Kuljetus- ja logistiikka-alalla AI ei useinkaan sijaitse erillisessä järjestelmässä, jolla on nimi ja omistaja, vaan se on kietoutunut itse toimintaan: reittisuunnitteluun, kuormaoptimointiin, ennakoivan kunnossapidon järjestelmiin, kysyntäennusteisiin ja algoritmeihin, jotka päättävät, kuka kuljettaja saa minkä ajon. Osa tästä tulee sisään kuljetusyritysten, huolitsijoiden tai alustojen ohjelmistojen mukana, ja toimii siis päätössäännöillä, joita organisaatio itse ei ole asettanut ja joita se ei aina pysty kokonaan näkemään. Suhde sen välillä, mitä suunnitteluosasto on itse hankkinut ja mitä tulee ketjukumppanien tai sisäänrakennetun toiminnallisuuden kautta, muuttuu jatkuvasti. Se ei tekee kartoittamisesta tällä alalla helpompaa kuin muualla, mutta erilaista: kysymys ei ole vain siitä, kuka on asentanut AI-työkalun, vaan myös siitä, mitä automatisoituja päätöksiä olemassa olevissa järjestelmissä oli jo ennen kuin kukaan nimesi niitä AI:ksi.
Hyväksytyn ohjelmiston yleiskatsaus kertoo harvoin koko tarinan. Suunnittelijat, jotka käyttävät AI-työkalua reittien optimointiin, asiakaspalvelu, joka käyttää chatbotia lähetysten seurantaan, tai varastotyöntekijä, joka käyttää sovellusta varastoennusteiden tekemiseen: tällaiset sovellukset syntyvät usein paikallisesti, aikapaineen tai konkreettisen tehtävän ajamana, ilman että kukaan on tehnyt hakemusta. Jos tämä halutaan kartoittaa, se on kysyttävä työtä tekeviltä ihmisiltä, ja se onnistuu vain, jos kysymysten esittäminen ei johda välittömään korjaustoimenpiteeseen. Organisaation, joka haluaa löytää varjo-AI:n, on ensin tehtävä selväksi, että ilmoittaminen ei ole riski.
Kartoitus, joka menee IT-listaa pidemmälle, tuo näkyviin, mitkä AI-sovellukset ovat todella käytössä, missä kohdassa prosessia ne sijaitsevat ja kuka niihin liittää päätöksiä. Kuljetuksissa ja logistiikassa tämä tarkoittaa usein erottelua järjestelmien välillä, jotka vain neuvovat, järjestelmien välillä, jotka suunnittelevat automaattisesti ilman väliintuloa, ja järjestelmien välillä, joilla on vaikutus organisaation ulkopuolisiin ihmisiin, kuten kuljettajiin tai asiakkaisiin, joille esitetään toimitusaika ennusteen perusteella. Tämä erottelu on merkityksellinen, koska sen myötä riskitaso muuttuu: työkalu, joka antaa suunnittelijalle vain ehdotuksen, vaatii erilaisen valvonnan muodon kuin järjestelmä, joka itsenäisesti vahvistaa työvuorot tai reitit.
Kartoituksen jälkeen tulee kysymys siitä, mitä kukin sovellus tarkalleen tekee ja kenelle. Järjestelmällä, joka ennustaa, milloin kunnossapitoa tarvitaan, on erilainen vaikutus kuin järjestelmällä, joka päättää, mikä kuljettaja saa ajon suoritusdatan perusteella. Luokittelu ei tässä tarkoita valmiin mallin soveltamista, vaan löydetyn asian järjestämistä: mikä sovellus vaikuttaa päätöksiin ihmisistä, mikä vaikuttaa vain logistiseen optimointiin ja mikä toimii puhtaasti tukevana. Ajankohtainen sääntely, joka määrittää, mitkä velvoitteet liittyvät mihin riskitasoon, käsitellään muualla; tässä kyse on rakenteesta, joka tarvitaan näiden sääntöjen soveltamiseksi myöhemmin, mitä tahansa teksti tarkalleen määräisikin.
Kuljetusyritykset työskentelevät tavallisesti jo turvallisuuteen, suunnitteluun ja vaatimustenmukaisuuteen liittyvän riskienhallinnan parissa. AI-hallinnan ei tarvitse olla uusi laite olemassa olevan järjestelmän rinnalle; se toimii paremmin, kun AI-sovellusten luokittelu liittyy olemassa oleviin kategorioihin, jolloin johtajan tai riskienhallintapäällikön ei tarvitse ylläpitää kahta erillistä yleiskatsausta. Tämä vaatii hallintakokonaisuuden, jossa mainitaan, kuka hallinnoi sovellusta, kuka on siitä vastuussa ja millaista valvontaa siihen kohdistuu, muodossa, joka sopii siihen raportointi- ja vastuurakenteeseen, joka on jo olemassa.
Johtajan tai lakiasiainjohtajan, jolta pyydetään selvitystä siitä, mitkä AI-järjestelmät ovat organisaatiossa aktiivisia, on pystyttävä perustelemaan tämä muulla kuin hankintajärjestelmästä otetulla listalla. Todistettavuus tarkoittaa, että on olemassa ajantasainen yleiskatsaus sovelluksista, niiden luokittelusta ja niihin kohdistuvan valvonnan tilasta, ja että tämä yleiskatsaus kestää myös silloin, kun joku kysyy tarkemmin. Muilla toimialoilla on vastaavia kysymyksiä, kuten näkyy AI-hallinnasta vähittäiskaupassa, AI-hallinnasta maatalousalalla ja AI-hallinnasta ICT-alalla, joissa kaikissa on omanlaisensa suhde sen välillä, mitä on hankittu keskitetysti ja mitä on syntynyt paikallisesti.
Responsible AI Scan, joka yhdistää tämän kartoituksen, luokittelun ja hallintarakenteen, on rakenteilla. Jos haluaa lähteä tämän kanssa liikkeelle, voi ilmoittautua jonotuslistalle; valmista tuotetta ei voi tällä hetkellä tilata, ja tätä ei tässä esitetä toisin.
Kun on selvää, mitkä AI-sovellukset toimivat kuljetusketjussa ja mikä riskitaso niihin sopii, syntyy jatkokysymys, jota kartoittaminen ei vastaa: kuinka suuri osa työstä, jota suunnittelijat, kuljettajat tai asiakaspalvelun työntekijät tekevät nyt, on näillä sovelluksilla todella korvattavissa. Tämä kysymys on lähellä hallintaa, mutta ei sama asia, ja siihen vastaa FTE TO AI:n työscan, joka laskee tehtäväkohtaisesti, kuinka suuri osa työstä on AI:lla korvattavissa.
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.