Производствената индустрия познава разделение, което малко други сектори имат. От една страна стои операционната техника: системи за управление, сензори, предиктивна поддръжка и контрол на качеството с разпознаване на образи. Тези системи обикновено са придобити официално, вградени в машини или производствени линии, и подчинени на съществуващите инженерни и безопасни процедури. От друга страна стои офисната и щабната среда: снабдяване, планиране, инженерна поддръжка, контакт с клиенти и администрация. Там генеративният AI се появява по същия начин както във всяка друга организация — през браузър, отделен акаунт, отделен абонамент.
Съотношението между тези два слоя определя как трябва да се изгради подход за управление. Докато операционната техника е относително добре документирана, защото е част от капиталови инвестиции и договори за поддръжка, офисният слой често не е фиксиран никъде. Който гледа само производствената линия, вижда само част от това, което в организацията се използва по отношение на AI.
Преглед на одобрен софтуер рядко разказва цялата история. Инженер, който възлага обобщение на чертеж, планьор, който използва AI инструмент за преподреждане на графици за доставка, снабдител, който възлага сравняване на офертите на външен модел — това често се случва без подадена заявка или регистриран лиценз. Това не е небрежност; това е практическа последица от натиск във времето и наличието на безплатни или евтини инструменти.
За ръководител или риск-мениджър тъкмо този сенчест AI е истинската точка на внимание. Въпросът не е само какво организацията е закупила, а какво се използва ежедневно, за да се свърши работа по-бързо. Разкриването на това изисква друг подход от технически одит: изисква хората да са готови да разкажат какво използват, без този разговор да се усеща като задължение за отчетност. Който попита „кой е използвал тук нещо без разрешение“, не получава отговор. Който попита „какво използвате, за да свършите работата си“, получава отговор.
Не всяко използване на AI в производствената индустрия носи еднаква тежест. AI приложение, което участва в валидиране на дизайн или контрол на качеството на краен продукт, засяга безопасност и отговорност по различен начин от инструмент, който съставя имейл до доставчик. Система, която влияе на производственото планиране, може да има последици за срокове на доставка и договорни задължения; инструмент, който обобщава вътрешни бележки, обикновено не.
Това разграничение е основата на класификацията: не всяко използване на AI трябва да получи еднакъв надзор, но разликата трябва да се направи, и то на база на това какво прави системата и на какво влияе — не на база на къде е било придобито. Инструмент, изтеглен от отделен служител, може да има толкова голямо влияние върху резултата към клиент, колкото система, закупена по официален път.
Производствената индустрия рядко работи самостоятелно. Доставчици, подизпълнители и клиенти са част от същия процес, и използването на AI при една от тези страни може да влияе на това, което организацията сама доставя. Ако доставчик използва AI за интерпретиране на спецификации или генериране на отчети за качество, се създава зависимост, която не е видима в собствените системи, но е релевантна за онзи, който носи отговорност за крайния продукт.
Това е разлика спрямо секторите, при които основният процес се разиграва предимно в собствените стени. Подход за AI-управление в производствената индустрия затова трябва не само да картографира вътрешното използване, но и да формира представа за къде във веригата AI играе роля при решения, които в крайна сметка засягат организацията.
Повечето производствени компании вече имат рискови структури: за безопасност на продукта, за управление на качеството, за оценка на доставчиците. AI-управлението работи по-добре, когато се свързва с това, което вече съществува, вместо да се превръща в нов, изолиран процес. Класификация на AI приложения по нивo на риск например може да се свърже със съществуващи критерии за оценка на доставчици или със системата за управление на качеството, така че докладването пред ръководството или надзорния съвет да не се превърне в отделен процес до съществуващите линии на отчетност, а да бъде включено в тях.
Как точно се осъществява тази връзка, се различава по организация и зависи от съществуващата структура на управление. Други сектори познават сходни въпроси от различна структура: в транспортния сектор съществува сходно напрежение между операционни системи и офисно използване, в аграрния сектор зависимостта от веригата често е още по-директно осезаема, а в бизнес услугите операционният слой почти липсва, поради което сенчестият AI там е почти единственият слой, който трябва да се картографира.
Инвентаризация на използването на AI и класификация по риск дават на организацията представа за това какво се случва и къде е необходим надзор. Този въпрос е продължение на друг въпрос, който много производствени компании си задават: коя част от самата работа, на ниво отделни задачи, всъщност може да бъде поета от AI. Докато управлението картографира какво се случва и кой носи отговорност за това, работният скенер на FTE TO AI изчислява за всяка задача коя част действително подлежи на поемане — въпрос, на който може да се отговори добре само след като вече е ясно какво вече работи.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.