Більшість галузей, включаючи автомобільну, стикаються з руйнівними процесами трансформації завдяки штучному інтелекту. Юрген Хілл обговорив вплив штучного інтелекту на ІТ-стратегію з Яном Брехтом, ІТ-директором Mercedes-Benz Group AG.
Прогресивні технології на шляху "Мерседес-Бенц": зміна професійних профілів завдяки штучному інтелекту
Mercedes-Benz вже деякий час використовує машинне навчання і класичний штучний інтелект. Але зараз ви також використовуєте генеративний штучний інтелект, наприклад, у виробничому середовищі MO360. Про що саме йдеться і наскільки це змінює професійні профілі працівників?
Ян Брехт: Завдяки діджиталізації та дедалі ширшому використанню потужних систем штучного інтелекту в "Мерседес-Бенц" змінюються профілі роботи – як на виробництві, так і в управлінні. Штучний інтелект має на меті покращити та полегшити повсякденне робоче життя співробітників. Наприклад, завдяки новим цифровим інструментам працівники виробництва матимуть більше можливостей для оптимізації процесів, а також для управління якістю в довгостроковій перспективі.
Ваша компанія запустила кваліфікаційну ініціативу Turn2Learn. Яким навичкам у сфері штучного інтелекту або діджиталізації навчають співробітників?
Ян Брехт: Turn2Learn1, ініціатива нашого відділу кадрів, зосереджена саме на діджиталізації та штучному інтелекті. Програма включає ШІ та машинне навчання для початківців, навчальний курс "Швидкий інжиніринг", навчальні пропозиції з таких мов програмування, як Python, глибоке навчання/нейронні мережі, навчання з підкріпленням, роботизовану автоматизацію процесів та обробку природної мови.
Загалом працівники мають доступ до понад 40 000 курсів з кваліфікацій у сфері даних та штучного інтелекту на різних зовнішніх навчальних платформах. Ми також запустили ініціативу "Найкраща команда" в ІТ, адже наш найбільший актив – це наші люди. Тому для нас дуже важливо залучати та утримувати найкращих працівників і давати їм можливість повністю реалізувати свій індивідуальний потенціал.
Рекомендуємо прочитати: Google Chrome перезавантажується: як отримати новий дизайн?
Навчання для всіх: "Мерседес-Бенц" інвестує в цифрові навички співробітників як з виробництва, так і з офісу
Мерседес залучає до програми навчання лише виробничих працівників, чи також і офісних співробітників?
Ян Брехт: Ми інвестуємо в розвиток цифрових навичок у всіх сферах діяльності компанії. Незалежно від того, чи це колеги з виробництва, чи адміністрація, всі вони потребують правильних знань і нових навичок для ефективного використання додатків штучного інтелекту у своїй повсякденній роботі. У рамках двох пілотних програм ми вже навчаємо понад 600 співробітників з усіх підрозділів Групи, щоб вони стали фахівцями в галузі даних та штучного інтелекту.
Звичайно, ми ще не можемо з упевненістю сказати, який вплив матиме зростаюча діджиталізація і особливо генеративний штучний інтелект на майбутнє робоче життя. Але очевидно, що способи роботи зміняться так само сильно, як і самі профілі робочих місць. Саме тому кваліфікація є ключем до успішної трансформації.
Як зміняться методи роботи в процесі цифрової трансформації та в контексті впровадження штучного інтелекту?
Ян Брехт: Деякі види діяльності, безумовно, все більше переходитимуть до додатків зі штучним інтелектом, наприклад, повторювані види діяльності або діяльність з розпізнавання шаблонів, але це позитивна тенденція. Адже це означає, що відкриваються вільні простори для стратегічної або творчої роботи. Подібно до того, як автоматизація та впровадження виробничих роботів змінили спосіб виробництва автомобілів, штучний інтелект також принесе певні зміни. Але, зрештою, це стосується кожного нового інструменту, який з'являється в компанії з моменту винайдення автомобіля.
Від розробки ПЗ до обслуговування клієнтів: Mercedes-Benz активно впроваджує генеративний ШІ в різних сферах
Коли ми говоримо про навички співробітників, закономірно виникає питання: наскільки Mercedes-Benz вже просунувся у використанні генеративного штучного інтелекту?
Ян Брехт: Ми дійсно ефективно використовуємо генеративний штучний інтелект у деяких сферах, і мова йде не лише про тестування. Наприклад, з травня ми використовуємо GitHub Copilot для розробки програмного забезпечення. Ми побачили значне підвищення продуктивності.
Ми також використовуємо генеративний ШІ в клієнтському середовищі. Наприклад, у Великобританії ми запустили інтелектуального віртуального асистента, з яким клієнт може взаємодіяти на сайті. Він може надати конкретні відповіді на запитання про інструкцію з експлуатації та інформацію про автомобіль.
Наведу третій приклад, хоча застосувань набагато більше. У нашій екосистемі цифрового виробництва MO360 генеративний штучний інтелект допомагає нам аналізувати та обробляти дані. Завдяки великій мовній моделі (LLM) дані або шаблони даних можуть запитувати не лише експерти, використовуючи вузькоспеціалізовані запити до бази даних, але тепер і виробничі працівники, використовуючи природну мову. Наразі ми тестуємо це за допомогою ChatGPT від Microsoft. Зрештою, штучний інтелект прискорює "демократизацію використання даних".
У чому ви бачите різницю між штучним інтелектом і класичними системами машинного навчання, про які ми багато говорили у зв'язку з Індустрією 4.0?
Ян Брехт: Для мене є три основні кроки, які слід враховувати в цьому розвитку.
Наприкінці 1980-х років була опублікована знаменита теорія зворотного поширення (Back Propagation), яка стала основою для машинного навчання. Це була теорія, але на практиці вона так і не була реалізована.
Це сталося у 2000 році, коли нарешті з'явилася достатня і недорога обчислювальна потужність. Однак це залишалося темою для кількох вузькоспеціалізованих фахівців з обробки даних.
А тепер, на третьому етапі, ми спостерігаємо "демократизацію даних", про яку вже згадувалося для великих мовних моделей (ВММ), зокрема ChatGPT8. Ми можемо використовувати дані з природними, розмовними підказками – чи то в машині, чи то в компанії.
Взагалі, якщо кількісний прогрес достатньо великий, він стає і якісним, тобто змінює правила гри. Я бачу це і в сфері штучного інтелекту, розвиток якого значно прискорюється. Не те, щоб генеративний штучний інтелект робив щось принципово інше. Новим є те, що багато речей можна робити набагато швидше та ефективніше. Суть в тому, що це дійсно змінить правила гри і стане проривом.
Розробка ПЗ, обслуговування клієнтів та інженерія – три ключові сфери для впровадження ШІ в Mercedes-Benz
Раніше ви згадували діалог з кінцевим споживачем, який Mercedes-Benz зараз просуває у Великобританії, як приклад використання штучного інтелекту. У яких сферах ви бачите найбільший потенціал для ШІ – у виробництві, маркетингу, продажах чи інших сферах?
Ян Брехт: Ми дуже інтенсивно вивчали це питання, аналізували як зовнішні дослідження, так і пробували ШІ всередині компанії. Відповідаючи на запитання, я хотів би виділити три напрямки. Перша – це розробка програмного забезпечення, про яку я вже згадував раніше. Тут ми бачимо дуже чітке підвищення ефективності, як з інженерного боку, тобто в розробці транспортних засобів, так і з боку бізнесу.
Друга сфера для мене – це діалог із клієнтом. В осяжному майбутньому пряма взаємодія між ШІ та клієнтом, як це відбувається зараз у Великобританії, швидше за все, залишиться винятком. Однак я переконаний, що додатки зі штучним інтелектом допоможуть і надалі покращувати клієнтський досвід та оптимізувати процеси.
Ще одна сфера, де потрібно інвестувати багато робочої сили, – це параметричне проектування в інженерії. Там штучний інтелект призведе до значного підвищення продуктивності, оскільки він підтримує людей у їхній роботі.
Повернімося до виробництва. Ви використовуєте ChatGPT у виробничому середовищі MO360, взаємодіючи з інструментом аналітики. Пілот працює вже деякий час, який ваш перший досвід?
Ян Брехт: Я мав на увазі цей приклад, коли говорив раніше про запити до баз даних за допомогою команд природної мови. Перші результати дуже багатообіцяючі. Тим більше, що ми бачимо, що це сприймається не тільки ІТ-спеціалістами, але й майстрами на виробництві.
Я також бачу великий потенціал у застосуванні штучного інтелекту в інших сферах. Ви, безумовно, стежили за цим розвитком: аналітика, підготовка даних і т.д. раніше були на 100% сферою компетенції експертів. Потім настала ера низького коду, коли працівники могли самі створювати дашборди. А тепер ми робимо ще один крок уперед із генеративним штучним інтелектом.
Структури даних можуть бути отримані і використані дуже легко за допомогою клавіатури, так само, як і у випадку з розмовною мовою. Це те, куди ми рухаємося. Якість даних стає ще більш важливою, але це все ще застосовується скрізь.
Навчання prompt engineering в Mercedes-Benz: ключ до ефективного використання генеративного ШІ
Ви згадали про можливість введення даних за допомогою голосу або клавіатури. Чи потрібно навчати працівників користуватися підказками, чи запити до ШІ надсилаються через користувацький інтерфейс із заздалегідь визначеними варіантами введення?
Ян Брехт: Початкове навчання відбувається для відносно чітко визначених випадків використання, наприклад, на виробництві. Крім того, наші співробітники мають доступ до різних можливостей для подальшого навчання на цю тему, в тому числі до курсу з кий-інжинірингу. Вони також вчаться користуватися інструментами в цікавій формі, випробовують їх і бачать, що працює, а що ні.
Загалом, я вважаю, що Prompt Engineering – це те, чому треба вчитися. Я колись проходив такий тренінг. Незважаючи на те, що я вже досить добре орієнтувався в темах, я дізнався багато нового.
Насправді, виникає питання, чи варто пропонувати навчання більш широко в межах компанії, а не лише для кількох обраних ІТ-спеціалістів та спеціалістів з обробки даних. Це, безумовно, допоможе краще використовувати генеративний ШІ.
З якими проблемами ви вже зіткнулися з ШІ або ChatGPT? У деяких випадках ми помітили, що ШІ іноді дає неправильну інформацію, коли він повинен генерувати текст.
Ян Брехт: Ви згадали про знамениті галюцинації. Це, безумовно, виклик. Це також було дуже складно при безпосередній взаємодії з клієнтами у Великій Британії. Звичайно, можна максимально виключити галюцинації через перевірку правдоподібності та пов'язані з цим обмеження.
Але якщо ви встановите занадто суворі критерії, машина буде підказувати вам частіше, ніж вам хотілося б: "Я нічого не можу сказати про це". Ви повинні бути дуже обережними і знайти правильний баланс. Це, мабуть, найважливіше питання, яке потрібно вирішити на даний момент, і воно також лежить в основі досліджень ШІ: як ми можемо контролювати галюцинації?
Чи виявили ви якісь інші проблеми?
Ян Брехт: Є й інші виклики. Одна з них – якість даних. Водночас, я б радше говорив про повністю розвинену стару проблему. Як я вже згадував раніше, штучний інтелект працює лише тоді, коли моделі живляться якісними даними. Якщо у вас є області, де дані не дуже структуровані, недоліки якості стають особливо очевидними, коли ці дані використовуються як тренування для штучного інтелекту.
До речі, про навчальні дані: Mercedes-Benz, безсумнівно, навчатиме свої АІ-інструменти тільки на власних даних, чи не так?
Ян Брехт: Саме так. Наприклад, якщо ми хочемо наочно пояснити клієнтам, що таке наші автомобілі, це можна зробити лише за допомогою наших власних навчальних даних. До речі, навчання відбувається лише в захищених зонах цих середовищ штучного інтелекту, тому дані не можуть потрапити до громадськості. Звісно, є й загальнодоступні дані, які ми можемо використовувати для ШІ. Але особливо у виробничому середовищі ми покладаємося на власні дані.
Mercedes-Benz розглядає різні AI-провайдери: від Microsoft до відкритих рішень
У виробничому середовищі ви покладаєтеся на сервіси Azure OpenAI. Яку роль для Mercedes-Benz відіграють інші AI-рішення – я маю на увазі, наприклад, партнерство з Nvidia?
Ян Брехт: Наразі OpenAI зображують у ЗМІ як лідера в галузі штучного інтелекту. І дійсно, вони мають дуже хороше технічне рішення, але ми не будемо обмежуватися цим. Я думаю про Industrial Metaverse, наприклад, але це вже інша тема.
Звичайно, інші компанії також мають цікаві рішення. Ми також починаємо дуже уважно вивчати альтернативи з відкритим кодом. Окрім великих пропрієтарних постачальників, таких як OpenAI/Microsoft чи Google, нам також потрібно розуміти альтернативи з відкритим кодом.
Крім того, я вважаю, що ми не повинні розуміти штучний інтелект як двигун, який стоїть десь поруч з нами. ШІ має бути глибоко вплетений у наші системи та процеси. Саме тому ми вимагаємо від усіх наших системних партнерів, у тому числі традиційних, використовувати елементи штучного інтелекту у своїх середовищах. Штучний інтелект повинен знайти свій шлях у всьому системному ландшафті, і це станеться.
Ми ще не на цьому етапі. Згідно з нашими висновками, рішення з відкритим кодом також є більш специфічними, тому на це питання не можна відповісти в загальних рисах.
Для різних сфер, ймовірно, потрібні різні рішення з відкритим вихідним кодом. Але також має сенс і те, що специфічні підходи до ШІ не потребують гігантських обчислювальних потужностей, як загальні рішення для ШІ. Суть в тому, що також потрібно менше енергії, щоб підтримувати моделі в робочому стані.
Тож стратегія полягає в тому, щоб спочатку використовувати великі фундаментальні моделі для набуття досвіду. У довгостроковій перспективі ви плануєте створювати моделі штучного інтелекту для конкретних галузей, оскільки вони потребують менше ресурсів?
Ян Брехт: Так, це можливо. Ми, безумовно, хочемо бути готовими до того, що зможемо слідувати сценарію, який ви описали. У середньостроковій перспективі стане зрозуміло, яка модель є більш потужною – як з технічної, так і з комерційної точки зору. Важливо мати вибір, а також усвідомлювати ризики та регуляторні зміни.
