Ražošanas industrijai ir raksturīgs sadalījums, kāda nav daudzās citās nozarēs. No vienas puses ir operatīvā tehnika: vadības sistēmas, sensori, prognozējošā apkope un kvalitātes kontrole ar attēlu atpazīšanu. Šīs sistēmas parasti ir formāli iegādātas, iebūvētas iekārtās vai ražošanas līnijās, un tām piemēro esošās inženiertehniskās un drošības procedūras. No otras puses ir biroja un atbalsta vide: iepirkumi, plānošana, inženiertehniskais atbalsts, klientu kontakti un administrācija. Tur ģeneratīvais AI parādās tāpat kā jebkurā citā organizācijā — pārlūkprogrammā, ar atsevišķu kontu, atsevišķu abonementu.
Attiecība starp šīm divām kārtām nosaka, kā jāveido pārvaldības pieeja. Tur, kur operatīvā tehnika ir salīdzinoši labi dokumentēta, jo tā ir daļa no kapitālieguldījumiem un apkopes līgumiem, biroja kārta bieži nav nekur fiksēta. Kas skatās vien uz ražošanas līniju, redz tikai daļu no tā, ko organizācijā izmanto AI ziņā.
Apstiprinātās programmatūras pārskats reti stāsta visu stāstu. Inženieris, kas liek apkopot rasējumu, plānotājs, kas izmanto AI rīku, lai pārkārtotu piegādes grafikus, iepirkumu speciālists, kas liek ārējam modelim salīdzināt piedāvājumus — tas bieži notiek, neiesniedzot pieprasījumu un nereģistrējot licenci. Tā nav nolaidība; tā ir praktisks laika spiediena un bezmaksas vai lēto rīku pieejamības sekas.
Šī ēnu AI ir vadītājam vai riska pārvaldniekam patiesais uzmanības punkts. Jautājums ir nevis tikai par to, ko organizācija ir iegādājusies, bet par to, ko ikdienā izmanto, lai darbu paveiktu ātrāk. To noskaidrot prasa citu pieeju nekā tehnisks audits: tas prasa, lai cilvēki būtu gatavi pastāstīt, ko viņi izmanto, un lai šī saruna nešķistu kā pārskatatbildības pienākums. Kas jautā "kas šeit izmantojis kaut ko bez atļaujas", atbildi nesaņem. Kas jautā "ko jūs izmantojat, lai paveiktu savu darbu", atbildi saņem.
Ne katram AI izmantojumam ražošanas industrijā ir vienāds svars. AI lietojums, kas piedalās gala produkta konstrukcijas validācijā vai kvalitātes kontrolē, skar drošību un atbildību citādi nekā rīks, kas sagatavo e-pastu piegādātājam. Sistēma, kas ietekmē ražošanas plānošanu, var ietekmēt piegādes termiņus un līgumsaistības; rīks, kas apkopo iekšējas piezīmes, parasti neietekmē.
Ražošanas industrija reti darbojas pati par sevi. Piegādātāji, apakšuzņēmēji un klienti ir tā paša procesa daļa, un AI izmantošana kāda no šiem partneriem pusē var ietekmēt to, ko organizācija pati piegādā. Ja piegādātājs izmanto AI, lai interpretētu specifikācijas vai ģenerētu kvalitātes atskaites, rodas atkarība, kas nav redzama pašas organizācijas sistēmās, bet ir svarīga tam, kurš uzņemas atbildību par gala produktu.
Tā ir atšķirība no nozarēm, kurās pamatprocess galvenokārt notiek pašas organizācijas robežās. Tāpēc pārvaldības pieejai ražošanas industrijā jāaptver ne tikai iekšējais izmantojums, bet arī jāveido priekšstats par to, kur piegādes ķēdē AI ietekmē lēmumus, kas galu galā skar organizāciju.
Lielākajai daļai ražošanas uzņēmumu jau ir riska struktūras: produktu drošībai, kvalitātes vadībai, piegādātāju vērtēšanai. AI pārvaldība darbojas labāk, ja tā pieslēdzas tam, kas jau pastāv, nevis kļūst par jaunu, izolētu procesu. Piemēram, AI lietojumu klasifikāciju pēc riska līmeņa var sasaistīt ar esošajiem piegādātāju vērtēšanas kritērijiem vai kvalitātes vadības sistēmu, lai ziņošana valdei vai padomei netiktu veidota kā atsevišķs process līdzās esošajām pārskatatbildības līnijām, bet tiktu tajās iekļauta.
Kā tieši šī pieslēgšanās notiek, atšķiras katrā organizācijā un ir atkarīgs no esošās pārvaldības struktūras. Citās nozarēs līdzīgi jautājumi izriet no atšķirīgas struktūras: transporta nozarē pastāv līdzīga sasprindzinājuma attiecība starp operatīvajām sistēmām un biroja izmantojumu, lauksaimniecības nozarē ķēdes atkarība bieži ir vēl tiešāk sajūtama, un biznesa pakalpojumu nozarē operatīvā kārta lielā mērā trūkst, tāpēc ēnu AI tur ir praktiski vienīgā kārta, ko kartēt.
AI izmantojuma inventārs un klasifikācija pēc riska ļauj organizācijai gūt priekšstatu par to, kas notiek un kur ir nepieciešama uzraudzība. Šis jautājums ir cieši saistīts ar citu jautājumu, ko daudzi ražošanas uzņēmumi uzdod sev: kādu daļu no darba, individuālu uzdevumu līmenī, faktiski var pārņemt AI. Kamēr pārvaldība kartē to, kas notiek un kurš par to uzņemas atbildību, FTE TO AI darba skenēšana aprēķina katram uzdevumam, kāda daļa faktiski kvalificējas pārņemšanai — jautājums, uz kuru pienācīgi var atbildēt tikai tad, kad vispirms ir skaidrs, kas jau notiek.
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.