Zpracovatelský průmysl má rozdělení, které málokteré jiné odvětví má. Na jedné straně stojí provozní technika: řídicí systémy, senzory, prediktivní údržba a kontrola kvality pomocí rozpoznávání obrazu. Tyto systémy jsou často formálně pořízeny, zabudovány do strojů nebo výrobních linek a podléhají existujícím inženýrským a bezpečnostním postupům. Na druhé straně stojí kancelářské a štábní prostředí: nákup, plánování, podpora inženýringu, kontakt se zákazníky a administrativa. Tam se generativní AI objevuje stejným způsobem jako v jakékoli jiné organizaci — přes prohlížeč, samostatný účet, samostatné předplatné.
Poměr mezi těmito dvěma vrstvami určuje, jak má být přístup ke governance nastaven. Zatímco provozní technika je poměrně dobře zdokumentovaná, protože je součástí kapitálových investic a servisních smluv, kancelářská vrstva většinou není zaznamenaná nikde. Kdo se dívá pouze na výrobní linku, vidí jen zlomek toho, co se v organizaci s AI skutečně používá.
Přehled schváleného softwaru málokdy vypovídá celý příběh. Inženýr, který nechá shrnout výkres, plánovač, který použije nástroj AI k přeskládání dodavatelských plánů, nákupčí, který nechá externí model porovnat nabídky — to vše se často děje bez podané žádosti nebo zaregistrované licence. Nejde o nedbalost; je to praktický důsledek časového tlaku a dostupnosti bezplatných nebo levných nástrojů.
Tato stínová AI je pro vedení nebo risk manažera skutečným bodem pozornosti. Otázkou není jen to, co organizace pořídila, ale co se denně používá k rychlejšímu vykonávání práce. Zjistit to vyžaduje jiný přístup než technický audit: vyžaduje to, aby lidé byli ochotni říct, co používají, aniž by tento rozhovor působil jako povinnost se zodpovídat. Kdo se zeptá „kdo tu bez povolení něco použil", nedostane odpověď. Kdo se zeptá „co používáte k vykonávání své práce", odpověď dostane.
Ne každé použití AI ve zpracovatelském průmyslu nese stejnou váhu. Aplikace AI, která se podílí na validaci návrhu nebo kontrole kvality konečného produktu, se dotýká bezpečnosti a odpovědnosti jiným způsobem než nástroj, který sestavuje e-mail dodavateli. Systém, který ovlivňuje plánování výroby, může mít dopad na dodací lhůty a smluvní závazky; nástroj, který shrnuje interní poznámky, obvykle ne.
Toto rozlišení je základem klasifikace: ne veškeré používání AI musí podléhat stejnému dohledu, ale rozdíl musí být učiněn, a to na základě toho, co systém dělá a na co má vliv — nikoli na základě toho, kde byl pořízen. Nástroj, který si stáhl jednotlivý zaměstnanec, může mít stejně velký vliv na výstup směrem k zákazníkovi jako systém pořízený formálním procesem.
Zpracovatelský průmysl málokdy funguje sám o sobě. Dodavatelé, subdodavatelé a zákazníci jsou součástí stejného procesu a používání AI u jedné z těchto stran může ovlivnit to, co organizace sama dodává. Pokud dodavatel používá AI k interpretaci specifikací nebo generování zpráv o kvalitě, vzniká závislost, která není viditelná ve vlastních systémech, ale je relevantní pro toho, kdo nese odpovědnost za konečný produkt.
Toto je rozdíl oproti odvětvím, kde se primární proces odehrává převážně uvnitř vlastních zdí. Přístup ke governance AI ve zpracovatelském průmyslu by proto neměl mapovat pouze interní používání, ale měl by si také vytvořit obraz o tom, kde v dodavatelském řetězci hraje AI roli při rozhodnutích, která se nakonec týkají organizace.
Většina výrobních firem už má rizikové struktury: pro bezpečnost produktů, pro řízení kvality, pro hodnocení dodavatelů. AI governance funguje lépe, pokud naváže na to, co už existuje, místo aby se stala novým, izolovaným procesem. Klasifikace aplikací AI podle úrovně rizika může být například napojena na existující hodnoticí kritéria pro dodavatele nebo na systém řízení kvality, takže reportování vedení nebo dozorčí radě nestojí jako samostatný proces vedle existujících linií odpovědnosti, ale je do nich zahrnuto.
Jak přesně toto napojení vypadá, se liší podle organizace a závisí na existujícím uspořádání governance. Jiná odvětví znají podobné otázky z jiné struktury: v dopravním sektoru hraje podobné napětí mezi provozními systémy a kancelářským používáním svou roli, v zemědělském sektoru je závislost na dodavatelském řetězci často ještě přímější, a v podnikatelských službách provozní vrstva do značné míry chybí, takže stínová AI je tam prakticky jedinou vrstvou, kterou je třeba zmapovat.
Inventář používání AI a klasifikace podle rizika dávají organizaci přehled o tom, co se děje a kde je potřeba dohled. Tato otázka navazuje na jinou otázku, kterou si klade mnoho výrobních firem: jakou část práce samotné, na úrovni jednotlivých úkolů, je vlastně možné převzít pomocí AI. Zatímco governance mapuje, co se děje a kdo za to nese odpovědnost, pracovní scan FTE TO AI vypočítává pro každý úkol, jaká část skutečně přichází v úvahu pro převzetí — otázka, na kterou lze dobře odpovědět až tehdy, když je nejprve jasné, co už funguje.
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.