Ne visos dirbtinio intelekto technologijos yra vienodos – jos skiriasi savo galimybėmis ir funkcijomis. Šiandien entuziazmas dėl dirbtinio intelekto pasiekė viršūnę. Todėl dabar puikus metas geriau suprasti įvairias dirbtinio intelekto formas ir tai, kaip jas kuo geriau išnaudoti logistikos srityje. Apie tai kalbėjomės su Louisa Loran, buvusia „Maersk“ viceprezidente ir dabartinė „Google“ strateginių transporto ir logistikos sektoriaus direktore
Generatyvinis dirbtinis intelektas
Milijonai žmonių visame pasaulyje jau eksperimentavo su šia technologija, sukurdami nesuskaičiuojamą daugybę vaizdo, garso vaizdų ir tekstų. Tačiau tik dabar pradedame matyti pirmuosius įmonių bandymus ją taikyti. Taigi kaip dirbtinis intelektas gali būti naudojamas logistikos ir tiekimo grandinės srityje?
Dirbtinis intelektas (DI) neabejotinai bus naudingas pokalbių robotams, atsakantiems į klientų klausimus. Be to, tokios technologijos gali būti naudojamos klausimams apie sistemas ir duomenų bazes užduoti. Kaip pažymi L. Loran, kai kurie „Google“ klientai jau yra sukūrę duomenų infrastruktūras, kurios leidžia taikyti DI sprendimus.
O kaip dėl generatyvinio dirbtinio intelekto naudojimo praktiniame kasdieniame logistikos specialistų darbe? Interviu Trans.INFO L. Loran sakė, kad dirbtinis intelektas gali būti naudojamas siekiant padidinti tiesioginių darbuotojų savarankiškumą taip, kaip iki šiol nebuvo įmanoma.
Iš pradžių su dirbtiniu intelektu tikriausiai dažniausiai susidursime tokiose srityse kaip pokalbiai ir (informacijos) paieška. Pavyzdžiui, gamyklos ar uosto darbuotojas per vartotojo sąsają, naudodamasis telefonu ar kitaip, kalbėsis su dirbtiniu intelektu, kuris padės jam suprasti savo sprendimų pasekmes. Tai leis viduriniosios grandies vadovams sutelkti dėmesį į didesnę pridėtinę vertę kuriančias užduotis, o ne į ataskaitų valdymą. Toks sprendimas suteiks darbuotojams daugiau savarankiškumo priimti greitus sprendimus ir įgyvendinti pokyčius“, – sakė ji.
Kaip aiškina ekspertė, anksčiau tiesioginiai darbuotojai neturėjo galimybės susipažinti su tam tikra informacija arba nesuprasdavo, kodėl ji jiems perduodama. Be to, informacija buvo perduodama daugiau komandiniu pagrindu, o ne didinant jų įsitraukimą per abipusę sąveiką. Dėl dirbtinio intelekto asmuo, kuris klausia, ar jam reikėtų perkelti konteinerio krovinį, taip pat galės bendrauti su kitu asmeniu, kad suprastų, su kuo šiuo metu susiduria asmuo, dirbantis kitoje pusėje.
Tačiau Loran primena, kad norint visapusiškai išnaudoti dirbtinio intelekto potencialą, reikia užduoti tinkamus klausimus.
Jei uosto darbuotojas paklaus, kaip kuo greičiau grįžti namo, sistema suteiks atsakymą. Galbūt tai nebus teisingas atsakymas įmonės požiūriu, bet tai yra klausimas, kurį žmogus gali užduoti, o sistema į jį atsakys. Šie modeliai šiuo metu derinami ir (žinoma) gali būti koreguojami bet kokiu pasirinktu būdu, tačiau tikriausiai nenorėtume, kad darbdaviai juos derintų atsakydami į klausimus: „Kaip kuo labiau sutrumpinti darbo dieną?“. Norisi tikėti, kad noras aptarnauti klientus ir kurti pelningą verslą yra svarbesnis“, – teigė L. Loran.
Skirtingų dirbtinio intelekto formų supratimas
L. Loran atkreipia dėmesį, kad dažna klaida, kurią daro daugelis žmonių, yra apibendrinimas dirbtinio intelekto atžvilgiu. Jis atkreipia dėmesį, kad yra įvairių rūšių dirbtinio intelekto, įskaitant tradicines rūšis, pavyzdžiui, dokumentais ar regėjimu grindžiamą dirbtinį intelektą, kuris padeda skaitmeninti turinį.
Be to, yra prognozavimo dirbtinis intelektas, skirtas prognozavimui, ir taisyklėmis grindžiamas dirbtinis intelektas, naudojamas operacijų tyrimuose optimizavimui, paskirstymui ir planavimui pagal nustatytus apribojimus. Galiausiai yra ir anksčiau minėtas generatyvinis dirbtinis intelektas, galintis užbaigti sakinius arba versti įvairiais būdais. Kaip aiškina L. Loran, nereikia visų šių rūšių įgyvendinti vienodai.
Vienas iš jų veikia labiau pagal principą 1:1, kitas yra akivaizdžiai generatyvinis, o dar kitas leidžia verslo vadovui nustatyti tam tikrus apribojimus, pagal kuriuos komandos jį optimizuos – aiškina jis“, – paaiškino ji.
Ateities iššūkiai ir galimybės
Kitas aspektas, kurį organizacijos turės apsvarstyti dirbtinio intelekto kontekste, yra tai, kaip kompetencijos perduodamos iš kartos į kartą. Nors daugelis iš mūsų dar tik mokosi apie dirbtinio intelekto platformas, daugelis jaunų talentų iš Z kartos, kurie dar tik žengia į darbo rinką, jau puikiai išmano dirbtinį intelektą, ypač generatyvinį.
Kita karta – Alfa – žada dar geriau išmanyti dirbtinio intelekto įgūdžius. Tokia aukšto lygio dirbtinio intelekto kompetencija neabejotinai bus didelis privalumas įmonėms. Tačiau ir čia reikia atsižvelgti į riziką ir galimus blogus įpročius. Taigi kaip panaudoti šiuos jaunus kylančius talentus organizacijos plėtrai?
Pasak L Loran, svarbiausias yra atvirumas visuose organizacijos lygmenyse. Jauniems būsimiems darbuotojams ypač svarbu abejoti generatyvinio dirbtinio intelekto rezultatais taip, kaip šiuo metu kritikuojame žiniasklaidą.
Man patinka jaunosios kartos smalsumas ir kritiškas požiūris. Tačiau man nerimą kelia tai, kad jie dažnai atsakymus, gautus pagal LLM (ang. Large language model, didįjį kalbos modelį), laiko vieninteliais teisingais. Iš tikrųjų atsakymas priklauso nuo pagrindinio modelio duomenų rinkinio, pagal kurį jis buvo derinamas, nuo to, kaip buvo suformuluotas klausimas ir pan. Toks atsakymas jiems pateikia vienintelį požiūrį, panašiai kaip dažnai daro žiniasklaida“, – paaiškino ekspertė.
Todėl, kaip ir daugelyje kitų sričių, svarbu žinoti savo požiūrį ir norėti sužinoti kitų požiūrį. Vadovai taip pat turės išlikti budrūs ir, jei reikia, būti smalsūs.
Vadovai, kurie tikriausiai turi mažiau žinių apie detales, bet daugiau žinių apie bendrą vaizdą, turi būti smalsūs, kad suprastų, kodėl asmuo pateikia naują požiūrį. Todėl manau, kad bus jaučiama, jog lėtesnis tempas lemia geresnius rezultatus, taip pat dažniau matysime atvirkštinę mentorystę“, – Trans.INFO sakė L. Loran.
Sėkmė lydės tuos vadovus, kurie sugebės išlaikyti krypties pojūtį ir tuo pat metu bus atviri mokymuisi.
Nežinodami, kur einame, vaikščiosime ratu. Nežinome, kur einame. Kita vertus, be atvirumo tyrinėti, rinktis ir, kas taip pat svarbu, atmesti, greičiausiai liksime stovėti vietoje“, – pridūrė L. Loran.