Gépek kontra ember – szükségszerűen a gépek győznek

Az ellátási láncok átalakítása elengedhetetlen, és a megvalósításban a gépi tanulás fog főszerepet játszani.

Amikor a vállalkozások terjeszkedni akarnak, és új lehetőségek után néznek, óriási szerepe van a megbízható adatoknak és információknak – mutatott rá az Industry Todayben megjelent cikkében Stephany Lapierre, a beszállítói adatelemző megoldásokat kínáló Tealbook alapító-ügyvezetője. A COVID-19 következményeit mindenki érzi: kritikus tényező lett az ellátási láncok forgalmának biztosítása és átláthatósága, amire a gépi tanulás (ML) eszközei gyorsan és lenyűgöző eredményességgel tudtak reagálni. Elég csak arra a kb. 60 ezer, ISO-tanúsítvánnyal rendelkező munkavédelmi eszközgyártóra gondolni, akiket ML-módszerekkel néhány perc alatt meg lehetett találni a tomboló járvány során – ezek az információk szó szerint életbevágóan fontosnak bizonyultak a globális ellátási zűrzavarban.

Ettől függetlenül a gépi tanulás megjelenése az iparban hordoz némi kockázatot, hiszen állandóan felmerül az ember és a gép harca, az új technológiák bevezetésével kapcsolatos félelem vagy zavarodottság. Az mindenesetre már most világos, hogy a mesterséges intelligencia (AI) és a ML nélkül a járvány pusztító hatást gyakorolt volna az ellátási láncokra. Erről az oldalról szemlélve egyértelmű a gépek győzelme, ugyanakkor nyertünk mi is, hiszen a gépi tanulás segítségével az emberi képességeket meghaladó feladatok elvégezhetővé, az észrevehetetlennek tűnő problémák kezelhetővé váltak. Ez korábban elképzelhetetlen volt.

Hogyan kerülhet ki ebből a helyzetből mindenki győztesként?

Először is: fel kell tárni a ML-ben rejlő lehetőségeket. Erre több, váratlanul sikeres példa is akadt az elmúlt években. Az egyik az az AI volt, amely megverte a kínai go-játék egyik nagymesterét, míg a másik egy olyan gépi tanulási folyamat, amelyet a jövedelmezőség növelése érdekében alkalmaz a közlekedési ipar, optimális útvonalak azonosítására. A gépek ráadásul megfigyelik az eléjük kerülő mintákat, amelyekből szintén tanulnak, így képesek a folyamatos és önálló fejlődésre.

Másodszor: megfelelő adatkezelést kell biztosítani. Talán már te is ültél olyan meetingen, ahol felmerült a kérdés, hogy mennyire lehet készpénznek venni a rendelkezésre álló adatokat. Erre gyakran zavart nevetés a válasz, mivel mindenki tudja, hogy szinte semennyire. Annak érdekében, hogy jó minőségű információhoz juss, elengedhetetlen az adatok pontosságának folyamatos frissítése, biztonsági mentése és összevetése más adatokkal stb. Az adatkezelés alapvetően elhanyagolt szegmens a vállalatoknál, de még azoknál is rendkívül költséges folyamatnak bizonyul, akik komolyan veszik. Itt jön képbe a ML mint felmentő sereg.

Harmadszor: a ML-gel dúsítani lehet a rendelkezésre álló adatok mennyiségét. A járvány alatt sok vállalkozás jött rá, hogy mekkora értéke van az adatoknak – amelyek kezelésébe az emberek újra meg újra belebuktak. Most már világosan látszik, hogy a ML a válasz. Kiküszöböli például a kézi adatbevitelből származó hibákat, ezzel jelentős minőségi javulást képes elérni a munkafolyamatokban, ráadásul fel is gyorsítja azokat.

Negyedszer: AI és ML-megoldásokkal még a világjárvány alatt is növelhető az agilitás. A gépi tanulás forradalmi változásokat hozott a vállalkozások életébe és abba, ahogy a beszállítói adatokat kezelik. A ML-technológiák közreműködésével országvezetők és cégek is könnyebben-gyorsabban találtak megfelelő ellátókat olyan termékek tömeges beszerzéséhez, mint a szájmaszk. A gyártók mindeközben ugyancsak ML-módszerekkel növelték a gyártáskapacitást: egyes, a kiskereskedelem számára forgalmazó cégek képessé váltak napi 150 ezer darab (!) N95-ös maszk előállítására.

Tanulság: bár sokak szerint az emberek és a gépek harca sci-fibe illő téma, valójában idejétmúlt dolog ellentétes dolgokként gondolni rájuk. Ez nem fenntartható nézőpont, mert napjaink emberének éppen emberfeletti képességekre van szüksége. A gépi tanulás segítségével pedig meg is kapja: eddig ismeretlen potenciálokat fedeznek fel a saját területükön, a beszállítóai adatok gazdagításával és – egyáltalán – a megfelelő adatok előállításával.

A ML kihasználása a jövő módszertana lesz, hiszen végső soron bolygónk lakosságának sikeressége függ majd attól, hajlandóak leszünk-e a gépekre bízni lehetetlen feladatok megoldását, hogy nem várt értékeket szabadítsanak fel. Ehhez mindenképpen meg kell változnia annak, ahogy ma a saját vállalkozásunkra, képességeinkre és növekedési potenciálunkra gondolunk.

Gábor János, NEW technology