В транспорта и логистиката AI често не се намира в отделна система с име и собственик, а е вплетен в самата операция: планиране на маршрути, оптимизация на товарене, системи за предиктивна поддръжка, прогнозиране на търсенето, и алгоритмите, които определят кой шофьор получава кой курс. Част от това навлиза чрез софтуер на превозвачи, спедитори или платформи, и следователно работи с правила за вземане на решения, които собствената организация не е задала сама и понякога не може да види напълно. Съотношението между това, което отделът по планиране е закупил сам, и това, което навлиза чрез партньори във вериги или вградена функционалност, непрекъснато се променя. Това не прави инвентаризацията в този сектор по-лесна от другаде, но я прави различна: въпросът не е само кой е инсталирал AI-инструмент, а и кои автоматизирани решения вече присъстват в съществуващи системи, преди някой да ги обозначи като AI.
Преглед на одобрения софтуер рядко разказва цялата история. Планьори, които използват AI-инструмент за оптимизиране на маршрути, служители в клиентско обслужване, които използват чатбот за track-and-trace, или служител в склад, който използва приложение за прогнозиране на запасите: такива приложения често се появяват локално, движени от времеви натиск или конкретна задача, без да е подадена заявка от някого. Който иска да картографира това, трябва да попита хората, които извършват работата, а това е възможно само ако задаването на въпроси не води веднага до корекция. Организация, която иска да открие сенчест AI, трябва първо да покаже ясно, че докладването не носи риск.
Инвентаризация, която надхвърля ИТ-списъка, показва кои AI-приложения действително се използват, къде в процеса се намират и кой взема решения въз основа на тях. При транспорта и логистиката това често означава разграничаване между системи, които само дават препоръки, системи, които автоматично планират без човешка намеса, и системи, които имат ефект върху хора извън организацията, като шофьори или клиенти, на които се показва време за доставка въз основа на прогноза. Това разграничение е важно, защото с него се променя нивото на риск: инструмент, който само дава предложение на планьор, изисква различна форма на надзор от система, която самостоятелно определя графици или маршрути.
След инвентаризацията следва въпросът какво точно прави всяко приложение и за кого. Система, която предвижда кога е необходима поддръжка, има различно въздействие от система, която определя кой шофьор получава курс въз основа на данни за представяне. Класификацията тук не означава прилагане на фиксиран шаблон, а подреждане на това, което е открито: кое приложение засяга решения относно хора, кое засяга само логистична оптимизация, и кое функционира изцяло поддържащо. Актуалната регулация, която определя какви задължения се свързват с кое ниво на риск, е описана на друго място; тук става дума за структурата, необходима за прилагането на тези правила по-късно, каквото и точно да предписва текстът.
Транспортните компании обикновено вече работят с управление на риска около безопасност, планиране и съответствие. AI-governance не трябва да е нов апарат до тази съществуваща система; работи по-добре, когато класификацията на AI-приложенията се свързва с категории, които вече съществуват, така че управител или риск-мениджър да не трябва да поддържа два отделни прегледа. Това изисква набор от governance-елементи, който посочва кой управлява приложение, кой носи отговорност за него и какъв контрол съществува върху него, във форма, съответстваща на съществуващата структура за отчетност и отговорност.
Управител или General Counsel, от когото се иска да декларира кои AI-системи са активни в организацията, трябва да може да подкрепи това с повече от списък от системата за покупки. Доказуемост означава, че съществува актуален преглед на приложенията, тяхната класификация и статуса на надзора върху тях, и че този преглед издържа, когато някой задава допълнителни въпроси. Други сектори имат сходни въпроси, както се вижда при AI-governance в търговията на дребно, AI-governance в земеделския сектор и AI-governance в ICT-сектора, всеки път със собствено съотношение между това, което е закупено централно, и това, което е възникнало локално.
Responsible AI Scan, който обединява тази инвентаризация, класификация и governance-структура, е в процес на разработка. Който иска да работи с това, може да се запише в списъка на чакащите; в момента няма готов продукт за поръчка, и това не се представя различно тук.
Веднъж като стане ясно кои AI-приложения работят в транспортната верига и какво ниво на риск им подхожда, възниква следващ въпрос, на който инвентаризацията не отговаря: колко от работата, която планьори, шофьори или служители в клиентско обслужване извършват в момента, действително може да бъде поета от тези приложения. Този въпрос е близък до governance, но не е идентичен с него, и на него отговаря работният скенер на FTE TO AI, който за всяка задача изчислява каква част от работата може да бъде поета от AI.
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.