A mesterséges intelligencia (MI) számos iparágba belopakodik, természetesen már ott van az autóipari ellátási láncban is. Jó, hasznos ez nekünk, vagy féljünk tőle? Yossi Sheffi, az MIT mérnöki rendszerek professzora az Automotive Logistics szaklapban mérlegelte az előnyöket és hátrányokat.
A közvélemény a mesterséges intelligenciát változatosan fogadta, a termelékenységi potenciál miatti lelkesedéstől kezdve a munkahelyekre gyakorolt hatásai miatti rettegésig, sőt sokan benne látják az emberiség végét. Yossi Sheffi, a Massachusetts Institute of Technology (MIT) professzora és az intézmény ellátási lánc menedzsmenttel foglalkozó részlegének alapító igazgatója nem lát annyi veszélyt a technológiában, mint amennyit hasznot hoz, feltéve, hogy a vállalatok megfelelően használják. Kilencedik könyvében (The Magic Conveyor Belt, A varázslatos szállítószalag) azt vizsgálja, hogy a mesterséges intelligencia milyen hatással lesz az ellátási láncra, ahogy egyre szélesebb körben alkalmazzák, és arra keresi a választ, az MI hogyan teheti versenyképesebbé az iparágat.
A mesterséges intelligencia előnyei a logisztikában
A mesterséges intelligenciának számos alkalmazási területe van az autóipari ellátási láncban. A mesterséges intelligencia nagyon jól képes az ismétlődő munkák elvégzésére. Automatizált, pontos és gyors, és megállás nélkül dolgozik. Az elmúlt néhány évben, különösen a koronavírus világjárvány óta, az ellátási láncban egyre több cég keresi az MI-t a hatékonyság és a költségmegtakarítás javítása érdekében. Sokan a munkaerőhiány miatt is rákényszerültek a technológia bevezetésére. Az autógyártók (OEM-ek) nemcsak a gyártásban használnak robotikát és más automatizálási eszközöket, hanem egyre inkább a logisztikában is igyekeznek gyorsabb és okosabb döntéseket hozni velük. Azt remélik, hogy alkalmazásuk nemcsak az időt és a költségeket csökkenti, hanem ezen túlmenően versenyképesebbé, termelékenyebbé és nyereségesebbé teszi a vállalatokat.
– Mindenki használja a mesterséges intelligenciát nap mint nap, anélkül, hogy észrevenné. Ha felhívunk egy ügyfélszolgálatot valamiért, több mint valószínű, hogy egy csetrobottal beszélünk. Az MI képes meghallgatni a problémádat, megfejteni, hogy mit mondasz és megpróbál válaszolni – állítja Sheffi. Párhuzamot vonva az autóiparral, hozzáteszi: – Ráveszed a gépet, hogy elvégezze az egyszerű feladatokat. Más szóval, azokat a munkákat, amelyeket pontosan meg lehet határozni, körül lehet írni és a hatékonyság érdekében optimalizálni kell, de amelyek többnyire ismétlődő jellegűek.
A BMW 2019 óta teszteli a mesterséges intelligencia alkalmazását a logisztikában az ausztriai Steyr motorgyárában. Az autógyártó a folyamatok felgyorsítására használta a szoftvert, amely egy MI-alapú kamera segítségével megakadályozza az üres konténerek szükségtelen szállítását a futószalagokon. Azóta a BMW az adat- és mesterséges intelligencia kezdeményezésen keresztül a teljes értékláncában bevezette az MI használatát, az NVIDIA amerikai szoftvercéggel együttműködve kísérleti programot dolgozott ki a kis szállítórobotok (STR) MI-vel való felruházására, sőt még etikai kódexet is készített az MI egész vállalaton belüli használatára vonatkozóan. A Skoda 2020-tól az Optikon AI platformot használja arra, hogy automatikusan kiszámítsa, hogyan kell a raklapokat a konténerekbe rakodni a kapacitás maximalizálása érdekében.
– Vannak olyan területek, mint például ez, ahol az elfogadás közel azonnali lesz – véli Sheffi. – A vállalatok már most is beépítik az MI-t a meglévő szoftvermodellekbe. Ez úgy történik, hogy észre sem vesszük. Most is zajlik.
Mennyire intelligens az MI?
A logisztikai ellátási lánc számára jelentős potenciállal bíró egyik terület az előrejelzés lenne, beleértve a vevői keresletet is, valamint a termelésre és a szállításokra gyakorolt hatások előrejelzését. – A mesterséges intelligenciának számos alkalmazási területe van az ellátási láncban, de az emberek azt remélik, hogy az előrejelzés jobbá válik tőle. Sokan használnak különböző gépi tanulási technikákat az előrejelzéshez, ami nagyon fontos a termelés ütemezése, a kereslettervezés és a beszállítókkal való kapcsolattartás szempontjából – mondja Sheffi. A baj csak az, hogy a mesterséges intelligencia a múltból való tanulástól függ. Folynak kísérletek, hogy a technológia jobban megjósolja a (szinte) kiszámíthatatlan dolgokat. A titok abban rejlik, hogy a nagy MI-modellek képesek több forrásból származó, számokban, szövegben, videóban vagy hangban kifejezett adatokat integrálni, és mindezt nagyon gyorsan, tömegesen.
A Jaguar Land Rover (JLR) az Everstream Analytics előrejelző céggel működik együtt. Idén júniusban az autógyártó bejelentette, hogy az Everstream mesterséges intelligenciáját fogja használni ellátási láncának valós idejű nyomon követésére olyan potenciális kockázatok tekintetében, mint a természeti katasztrófák, sztrájkok, adatszegések és exportproblémák, amelyek késleltethetik vagy leállíthatják a szállításokat. Barbara Bergmeier, a JLR ipari műveletekért felelős ügyvezető igazgatója akkor azt mondta, hogy a mesterséges intelligencia segít a vállalatnak kezelni a kockázatokat, mielőtt azok fennakadást okoznának, így a vállalat rugalmasabbá válik, és segít az ügyfeleknek tett vállalások teljesítésében.
A Renault-csoport is határozott lépéseket tett a gépi tanulás és a mesterséges intelligencia logisztikai menedzsmentben való alkalmazása terén. Az autógyártó a logisztikai szolgáltatóitól és beszállítóitól származó információkat a nyilvános felhőből származó információkkal együtt egy digitális irányítótoronyban egyesítette, hogy jobban feltérképezze és előrejelezze az ellátási láncában jelentkező hatásokat. A franciák a Google Clouddal kötöttek partnerséget az MI-alkalmazások futtatásához.
A kockázatkezelés nem áll meg a fizikai zavaroknál – a vállalatok most már a pénzügyi kockázatok azonosítására is szeretnék használni az ellátási láncukon belül. És nemcsak a pénzügyi beszámolókat figyelik mesterséges intelligencia segítségével, hanem a social média felületeit is. – Általában egy beszállítóval kapcsolatos potenciális pénzügyi kockázat meghatározásához meg kell vizsgálni a pénzügyi beszámolókat, és ez mindig visszamenőleges információ. Ha aktuálisabb információkat akarunk, meg kell próbálnunk adatokat szerezni a médiából, beleértve a közösségi médiát, vagy bárhonnan máshonnan, ami figyelmeztetne arra, hogy problémák vannak a beszállítóval. Kiderül, hogy fontos vezetők távoznak, hogy az ellátási láncukban lévő vállalatok panaszkodnak egy régóta esedékes kifizetés miatt, vagy hogy a beszállítóknak kudarcként éltek meg egy-egy fúziót, felvásárlást, esetleg nem elégedettek a bankjukkal.
Szerinte a mesterséges intelligencia az információszerzés felgyorsításában segíthet, mivel a technológia új nyelvi modelljei olyan kódokat is megfejtenek, amelyek nem számszerűek.
Hogy lesz ebből pénz?
Az autógyártók és a logisztikai cégek számára az MI nem szórakozás, pénzt akarnak belőle csinálni, úgy, hogy a saját igényeikre szabják az MI működését. Nem akarnak osztozni más autógyártóval. A konkurenciaharc vérre megy az autóiparban. A kockázatot azonban egyikük sem akarja bevállalni. Mivel azonban az olyan multinacionális technológiai vállalatok, mint a Google, a Microsoft és más befektetők milliárdokat ölnek az olyan szoftverfejlesztőkbe, mint az OpenAI és annak ChatGPT platformja, a szükséges alapkód már létezik, ami azt jelenti, hogy a költségek és a fejlesztés bizonytalanságának nagy része nem az autóipari cégekre hárul.
Persze költségekkel mindenféleképpen számolniuk kell. Ahhoz, hogy az autóipari ellátási láncban teljes mértékben ki lehessen használni a mesterséges intelligenciát, pénzt és időt (ami szintén pénz) kell költeni a dolgozók képzésére. – Kezdjük látni, miért fog ez sokáig tartani – mondja Sheffi. – Az MI hasznos eszköz lesz, de csak azoknak a vállalatoknak, amelyek képesek lesznek időt és pénzt szánni arra, hogy betanítsák a dolgozóikat a használatára. Képezni kell az embereket, majd őket a gépekkel együtt össze kell hangolni egy végtelenített munkafolyamatba. Ez kovácsolja az előnyt, ebből lesz majd pénz.
Ez a folyamat hosszú időt, akár évtizedeket is igénybe vehet. A technológiai forradalom az 1950-es években kezdődött, de 1987-ben a számítógép már mindenütt jelen volt, de a termelékenység felgyorsításához a kis- és nagykereskedelem fellángolása kellett a 90-es években. – A késedelmek oka az, hogy az embereknek időbe telik, amíg megtanulják az új technológiát használni, megbarátkoznak vele, nem félnek tőle, és beépítik a zökkenőmentes munkafolyamatba – magyarázza Sheffi.
Még ha egy vállalat képes is időt és pénzt szánni arra, hogy a munkatársait betanítsa az új szoftverre, az ismeretlentől való természetes emberi félelem a termelékenység gátja lehet. Sheffi néhányan megpróbálják majd szabotálni, mert féltik a munkahelyüket, és egyes szakszervezetek ellene lesznek. Aztán ott van a kormányzati szabályozás. Az EU, az USA, Kína, Japán és Dél-Korea kormányai mind dolgoznak a generatív mesterséges intelligenciára vonatkozó szabályozási kereteken. Az Egyesült Államokban egy MI-ügynökség létrehozásáról folyik a vita, amely garantálja, hogy a szoftverek használata biztonságos, és hogy az MI-t használó vállalkozásokat felelősségre lehessen vonni, amennyiben szükséges. Ez lassítani fogja a fejlődés folyamatát, és annak ellenére, hogy az MI gyorsan fejlődik, nem fog nagyon gyorsan elterjedni. Ugyanakkor azok az alkalmazások, amelyek átvilágítottak, és nem veszélyeztetik a munkahelyeket, valószínűleg gyorsabban alkalmazhatók.
Az emberi tényező
Miközben az MI ismeretlen és nagyrészt kiaknázatlan kapacitással rendelkezik a logisztika világának hatékonyabbá tételére, hiányzik belőle valami, amit nem tud megtanulni. Ez pedig az emberi tényező. – Természetüknél fogva a munkának és az üzletnek vannak olyan aspektusai, amelyekben az emberek egyszerűen sokkal jobbak, mint bármely algoritmus – állapítja meg Sheffi. Mivel a gépi tanulás a múltból tanulva működik, a mesterséges intelligencia nem biztos, hogy nagyon hasznos a sürgősségi logisztikában, így az emberekre továbbra is szükség van ahhoz, hogy az ellátási lánc válság idején is fennmaradjon. – Ha a kontextus megváltozik, és hirtelen recesszióba kerülünk, vagy háború, világjárvány, vagy más nagy változás következik be, ami miatt az emberek megváltoztatják vásárlási szokásaikat, az MI nem képes alkalmazkodni, nem látja át a teljes képet és nem lesz pontos az előrejelzésekben – mondja. – Az emberek sokkal jobban tudják kezelni a változást, a gépek viszonylag merevek és mindent azokra az adatokra alapoznak, amelyekkel betáplálták, vagy amelyeket megtanultak. Ha valami nem szerepel a múltbeli adatokban, az nem lesz része a kimenetnek.
Az embereknek van erkölcsi kódexük és általában helyesen cselekednek. Gyorsan alkalmazkodnak, megvan bennük a kreativitás, képesek új ötletekkel és folyamatokkal előállni, nem beszélve az empátiáról. Persze, ezek jórésze forintban aligha kifejezhető. Ugyanakkora a covidjárvány idején a vállalatok több tízezer dolgozót, targoncát és teherautót helyeztek át egyik üzemből a másikba, egyik telephelyről a másikba, ami automatikusan elképzelhetetlen lett volna. Ehhez az kellett, hogy egymást ismerő vezérigazgatók – együtt golfoznak, úsznak, fociznak, kocsmáznak – telefonon megbeszélték és döntötték el a változtatásokat. Emberi kapcsolatok és az empátia is szülhet pénzt tehát. Ebből is látszik, hogy automatizálás ide vagy oda, az ellátási láncok emberekből állnak és alapvetően közösségi hálózatok.
Yossi Sheffi úgy véli, hogy a logisztika emberi aspektusa nem lesz pótolható vagy megismételhető. Példaként említi a Mercedes-Benz 730 millió euró értékű 56-os gyárát a németországi Sindelfingenben, ahol az OEM az S-osztályt gyártja, és a zéró kibocsátással járó gyártás megvalósításon munkálkodik. – A Mercedes-Benz eleinte mindent automatizált, majd átgondolták, kiiktatták az automatizálás jelentős részét és több embert vittek vissza az üzembe. Hogy miért? Mert túl bonyolult volt a gyártósoron lévő modellek opcióinak száma. Rájöttek, hogy az emberek sokkal jobban kezelik ezt, mint az MI – mondja Sheffi.
Amellett, hogy az olyan OEM-ek, mint a BMW és a Renault egyre több MI-alkalmazást integrálnak a gyártásvezérlésbe, a logisztikai vezetők általában azt hangsúlyozzák, hogy a kulcsfontosságú döntéseket továbbra is emberek hozzák. Az MI segítségével, ahonnét több információt kapnak gyorsabban. A Renault csoportnál például az autógyártó képes volt mesterséges intelligencia-algoritmusok segítségével néhány óra alatt megérteni, hogy az idén februári törökországi földrengés milyen hatással lesz a régióbeli beszállítóira, segítve ezzel az anyagirányítókat abban, hogy a zavarok enyhítése érdekében lépéseket tegyenek. Korábban napokig, ha nem hetekig tartott volna feltérképezni ezt a folyamatot.
A jövő eszköze
A mesterséges intelligencia képes időt és pénzt megtakarítani a logisztikai ágazatnak, zökkenőmentesebb nyomon követést és hatékonyságot biztosítva, de Sheffi nem hisz abban, hogy felváltja az embereket – legalábbis egyelőre. De az kétségtelen, hogy az MI a logisztikai cégek számára versenyelőnyt jelenthet. – Azok a cégek, amelyek több technológiai képességgel bírnak, több üzletet kaphatnak, különösen a nagy, innovatív vállalatoktól. A mesterséges intelligencia csak egy újabb eszközkészlet – mondja. – Az ellátási lánc közösségi hálózatát segítheti és kiegészítheti a technológia, legyen szó mesterséges intelligenciáról, robotikáról vagy másról. Az emberek minden iparágban automatizálják a raktárakat, és úgy telepítenek robotokat, mintha nem lenne holnap. Ugyanakkor, miközben az Amazon 2015 és 2020 között minden raktárát fejlett robotokkal szerelte fel, a vállalat több mint egymillió új alkalmazottat is felvett. Tehát nem arról van szó, hogy a robotok meghódítják a világot. Legalábbis egy ideig még nem – nyugtat meg a tudós és nekünk nincs okunk kételkedni benne.
Az MI tehát itt van velünk, a barátunk és nem az ellenségünk, ám okosan kell használnunk, hogy pénzt termeljünk általa.
