Krytyczne czynniki przyszłości

Ivan Bulaev, Starszy Dyrektor ds. Rozwoju Krajów EMEA w Autodesk: Sztuczna inteligencja nie postrzega rzeczywistości obiektywnie; ona przewiduje wzorce. W swojej obecnej formie doskonale udaje, że coś rozumie, jednak to coś zupełnie innego niż prawdziwe zrozumienie. Z mojej matematycznej perspektywy jest to niezwykle wyrafinowany model uczenia maszynowego, napędzany ogromną mocą obliczeniową i szkolony do przewidywania prawdopodobnych wyników.

Można to sobie wyobrazić jako piramidę. U podstawy znajdują się duże modele językowe: tekst, język i wnioskowanie wizualne w dwóch wymiarach. Kolejna warstwa to wnioskowanie przestrzenne i fizyczne. Sztuczna inteligencja potrafi bardzo sprawnie wypowiadać się na tematy związane z fizyką, ale nie rozumie jej jeszcze deterministycznie. Jeśli poprosimy model o zaprojektowanie tego samego mostu dziesięć razy, prawdopodobnie otrzymamy dziesięć różnych projektów, ponieważ jest to model probabilistyczny. Nasze branże wymagają jednak wyników deterministycznych.

Powyżej znajduje się wnioskowanie specyficzne dla danej branży. Myślę, że sztuczna inteligencja dla maszyn przemysłowych będzie się różnić od tej dla budownictwa, a ta z kolei od sztucznej inteligencji dla produktów konsumenckich. Na samym szczycie znajduje się natomiast SI specyficzna dla danej firmy: modele ukształtowane przez własne procesy zespołu, dane i fizykę biznesu.

Ivan Bulaev: Jako model mentalny – tak, to trafny sposób myślenia. Ludzie mają zmysły, natomiast systemy połączone mają dane wejściowe: sygnały audio i wizualne, tekst, dane maszynowe oraz wiele innych. W przypadku cyfrowego bliźniaka fabryki lub zakładu wszystkie te elementy mogą stać się danymi wejściowymi dla sztucznej inteligencji.

Wszystko zaczyna się jednak od fundamentu danych. Wartościowe wyniki można uzyskać tylko wtedy, gdy dysponuje się właściwymi danymi. Przypomina to ludzki osąd: jeśli wyciągamy wnioski na podstawie niekompletnych lub błędnych informacji, będą one słabe. W naszych branżach kluczowe znaczenie mają edukacja, struktura oraz dostęp do właściwych informacji. To samo dotyczy sztucznej inteligencji.

Gdy dane projektowe, inżynieryjne i produkcyjne są ustrukturyzowane i dostępne, nie tylko usprawnia to proces szkolenia, ale także poprawia współpracę. Tworzy to warunki do efektywnego wykorzystania SI. Właśnie dlatego model danych jest tak istotny.

Ivan Bulaev: Budownictwo i produkcja to nie to samo, co generowanie obrazu, na którym kot ma pięć łap i wszystkich to śmieszy. Halucynowanie nie wchodzi w grę, gdy mamy do czynienia z mostem, fabryką lub czymkolwiek, co wpływa na bezpieczeństwo ludzi.

Dlatego u podstaw naszego podejścia leży zaufana SI. Przestrzegamy surowych standardów zarządzania, chroniąc dane klientów i własność intelektualną oraz stale monitorując naszą sztuczną inteligencję, aby wychwytywać stronniczość, zarządzać ryzykiem i dbać o rozliczalność. To zobowiązanie obejmuje również przejrzystość: nasze Karty Przejrzystości Sztucznej Inteligencji (AI) szczegółowo opisują, jak nasza sztuczna inteligencja jest rozwijana, szkolona i zarządzana.

To, co możemy zrobić już dziś, jest znaczące. Na przykład Autodesk Assistant, który jest obecnie w fazie Technology Preview, będzie dostępny w całym naszym ekosystemie produktów i będzie korzystał ze wspólnej warstwy danych w chmurach branżowych. To właśnie tutaj wartość zaczyna być naprawdę realna.

Na przykład w Autodesk Fusion, Assistant oferuje funkcje prompt-to-API, które umożliwiają sztucznej inteligencji dostęp do niemal wszystkich funkcji Autodesk Fusion. Ponadto, Assistant wspiera również użytkowników w programach Inventor, Moldflow i Vault, pomagając im szybciej znajdować informacje i wykonywać zadania związane z zarządzaniem danymi za pomocą języka naturalnego.

Ivan Bulaev: To obszerny temat. Moim zdaniem sztuczna inteligencja znacznie bardziej zwiększa potencjał, niż eliminuje pracę. Często mówi się, że SI zastąpi miejsca pracy. Nie sądzę, aby było to właściwe ujęcie tematu. Ilość pracy w gospodarce nie znika wraz z postępem technologicznym. Zmienia się natomiast produktywność osoby wykonującej tę pracę.

Gdyby zapytać programistów, czy sztuczna inteligencja zmieniła ich pracę, większość odpowiedziałaby twierdząco. Są bardziej produktywni, ale wykonują więcej zadań. Myślę, że coś podobnego wydarzy się w branżach fizycznych, z którymi współpracujemy. Sztuczna inteligencja stanie się potężnym akceleratorem produktywności.

Przez dziesięciolecia interfejsem komputera były głównie mysz i klawiatura. W wielu zawodach projektowych i inżynieryjnych jest to w rzeczywistości bardzo pośredni sposób komunikacji. Obecnie nowym interfejsem staje się rozmowa. Może to odblokować dodatkowe możliwości i sprawić, że wysoce techniczna praca stanie się dostępniejsza, a w niektórych przypadkach przyjemniejsza.

Problem starzejącego się społeczeństwa jest realny. Prawdą jest również to, że coraz mniej osób garnie się do prac wymagających wysiłku fizycznego. Sztuczna inteligencja może jednak pomóc sprawić, by te role znów stały się interesujące, poprzez przesunięcie uwagi w stronę pracy o wyższej wartości i odejście od powtarzalnych zadań operacyjnych.

Ivan Bulaev: Kluczowa jest ciekawość. Kluczowa jest biegłość technologiczna. Nauki ścisłe wciąż mają nieproporcjonalnie duże znaczenie: matematyka, fizyka, podstawy inżynierii. Kompetencje miękkie oczywiście również są ważne, ale nie zastąpią one zrozumienia zasad podstawowych. Polska zdecydowanie należy do krajów, które przodują w tym zakresie na wyjątkową skalę.

Niepokoi mnie jedna rzecz: możemy być jednym z ostatnich pokoleń, które na dość podstawowym poziomie wciąż rozumieją, jak w rzeczywistości działają komputery. Być może zmierzamy w stronę ery, w której technologia zacznie wydawać się wielu ludziom magią. To sprawia, że myślenie oparte na zasadach podstawowych staje się jeszcze ważniejsze.

Drugą krytyczną umiejętnością jest zdolność do szybkiego przyswajania zmian: zarządzanie zmianą, odporność oraz nastawienie na rozwój. Do tego dochodzą komunikacja i umiejętność pozostawania w kontakcie z szerszym ekosystemem. Krótko mówiąc: pozostań nienasycony.

Ivan Bulaev: Myślę, że tak. Pozostaję optymistą w kwestii technologii, ponieważ pesymizm jest łatwy i mało użyteczny. Dla mnie PLM to w swej istocie zarządzanie danymi i ich strukturyzowanie w ramach procesów, a nie tylko przechowywanie plików. Wielka zmiana polega na odejściu od sztywnych, wymagających dużego zaangażowania konsultantów systemów.

Aby prosperować w świecie szybkich zmian, firmy potrzebują systemów, które mogą szybko dostosować. Jeśli proces ewoluuje, wdrożenie pilotażowe i zmiana również muszą nastąpić szybko. To właśnie umożliwiają nowoczesne podejścia oparte na chmurze.

Widzimy to na przykładzie klientów takich jak Grupa Kęty i Aluprof, które wykorzystały te systemy jako część szerszych działań w zakresie transformacji cyfrowej. W obu wypadkach kluczowe znaczenie ma elastyczność, ponieważ firmy te nie wiedzą dokładnie, jak ich procesy będą musiały wyglądać za trzy lub pięć lat. Innym przykładem jest firma Malow: zaczęła od PDM, przechodząc dalej w stronę PLM, aby zyskać większą, ustrukturyzowaną elastyczność w miarę rozwoju biznesu.

Ivan Bulaev: Tak, zdecydowanie. Jedną z rzeczy, które podziwiam w Polsce i Europie Wschodniej, jest to, że ludzie wciąż mają odwagę budować startupy z obszaru hardware’u. Dla takich firm piękno rozwiązań opartych na chmurze, takich jak Autodesk PLM, polega na braku skomplikowanej implementacji.

Można więc zacząć od małych kroków, nawet od uproszczonego zarządzania procesami, i skalować je wraz z dojrzewaniem biznesu. Wspieramy startupy, założycieli oraz społeczność edukacyjną, a ten wczesny dostęp ma ogromne znaczenie. Można rozpocząć tę podróż jako startup lub jako duże przedsiębiorstwo. Najważniejsze jest to, że w ogóle można ją zacząć.

Ivan Bulaev: Dla mnie cyfrowy bliźniak to w gruncie rzeczy sposób na gromadzenie i wykorzystywanie danych operacyjnych. Bo w zasadzie po co komu cyfrowy bliźniak? Moim zdaniem odpowiedź brzmi: po pierwsze, aby mieć większą kontrolę nad tym, co się robi, i starać się usprawnić procesy operacyjne.

Niezależnie od tego, czy towary przemieszczają się przez fabrykę, czy ludzie przez lotnisko, obowiązuje wiele tych samych zasad operacyjnych: czas przepustowości, czas cyklu, dynamika kolejek. Chcą państwo zidentyfikować ograniczenia, ograniczyć produkcję w toku i sprawniej przemieszczać zasoby przez system. Aby zrobić to właściwie, niezbędny jest cyfrowy bliźniak.

Umożliwia on również utrzymanie ruchu oparte na przewidywaniu, które w końcu staje się rzeczywistością, ponieważ urządzenia przemysłowe są obecnie coraz częściej domyślnie wyposażane w czujniki. Największa wartość często ujawnia się na etapie operacyjnym, ale aby ją osiągnąć, należy zacząć wcześniej – na etapie planowania, projektowania, wytwarzania i budowania.

Ivan Bulaev: Mogą to robić, ale nie poprzez udawanie, że potrafimy precyzyjnie przewidzieć przyszłość. Ludzie są w tym właściwie dość słabi. To, w czym jesteśmy lepsi, to spoglądanie w przeszłość i identyfikowanie tego, co pozostaje niezmienne.

Klasycznym przykładem jest Amazon. Spędziłem pięć lat w AWS, gdzie kierowałem zespołem w regionie EMEA. Klienci nie budzą się rano z myślą: „Chciałbym, aby ceny były nieco wyższe”. Nie proszą o mniejszy wybór ani o wolniejszą dostawę. Te stałe elementy tworzą fundament strategii.

Ta sama logika dotyczy sztucznej inteligencji. Ludzie chcą być produktywniejsi i spędzać mniej czasu na powtarzalnej pracy o niskiej wartości. Sztuczna inteligencja przyspiesza ideację i prace na etapie szkicowania, dzięki czemu ludzie mogą skupić się na tym, co naprawdę tworzy wartość. W produkcji i budownictwie będziemy coraz częściej obserwować ten sam schemat.

Ivan Bulaev: Odpowiedź na to pytanie zaczyna się od ludzi. Największą przewagą konkurencyjną nadal będą ludzie. Dysponując odpowiednimi osobami, takimi, które potrafią się adaptować, uczyć, pracować na rzetelnych informacjach i pozytywnie patrzeć w przyszłość, firma jest w stanie dostosować się do nowych modeli, technologii i możliwości.

Energia jest oczywiście również ważną kwestią strategiczną, ale nadal zacząłbym od kadr. W naszym corocznym raporcie State of Design & Make jednym z tematów, który stale powraca, jest luka talentów: w jaki sposób firmy mogą znaleźć odpowiednich ludzi i zapewnić im nie tylko zwykłą pracę, ale przyszłość i karierę?

To właśnie ma kluczowe znaczenie w dłuższej perspektywie. Należy postawić na właściwych ludzi, zadbać o nich i stworzyć im warunki do rozwoju.

AUTOR:

Ivan Bulaev, Starszy Dyrektor ds. Rozwoju Krajów EMEA w Autodesk

Ivan kieruje regionalnym działem sprzedaży Autodesk w krajach EMEA, napędzając rozwój platform chmurowych w branży. Wnosi bogate doświadczenie w zakresie rozwiązań chmurowych, SaaS, kanałów dystrybucji i wprowadzania produktów na rynek, z udokumentowanymi sukcesami w identyfikowaniu możliwości rynkowych, budowaniu nowych mechanizmów komercyjnych i skalowaniu wzrostu na różnych rynkach regionu EMEA. Przed dołączeniem do Autodesk, Ivan zajmował stanowiska kierownicze w Amazon Web Services, gdzie kierował pozyskiwaniem nowych klientów w regionie EMEA Wcześniej zajmował stanowiska kierownicze w firmach Kaspersky i Hewlett Packard Enterprise. Ivan jest również doświadczonym prelegentem na temat innowacji, kultury, przywództwa i rozwoju, występując na wydarzeniach branżowych, takich jak Web Summit, Emerge, Distree i International Internet Forum. Posiada tytuł Executive MBA z IESE Business School.