Transpordi- ja logistikasektoris ei asu AI tihtipeale eraldiseisvas süsteemis, millel on nimi ja omanik, vaid on põimunud operatsiooni sisse: teekonna planeerimine, laadimise optimeerimine, ennustava hoolduse süsteemid, nõudluse prognoosimine ja algoritmid, mis määravad, milline juht millise sõidu saab. Osa sellest jõuab organisatsiooni transportijate, ekspedeerijate või platvormide tarkvara kaudu ning töötab seega otsustusreeglitega, mida organisatsioon ei ole ise seadistanud ja mida ta mõnikord ei suuda täielikult jälgida. Suhe selle vahel, mida planeerimisosakond on ise soetanud, ja selle vahel, mis tuleb ketipartnerite kaudu või sisseehitatud funktsionaalsusena, muutub pidevalt. See ei tee inventuuri koostamist selles sektoris mujal võrreldes lihtsamaks, aga see on erinev: küsimus ei ole ainult see, kes on paigaldanud AI-tööriista, vaid ka see, millised automatiseeritud otsused olid juba olemasolevates süsteemides enne, kui keegi need AI-ks nimetas.
Heaks kiidetud tarkvara ülevaade ei annab harva täielikku pilti. Planeerijad, kes kasutavad AI-tööriista teekondade optimeerimiseks, klienditeenindus, kes rakendab jututehnist track-and-trace jaoks, või laotöötaja, kes kasutab rakendust varude prognoosimiseks: sellised rakendused tekivad tihti kohapeal, ajapressi või konkreetse ülesande ajel, ilma et keegi oleks selleks taotlust esitanud. Kes tahab sellest ülevaadet saada, peab selle kohta küsima inimestelt, kes tööd tegelikult teevad, ja see toimib ainult siis, kui küsimuste esitamine ei too kaasa kohest korrektsiooni. Organisatsioon, mis tahab leida varju-AI-d, peab esmalt selgeks tegema, et teavitamine ei too kaasa riski.
Inventuur, mis läheb kaugemale IT-nimekirjast, toob esile, milliseid AI-rakendusi tegelikult kasutatakse, kus protsessis need paiknevad ja kes seob nendega otsuseid. Transpordis ja logistikas tähendab see tihti eristust süsteemide vahel, mis ainult nõustavad, süsteemide vahel, mis planeerivad automaatselt ilma sekkumiseta, ja süsteemide vahel, mis mõjutavad inimesi väljaspool organisatsiooni, näiteks juhte või kliente, kellele näidatakse ennustusel põhinevat tarneaega. See eristus on oluline, kuna sellega muutub riskitase: tööriist, mis annab planeerijale ainult soovituse, vajab teistsugust järelevalvevormi kui süsteem, mis kehtestab iseseisvalt graafikuid või teekondi.
Pärast inventuuri tuleb küsimus, mida iga rakendus täpselt teeb ja kelle jaoks. Süsteem, mis ennustab, millal on hooldus vajalik, mõjutab teisiti kui süsteem, mis määrab, milline juht saab sõidu tulemuslikkuse andmete alusel. Klassifitseerimine ei tähenda siin fikseeritud malli rakendamist, vaid selle korrastamist, mis on leitud: milline rakendus mõjutab otsuseid inimeste kohta, milline mõjutab ainult logistilist optimeerimist ja milline toimib puhtalt toetavana. Kehtiv regulatsioon, mis määrab, millised kohustused on seotud millise riskitasemega, on käsitletud mujal; siin on jutt struktuurist, mis on vajalik nende reeglite hilisemaks rakendamiseks, olenemata sellest, mida tekst täpselt ette näeb.
Transpordiettevõtted töötavad tavaliselt juba riskijuhtimisega ohutuse, planeerimise ja vastavuse valdkonnas. AI-juhtimine ei pea olema uus lisaseade olemasoleva süsteemi kõrval; see toimib paremini, kui AI-rakenduste klassifitseerimine ühendub kategooriatega, mis juba eksisteerivad, nii et juhatuse liige või riskijuht ei peaks pidama kahte eraldi ülevaadet. See eeldab juhtimiskogumit, kus on kirjas, kes rakendust haldab, kes selle eest vastutab ja milline kontroll selle üle eksisteerib, vormis, mis sobib olemasoleva aruandlus- ja vastutusstruktuuriga.
Juhatuse liige või General Counsel, kellelt küsitakse, milliseid AI-süsteeme organisatsioonis kasutatakse, peab suutma selle põhjendada rohkemaga kui hankesüsteemi nimekirjaga. Tõendatavus tähendab, et olemas on ajakohane ülevaade rakendustest, nende klassifikatsioonist ja järelevalve olekust, ja et see ülevaade peab vastu ka siis, kui keegi esitab täpsustavaid küsimusi. Teistes sektorites esineb sarnaseid küsimusi, nagu näha AI-juhtimine jaekaubandussektoris, AI-juhtimine põllumajandussektoris ja AI-juhtimine IKT-sektoris puhul, kus igal juhul on omapärane suhe selle vahel, mis on tsentraalselt soetatud ja mis on kohapeal tekkinud.
Responsible AI Scan, mis toob kokku selle inventuuri, klassifikatsiooni ja juhtimisstruktuuri, on ehitamisel. Kes soovib sellega tegelema hakata, saab registreeruda ootenimekirja; praegu ei ole tellitav valmis toode ja seda ei esitata siin teisiti.
Niipea kui on selge, milliseid AI-rakendusi transpordiketis kasutatakse ja milline riskitase nendega kaasneb, tekib järgmine küsimus, millele inventuuriga vastust ei saa: kui palju sellest tööst, mida planeerijad, juhid või klienditeenindajad praegu teevad, on nende rakendustega tegelikult üle võetav. See küsimus on juhtimisele lähedal, kuid ei ole sellega samane, ja sellele vastab FTE TO AI töövoo skaneering, mis arvutab iga ülesande kohta, milline osa tööst on AI poolt üle võetav.
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.