Vysvětlení výhod AI

 

Proč se transparentnost, integrace a důvěra stávají rozhodujícími v logistických technologiích? Peter MacLeod mluví s odborníkem.

Pokud by na letošním LogiMATu existovalo téma, které by hluk protínalo jasněji než většina ostatních, byla by to rychlost. Nejen rychlost operací, ale i rychlost nasazení, rychlost inovací a nakonec The Big One: rychlost návratnosti investic. Pro Inform Software tato diskuse stále více vede k širší otázce: jak mohou logistické organizace přijmout inteligentnější systémy, aniž by ztratily transparentnost, kontrolu nebo důvěru?

 

Dr. Bernd Heinrichs, který se mnou hovořil na rušné výstavní ploše ve Stuttgartu, SVP Inventory & Supply Chain, nastínil, jak společnost vidí vývoj umělé inteligence v prostředí dodavatelského řetězce a intralogistiky.

 

Rozšíření vrstvy optimalizace

Společnost Inform je již dlouho spojována s optimalizací ve složitých{0}}prostředích založených na datech. Ale jak se trhy stávají kolísavějšími, vyžaduje se od optimalizačních systémů, aby reagovaly rychleji, začlenily více signálů a podporovaly dynamičtější rozhodování-.

Tento posun je zvláště důležitý v prostředích, kde jsou rozhodnutí na sobě závislá. Změna v plánování poptávky může ovlivnit zásoby, přepravní kapacitu, alokaci pracovních sil nebo úroveň služeb. Doporučení učiněná v jedné části operace může mít důsledky jinde, a proto je transparentnost nezbytná pro každodenní--denní používání.

Pro Heinrichs musí AI v logistice prokázat svou praktickou hodnotu. "Nemluvím o umělé inteligenci. Mluvím o vysvětlitelné umělé inteligenci," říká. "Všechno, co děláme, vše, co navrhujeme, má své vysvětlení. Jinak tomu lidé nevěří."

Důvěra jako praktický požadavek

V rozhovorech se zákazníky z různých odvětví říká, že se opakovaně objevuje stejná otázka: "Proč systém zvolil tuto možnost a ne jinou?"

 

Na této otázce záleží, protože rozhodnutí o logistice jsou zřídkakdy přijímána pouze technologií. Zahrnují plánovače, manažery, provozní týmy a v mnoha případech i zákazníky nebo externí partnery. Pokud se tyto zúčastněné strany nemohou řídit zdůvodněním doporučení podporovaného AI-, je méně pravděpodobné, že podle něj budou jednat.

 

Pro Heinrichs by se to mohlo stát významným bodem diferenciace pro evropské poskytovatele technologií. „Umělou inteligenci dokážeme vybudovat stejně dobře jako kdokoli jiný, ale můžeme přidat něco jiného,“ říká. "Neměla by to být černá skříňka."

S tím, jak se společnosti snaží začlenit aplikace umělé inteligence do zavedených obchodních procesů, je tento rozdíl stále důležitější. Systémy musí být technicky silné, ale také musí být dostatečně srozumitelné, aby je uživatelé mohli zpochybňovat, ověřovat a zlepšovat.

 

Správa méně předvídatelných prostředí

Operační prostředí je stále obtížnější plánovat pouze s historickými daty. Vzorce poptávky se mění, zasahují vnější faktory a podmínky na trhu se mohou rychle měnit, často dříve, než jsou tyto změny jasně viditelné v číslech. „Musíte shromažďovat údaje v-reálném čase a nespoléhat se pouze na historická data,“ říká. "Musíte reagovat na volatilitu a integrovat signály z různých zdrojů do svých rozhodnutí."

To znamená posun od statičtějších optimalizačních modelů k responzivním systémům, které neustále berou v úvahu nové informace. "Je to čím dál dynamičtější," dodává. "Dalším krokem je učinit jej více agentnějším - reagovat samostatně na změny v prostředí."

 

Od zpráv k předpovědi

Jedním z příkladů Inform, který byl poprvé představen na LogiMAT, je nový přístup založený na umělé inteligenci- navržený tak, aby vnesl externí události přímo do prognózování a plánování scénářů. Výchozím bodem, říká Heinrichs, byla jednoduchá otázka: proč předpovědní modely tak často ignorují, co se děje ve světě kolem nich?

 

"Pokud dnes spustíte klasickou předpověď, je založena na historických číslech," vysvětluje. "Ale ve skutečnosti je poptávka neustále ovlivňována událostmi, jako jsou geopolitické konflikty, narušení dodavatelského řetězce, nová regulace nebo trendy na trhu. Tyto informace existují, ale obvykle jako zprávy, ne jako čísla."

Nové řešení je navrženo tak, aby tuto mezeru zaplnilo. Uživatelé poskytují časovou řadu, jako jsou údaje o prodeji nebo ukazatel trhu, a stručně popisují kontext. Umělá inteligence poté zkoumá relevantní zpravodajské události, analyzuje historické vztahy a vytváří několik možných budoucích scénářů. Výsledkem je prognóza doprovázená-podloženým vysvětlením, proč se trh může vyvíjet různými směry.

Člověk ve smyčce

Pro Heinrichse (na obrázku níže) vede diskuse o AI také přímo k roli lidské odbornosti. Umělá inteligence dokáže identifikovat vzory, zpracovat velké objemy informací a rychle vytvářet scénáře. Jeho hodnota se však zvyšuje, když lidé mohou přidat zkušenosti, kontext a úsudek, které data samotná nemohou poskytnout.

„AI je jen tak dobrá, jak dobrá jsou data, se kterými pracuje, a lidé, kteří jsou schopni dát těmto datům význam,“ říká. "To je důvod, proč člověk zůstává nezbytnou součástí smyčky."

V praxi to znamená, že plánovači-nebudou z procesu odstraněni. Zůstávají pro něj ústřední. Jejich úlohou je ověřovat scénáře, zpochybňovat předpoklady a zpřesňovat výstupy na základě provozních znalostí nebo tržní intuice.

 

„Pokud lidé chápou, proč systém něco doporučuje, mohou se rozhodnout, zda mu budou důvěřovat, zpochybňovat to nebo to zlepšovat,“ vysvětluje Heinrichs. "To je místo, kde se spolupráce mezi lidským úsudkem a strojovou inteligencí stává opravdu silnou."

 

Integrace a interoperabilita

Dalším konzistentním tématem v diskusích se zákazníky je integrace. S tím, jak se logistické operace stále více propojují, je schopnost propojit aplikace řízené AI-se stávajícími systémy zásadní. "Vždy dostáváme otázku: jak se integruji se svým ERP systémem, mými dalšími řešeními?" Heinrichs mi říká. Reakcí společnosti Inform byla standardizace konektorů a sladění s hlavními platformami, jako jsou SAP a Microsoft. Výsledkem je přímější integrační cesta, která snižuje náklady i dobu implementace.

 

„Je to velký rozdíl,“ dodává. "A také nám to usnadňuje mezinárodní expanzi."
To je zásadní bod při přijímání AI. I ta nejpokročilejší aplikace bude mít potíže s vytvářením hodnoty, pokud bude stát odděleně od systémů, kde jsou podnikové procesy skutečně řízeny. Logistické společnosti již fungují se zavedeným prostředím IT a nová řešení musí do těchto prostředí zapadat, aniž by vytvářela další složitost.

 

 

Odpovědnost za data

Se zvýšenou konektivitou a využitím dat přichází zvýšená kontrola bezpečnosti. Heinrichsovo pozadí v oblasti kybernetické bezpečnosti svědčí o silném postoji k této otázce. „Každý výrobek musí mít před zhasnutím bezpečnostní razítko,“ říká. "Je to povinné."

S tím, jak modely umělé inteligence využívají širší zdroje dat – včetně externích zdrojů, jako jsou zprávy a informace o trhu – roste složitost správy a zabezpečení těchto dat. "Množství dat, které využíváme, vytváří obrovskou poptávku z hlediska zabezpečení dat," poznamenává Heinrichs. "Musíš zůstat nad tím."

 

Trh připravený k pohybu

Snad nejmarkantnější je Heinrichsovo hodnocení sentimentu na trhu. Spíše než opatrnost vidí rostoucí chuť experimentovat a rychlý pokrok.

„Zákazníci nás žádají, abychom přišli s nápady,“ říká. "Jsou ochotni rychle vyhrát, rychle selhat." Tato otevřenost vytváří úrodnou půdu pro inteligentní řešení, která mohou přinést hmatatelná zlepšení bez setrvačnosti velkých-transformačních projektů.

 

Pro mnoho společností nebude další fáze digitalizace definována pouze AI. Bude definována umělou inteligencí, která se sama vysvětlí, čistě propojí se stávajícími systémy a podpoří rozhodnutí, kterým lidé mohou důvěřovat.