Објашњавање предности АИ

 

Зашто транспарентност, интеграција и поверење постају одлучујући у логистичкој технологији? Петер МацЛеод разговара са стручњаком.

На овогодишњем ЛогиМАТ-у, да постоји тема која је јасније пресецала буку од већине, то би била брзина. Не само брзина операција, већ и брзина примене, брзина иновације и на крају Велика: брзина поврата улагања. За Информ Софтваре, та дискусија све више води ка ширем питању: како логистичке организације могу усвојити интелигентније системе без губитка транспарентности, контроле или поверења?

 

Говорећи са мном на ужурбаном изложбеном простору у Штутгарту, Информ-ов СВП за инвентар и ланац снабдевања, др Бернд Хајнрихс је изнео како компанија види развој вештачке интелигенције у ланцу снабдевања и интралогистичким окружењима.

 

Проширивање слоја оптимизације

Информ је дуго био повезан са оптимизацијом у сложеним окружењима{0}}вођеним подацима. Али како тржишта постају све нестабилнија, од система за оптимизацију се тражи да брже реагују, уграде више сигнала и подржавају динамичније-доношење одлука.

Тај помак је посебно релевантан у окружењима у којима су одлуке међузависне. Промена у планирању потражње може утицати на инвентар, транспортне капацитете, расподелу радне снаге или нивое услуга. Препорука дата у једном делу операције може да створи последице на другим местима, што чини транспарентност неопходном за свакодневну-у-дневну употребу.

За Хајнрихса, овде АИ у логистици мора да докаже своју практичну вредност. „Не говорим о вештачкој интелигенцији. Говорим о објашњивој вештачкој интелигенцији“, каже он. „Све што радимо, све што предлажемо има објашњење. У супротном, људи немају поверења у то.

Поверење као практичан услов

У разговорима са купцима из различитих индустрија, он каже да се исто питање стално појављује: „Зашто је систем изабрао ту опцију, а не другу?“

 

Питање је важно јер логистичке одлуке ретко доноси сама технологија. Они укључују планере, менаџере, оперативне тимове и, у многим случајевима, клијенте или екстерне партнере. Ако ове заинтересоване стране не могу да прате разлоге за препоруку коју подржава АИ-, мање је вероватно да ће поступити по њој.

 

За Хајнрихса, ово би могло да постане значајна тачка диференцијације за европске добављаче технологије. „Можемо да изградимо вештачку интелигенцију као и било ко, али можемо додати нешто другачије“, каже он. „То не би требало да буде црна кутија.

Како компаније желе да уграде АИ апликације у успостављене пословне процесе, та разлика постаје све важнија. Системи морају да буду технички јаки, али такође морају да буду довољно разумљиви да их корисници временом изазову, потврде и побољшају.

 

Управљање мање предвидљивим окружењем

Оперативна окружења постаје све теже планирати само са историјским подацима. Обрасци тражње се мењају, спољни фактори интервенишу и тржишни услови се могу брзо променити, често пре него што те промене буду јасно видљиве у бројевима. „Морате да прикупљате-податке у реалном времену и да се не ослањате само на историјске податке“, каже он. „Морате да реагујете на нестабилност и интегришете сигнале из различитих извора у своје одлуке.

Ово означава помак од више статичних модела оптимизације ка системима који реагују, који континуирано узимају у обзир нове информације. „Постаје динамичнији“, додаје он. „Следећи корак је да га учинимо агентурнијим – да самостално реагује на промене у окружењу.“

 

Од вести до прогнозе

Један пример Информа који је први пут представљен на ЛогиМАТ-у је нови приступ заснован на вештачкој интелигенцији- дизајниран да доведе екстерне догађаје директно у предвиђање и планирање сценарија. Полазна тачка, каже Хајнрихс, било је једноставно питање: зашто модели предвиђања тако често игноришу оно што се дешава у свету око њих?

 

„Ако данас водите класичну прогнозу, она се заснива на историјским личностима“, објашњава он. "Али у стварности, потражња је стално под утицајем догађаја као што су геополитички сукоби, прекид ланца снабдевања, нова регулатива или тржишни трендови. Ове информације постоје, али обично као вести, а не као бројке."

Ново решење је дизајнирано да затвори тај јаз. Корисници дају временску серију, као што су подаци о продаји или тржишни индикатор, и укратко описују контекст. АИ затим истражује релевантне вести, анализира историјске односе и генерише неколико могућих будућих сценарија. Резултат је прогноза праћена објашњењем-заснованим на доказима зашто се тржиште може развијати у различитим правцима.

Човек у петљи

За Хајнрихса (на слици испод), расправа о вештачкој интелигенцији такође води директно до улоге људске експертизе. АИ може да идентификује обрасце, обрађује велике количине информација и брзо производи сценарије. Али његова вредност се повећава када људи могу да додају искуство, контекст и расуђивање које сами подаци не могу да пруже.

„АИ је добар онолико колико су добри подаци са којима ради и људи који су у стању да тим подацима дају значење“, каже он. „Зато човек остаје суштински део петље.

У пракси, то значи да планери и{0}}доносиоци одлука нису уклоњени из процеса. Они остају централни за то. Њихова улога је да потврђују сценарије, преиспитују претпоставке и прецизирају резултате на основу оперативног знања или тржишне интуиције.

 

„Ако људи разумеју зашто систем нешто препоручује, могу да одлуче да ли да му верују, доводе у питање или га побољшају“, објашњава Хајнрихс. „Тамо сарадња између људског расуђивања и машинске интелигенције постаје заиста моћна.

 

Интеграција и интероперабилност

Друга конзистентна тема у дискусијама купаца је интеграција. Како логистичке операције постају све више међусобно повезане, могућност повезивања апликација вођених вештачком интелигенцијом- са постојећим системима постаје од суштинског значаја. „Увек добијамо питање: како да се интегришем са својим ЕРП системом, мојим другим решењима?“ Хајнрих ми каже. Информ-ов одговор је био да стандардизује конекторе и усклади се са главним платформама као што су САП и Мицрософт. Резултат је једноставнији пут интеграције, смањујући и трошкове и време имплементације.

 

„То чини велику разлику“, додаје он. „И такође нам олакшава међународно ширење.
Ово је кључна тачка у усвајању АИ. Чак и најнапреднија апликација ће се борити да створи вредност ако је одвојена од система у којима се заправо управља пословним процесима. Логистичке компаније већ послују са успостављеним ИТ пејзажима, а нова решења морају да се уклопе у та окружења без стварања додатне сложености.

 

 

Одговорност за податке

Са повећаном везом и употребом података долази до појачаног надзора око безбедности. Хајнрихсово искуство у сајбер безбедности даје чврст став по овом питању. „Сваки производ мора да има заштитни печат пре него што изађе“, каже он. „То је обавезно.

Како се АИ модели ослањају на шире изворе података – укључујући екстерне фидове као што су вести и информације о тржишту – расте сложеност управљања и обезбеђивања тих података. „Количина података коју користимо ствара огромну потражњу у смислу безбедности података“, примећује Хајнрихс. "Морате остати на врху."

 

Тржиште спремно за покрет

Можда најупечатљивија је Хајнрихова процена тржишног расположења. Уместо опреза, он види све већи апетит за експериментисањем и брз напредак.

„Купци траже од нас да дођемо са идејама“, каже он. "Спремни су да брзо победе, брзо пропадну." Та отвореност ствара плодно тло за интелигентна решења која могу да донесу опипљива побољшања без инерције великих-пројеката трансформације.

 

За многе компаније следећу фазу дигитализације неће дефинисати само вештачка интелигенција. Дефинисаће га вештачка интелигенција која сама себе објашњава, јасно се повезује са постојећим системима и подржава одлуке којима људи могу да верују.