​​Модель MELDS: як максимізувати вигоду від використання роботів і ШІ

Для створення умов, у яких організації зможуть використовувати роботів і штучний інтелект (ШІ) із максимальною для себе вигодою, у книзі «Human + Machine» наводиться цікава модель під назвою MELDS (Mindset, Experimentation, Leadership, Data, Skills).

➡️ Mindset. Застосування ШІ для вдосконалення того, що вже робиться, приносить лише тимчасові, незначні вигоди. Аби ваші переваги перед конкурентами зросли експоненціально, перегляньте модель ведення бізнесу. Визначте проблему, яка потребує вирішення. Залучіть клієнтів і співробітників до обговорення нових підходів до бізнесу і протестуйте найкращі ідеї за допомогою 3-етапного процесу: експериментів, аналізу результатів і покрокових поліпшень.

Наприклад, Audi поставила за мету прискорити складний ремонт автомобілів у дилерських центрах у США і знизити витрати. Замість того щоб відправляти до дилерів своїх механіків, Audi вирішила з’ясувати, чи зможуть роботи служити очима і вухами фахівців, щоб ті могли працювати віддалено. Було розроблено і протестовано прототипи таких роботів, і сьогодні ними вже оснащуються дилерські центри Audi в США.

➡️ Experimentation. Експериментування є надважливою частиною моделі. Компанія Amazon трансформувала ритейл, створивши новий тип магазину — Amazon Go. Покупці заходять у магазин, беруть необхідне і йдуть, не розплачуючись. Системи розпізнавання облич і предметів впізнають клієнтів і взяті ними товари, а штучний інтелект автоматично списує гроші з їхнього рахунку в Amazon.

➡️ Leadership. Далекоглядні лідери наполягають на тому, щоб люди і машини працювали разом. Вони розуміють, що люди все ще не довіряють алгоритмам. Розповідаючи співробітникам про переваги використання ШІ, такі як скорочення рутинної роботи, вони відкрито говорять і про його недоліки. Щоб підвищити довіру до штучного інтелекту, чітко окресліть межі — позначте те, що він робити не може. Доручіть співробітникам спостерігати за його діями і контролювати їх. Поясніть їм завдання кожного алгоритму і підкресліть, що контроль залишається цілком і повністю в їхніх руках.

➡️ Data. Дані — це паливо для ШІ та алгоритмів. Палива має бути багато, і воно має бути високої якості. Шукайте більше різних джерел даних — внутрішніх і зовнішніх. Для навчання штучного інтелекту потрібна різноманітність. Збільшуйте швидкість потоку даних, щоб отримувати результати в режимі, що наближається до реального часу. Знаходьте дані, які допоможуть алгоритмам удосконалюватися. Доручіть людям перевірку даних, щоб не допустити спотворення результатів через упередженість. Введіть посаду «керівника ланцюжка постачання даних», який відповідатиме за стійкість, обсяг, швидкість і різноманітність потоку даних.

➡️ Skills. Для пошуку шляхів удосконалення промислових виробів, таких як реактивні двигуни, в General Electric використовують їхні цифрові двійники (digital twins). Оператор цифрового двигуна працює в гарнітурі доповненої реальності, взаємодіючи з ШІ, що визначає, який вплив чиниться на двигун, куди цей вплив спрямований і що потрібно зробити з реальним двигуном, щоб уникнути втрат або отримати приріст продуктивності.

Співробітники мають навчитися працювати зі штучним інтелектом як з помічником — інструментом, який у багато разів підвищує ефективність їхньої праці. У майбутньому вони звикнуть навчати ШІ, ділитися з ним знаннями і вчитися у нього.

#модель #ШІ