、これを、すでに馴染みのある確立された生産プロセスの追加の管理または追加の複雑化の賦課として扱います。または、たとえば、開発チーム、運用側、技術者が共同で一連の仮説を立て、信頼性を確認する実験を行ったが、必要なデータが不足しているために技術的な実装が不可能であることが判明したり、信号源。
これは、ロシアで最大の産業企業の1つでデジタルソリューションを実装するためのアプローチを説明する方法です。チームの仕事は、生産労働者が彼らの問題と願いを特定するように求められたという事実から始まりました：誰が「痛い」ものを持っているのか、誰が彼ら自身の計画のために何を必要としているのか。すべての従業員には、私たちの戦略に関連する目標があります。たとえば、特定の圧延機が5年間でどのように稼働するか、この分野の戦略を実行するために、製品の品質、原材料の消費、ダウンタイムなどを理解しています。また、特定のユニットと連携する各チームは、どのような結果を達成する必要があるかを知っています。もちろん、これらの目標を達成することは容易ではありません。さもないと、すべての企業が等しく効果的で収益性が高くなります。したがって、制作スタッフはすぐに対応します。彼が特定の問題を解決するのに助けを提供された場合。
チームは、デジタルツールがどの問題のある領域または潜在的な領域で役立つかについて話し合い、これをどのように行うことができるかについての仮説を立てます。
2.技術およびビジネスプロセスの新しい文化への移行
近年の多くの研究の過程で、科学者は「予測に同じ誤りを犯した場合、人々は人よりもアルゴリズムの信頼をやめる可能性が高い」ことを発見しました[1]。
はい、人々は私たちの働き方を知っているので、お互いの行動の論理を大まかに理解し、他の人の代わりに自分自身を簡単に想像して状況を予測できるので、自分の種類をより信頼する傾向があります。
第一線および中間管理職に、システムのアドバイスを信頼する動機を尋ねたところ、60％が「システムの仕組みとアドバイスの生成方法を明確に理解している」という選択肢を選択し、55％が「実績のあるシステム記録」、および49-「その論理を説明するシステム」[2]。
AIシステムの導入を通じてデジタル化に向けたコースを受講し、技術およびビジネスプロセスを構築する新しいレベルに移行している企業は、目標、段階、方法の理解に貢献する企業文化を形成するという困難なリーダーシップの課題に直面しています。設計と実装。多くの人、特にAIと直接対話する必要がある人は、最終的には機械が代わりになるのではないかと心配することが多く、独自の技術がなければ不要になるため、この目標を達成するのは簡単ではありません。
作業環境では、人工知能は個々のタスクに気を取られることなく、従業員の交代ではなく、能力の拡張、機能の新しいレベルへの移行、作業の促進、および日常的な手順ではなく、物事に集中する能力。本当に人間の知性が必要です。
開発チームは、その一部として、業界の言語を習得し、生産および技術プロセスに可能な限り深く没頭する必要があります。
AIを直接使用する人は、AIの構造と動作の基本原則を理解し、作業の結果を調整し、開発に積極的に参加しているように感じて、透明性と制御性を身に付けることが非常に重要です。システム。もちろん、理想的には、AIシステムは、意思決定を説明し、人々が意思決定においてある程度の自律性を維持できるように設計する必要があります。
3.AIの実験
私たちの業務で何度か、私たちのサービスを利用した生産チームは、生産効率の指標が低下し、増加する可能性があるために上司から叱責を受けることを恐れたため、推奨事項に従わなかったり、彼を「だまそう」としたりしました。生産コスト（たとえば、電力消費の増加）。
AIシステムのホットテストの段階では、団結したチーム内で最も信頼できる環境を作成することが重要です。否定的な結果も結果であり、場合によってはそれが均一であることを実験者に明確にすることが重要です。ポジティブなものよりも価値があります。ここでは、可能な限り正直であり、実際の状況を隠さないようにする必要があります。どこかでこれは医者との約束に匹敵します。患者は常に自分の症状や健康上の異常について話したいとは限らず、一部を隠します。その後、治療ははるかに長く、費用がかかり、複雑になります。
その秘訣は「ちょっとしたスタートアップ」になり、スタートアップスタイルのデジタル化をすばやく試す方法を学ぶことです。彼らの通常のルールは、「うまくいけば、先に進み、うまくいかなければ、新しいアイデアを試す」というものです。このような各スタートアップは、ビジネス効果が得られるまで、検証と実用的なソリューションへの変換を通じて、誕生から仮説を立てて発展させる多段階のプロセスです。さらに、1つの仮説に従事する従業員は、最初から最後までそれに同行する必要があります[2]。
仮説を立てるための主な指標はビジネス効果である必要があります。このため、プロジェクトの最初に計算モデルを構築し、各ステップでこのモデルを更新することが重要です。仮説の最初の明白な効果の源は有望ではないことが判明するかもしれませんが、実装の過程で、新しいアイデアが現れ、それらによって結果が達成される可能性があります。
4.合理化された完全なデータ配信の重要性
まず第一に、データ品質は人工知能システムにおいて重要な役割を果たしていることに注意する必要があります。基本的に、データは人工知能の燃料です。時間と労力のほとんどは、仮説の形成とテストのための適切なデータセットの収集と調査に費やされます。経験によれば、AIイニシアチブの実装にかかる時間の約80％は、データの抽出、配信、前処理、特徴の構築であり、アルゴリズム自体のコンパイルではありません。高品質のデータセットを組み立てることがいかに重要であるか、そしてなぜそれを作成するのにそれほど時間がかかるのかをビジネス顧客に説明する必要があります。
私たちの経験では、プロジェクトの初期段階では、データがまったくないか、ストレージの深さと離散性の両方の点でデータの量が制限され、ギャップが多く、全体的に品質が低くなります。そして、これを処理する必要があります。不完全なデータで動作するモデルを構築する方法、低品質のモデルを最適に解釈する方法を理解する必要があります。
私たちの実践では、技術者や生産労働者が、AIシステムの評価や推奨の形成にまったく影響を与えない、多くの技術データの無用さを私たちに確信させた場合もありました。しかし、実際には、AIが技術プロセスの最も微妙な依存関係をキャプチャするのに役立ったのは、一見したところこれらの非ターゲットデータであり、モデルの予測力はそれらのために正確に増加したことが判明しました。
したがって、プロジェクトの最初から、データをスムーズかつ中断なく配信するための本格的なプラットフォームを準備することが重要です。データは、広範で多様で、高品質で有用である必要があります。特定の仮説をテストするために個々のデータを配信するためのチェーンを構築する代わりに、必要なデータセットをすばやく構成し、配信される情報の量を増やすのに十分な可能性があるプロセスを確立します。
5.長距離レース
ロシアの企業にとって、デジタルトランスフォーメーションの概念は、機械学習、ビッグデータ分析、人工知能、ロボット化、拡張現実の導入に関連しています。専門家によると、この方向での最大の成功は、それを一連の個別のイニシアチブとしてではなく、相互に関連するすべてのプロセスと会社の変化に影響を与える包括的なデジタル化プログラムと見なす企業によって達成されます。
AIプロジェクトは、他のイノベーションと同様に、ベンチャービジネスと見なす必要があります。すべてのプロジェクトが成果を上げるわけではなく、さらに少ないと具体的なメリットがもたらされますが、いくつかのプロジェクトは、すべてのコストを何度もカバーする利益をもたらします。
結果として、一見ユートピア的な概念からの早期の除草を避ける必要があります。宇宙への人間の飛行もかなり長い間古典的なユートピアのように見えました、それは科学のレベルで不可能であるとして拒絶されました。
結論
今日、人工知能は産業やビジネスのほとんどの分野に急速に浸透しています。ヒューマンマシンインタラクションの新しい現実には、以前に確立された技術プロセスとビジネスプロセスを再考する必要があります。デジタル爆発はすでに発生しており、デジタルユニバースは現在拡大しています。新しい世界の物理法則を理解し、現在のデジタルフロントの周辺をたどり、新しいテクノロジーを実験して導入することを恐れず、自分の活動分野におけるビジネスプロセスの効率の新しい定性的なレベルに移行することができる人。
文献
- +. / , ; . . , ; [. . . , . , . , . ]. – .: , , 2019. – 304 .
- .0. / : . . – .: «», 2019.-320 .