Gamybos pramonei būdingas skirstymas, kurio nedaugelis kitų sektorių turi. Viena vertus, yra operacinė technika: valdymo sistemos, jutikliai, prognozuojama priežiūra ir kokybės kontrolė su vaizdo atpažinimu. Šios sistemos dažniausiai yra formaliai įsigytos, integruotos į mašinas ar gamybos linijas, ir joms taikomos jau esamos inžinerijos ir saugos procedūros. Kita vertus, yra biuro ir administracinė aplinka: pirkimai, planavimas, inžinerinė pagalba, klientų aptarnavimas ir administravimas. Tuo tarpu generatyvinis AI ten atsiranda taip pat, kaip ir kiekvienoje kitoje organizacijoje — per naršyklę, atskirą paskyrą, atskirą prenumeratą.
Šių dviejų lygių santykis nulemia, kaip turi būti sudaromas valdymo požiūris. Kadangi operacinė technika yra santykinai gerai dokumentuota, nes yra kapitalo investicijų ir priežiūros sutarčių dalis, biuro lygis dažnai niekur nėra fiksuotas. Kas žiūri tik į gamybos liniją, mato tik nedidelę dalį to, kas organizacijoje naudojama AI srityje.
Patvirtintos programinės įrangos sąrašas retai atskleidžia visą istoriją. Inžinierius, kuris paprašo apibendrinti brėžinį, planuotojas, naudojantis AI įrankį pristatymo grafikams pertvarkyti, pirkėjas, kuris leidžia išoriniam modeliui palyginti pasiūlymus — tai dažnai vyksta be pateiktos užklausos ar registruotos licencijos. Tai nėra aplaidumas; tai praktinė laiko spaudimo ir nemokamų ar pigių įrankių prieinamumo pasekmė.
Šis šešėlinis AI yra tikrasis dėmesio taškas valdybos nariui ar rizikos vadovui. Klausimas nėra vien tai, ką organizacija įsigijo, bet ir tai, kas naudojama kasdien, siekiant darbą atlikti greičiau. Tai išsiaiškinti reikalauja kitokio požiūrio nei techninis auditas: reikia, kad žmonės būtų pasirengę papasakoti, ką jie naudoja, nejaučiant, kad tai atskaitomybės pareiga. Kas klausia „kas čia naudojo ką nors be leidimo“, atsakymo nesulauks. Kas klausia „ką naudojate savo darbui atlikti“, atsakymą gaus.
Ne kiekvienas AI naudojimas gamybos pramonėje turi tokį pat svorį. AI taikymas, kuris dalyvauja galutinio produkto projekto patvirtinime ar kokybės kontrolėje, susijęs su sauga ir atsakomybe kitaip nei įrankis, kuris parašo el. laišką tiekėjui. Sistema, kuri veikia gamybos planavimą, gali turėti įtakos pristatymo terminams ir sutartinėms pareigoms; įrankis, kuris apibendrina vidines pastabas, dažniausiai — ne.
Ši diferenciacija yra klasifikavimo pagrindas: ne visas AI naudojimas turi būti prižiūrimas vienodai, tačiau skirtumą būtina daryti, ir tai turi vykti pagal tai, ką sistema daro ir kam ji turi įtakos — o ne pagal tai, kur ji buvo įsigyta. Įrankis, kurį atsisiuntė pavienis darbuotojas, gali turėti tokią pačią įtaką rezultatui, pasiekiančiam klientą, kaip ir sistema, įsigyta formaliu būdu.
Gamybos pramonė retai veikia izoliuotai. Tiekėjai, subrangovai ir klientai yra to pačio proceso dalis, ir AI naudojimas vienoje iš šių šalių gali turėti įtakos tam, ką organizacija pati pristato. Jei tiekėjas naudoja AI specifikacijoms interpretuoti ar kokybės ataskaitoms generuoti, susidaro priklausomybė, kuri nėra matoma savose sistemose, tačiau yra reikšminga tam, kas prisiima atsakomybę už galutinį produktą.
Tai skirtumas nuo sektorių, kuriuose pagrindinis procesas didžia dalimi vyksta savose sienose. Todėl gamybos pramonei skirtas valdymo požiūris turi ne vien žemėlapiuoti vidinį naudojimą, bet ir susidaryti vaizdą apie tai, kur tiekimo grandinėje AI vaidina vaidmenį sprendimuose, kurie galiausiai susiję su organizacija.
Dauguma gamybos įmonių jau turi rizikos struktūras: produktų saugai, kokybės valdymui, tiekėjų vertinimui. AI valdymas veikia geriau, kai jis prisijungia prie to, kas jau egzistuoja, vietoj to, kad taptų nauju, atskiru procesu. Pavyzdžiui, AI taikymų klasifikacija pagal rizikos lygį gali būti susieta su esamais tiekėjų vertinimo kriterijais arba su kokybės valdymo sistema, kad ataskaitos vadovybei ar priežiūros tarybai netaptų atskiru procesu greta esamų atskaitomybės linijų, o būtų į jas įtrauktos.
Kaip tiksliai ši sąsaja atrodo, skiriasi priklausomai nuo organizacijos ir esamos valdymo struktūros. Kituose sektoriuose panašūs klausimai kyla iš kitokios struktūros: transporto sektoriuje panaši įtampa jaučiama tarp operacinių sistemų ir biuro naudojimo, žemės ūkio sektoriuje tiekimo grandinės priklausomybė dažnai jaučiama net tiesiogiau, o verslo paslaugų sektoriuje operacinio lygio praktiškai nėra, todėl šešėlinis AI tampa beveik vieninteliu lygiu, kurį reikia žemėlapiuoti.
AI naudojimo inventorizacija ir rizikos klasifikacija suteikia organizacijai vaizdą apie tai, kas vyksta ir kur reikia priežiūros. Šis klausimas tiesiogiai susijęs su kitu klausimu, kurį sau kelia daugelis gamybos įmonių: kokią darbo dalį, pavienių užduočių lygmenyje, iš tiesų gali perimti AI. Kai valdymas žemėlapiuoja, kas vyksta ir kas už tai atsako, FTE TO AI darbo analizė (werkscan) apskaičiuoja pagal kiekvieną užduotį, kokia dalis iš tiesų tinkama perėmimui — klausimas, į kurį galima gerai atsakyti tik tada, kai iš pradžių aišku, kas jau vyksta.
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.