Репортаж от Wedoany，GE Appliances внедряет сотни ИИ-агентов в свои производственные и логистические операции для мониторинга производственных аномалий в реальном времени и поддержки принятия решений на совещаниях по передаче смен.
Традиционные совещания по передаче смен обычно представляют собой короткие встречи, на которых руководители, инженеры и обслуживающий персонал собираются вокруг доски, чтобы обсудить проблемы, возникшие в предыдущей смене, такие как сбои на производственной линии или задержки поставщиков. Раньше ключевой вопрос «что произошло и как это решить» решался медленно. В GE Appliances эта ситуация меняется. Теперь цеховые и логистические команды могут использовать ИИ-системы для обнаружения аномалий в реальном времени, выявления закономерностей, тенденций и ранних признаков сбоев, перенося этап решения проблем на более ранний срок. За этим стоит растущая сеть ИИ-агентов, используемая командами, непосредственно вовлеченными в работу, а не сосредоточенная в единой лаборатории данных.
Фоном для этих изменений служат постоянные колебания в производственном секторе и цепочках поставок. Колебания входных данных, изменения сроков поставщиков и постоянно меняющиеся ограничения требуют частой корректировки производственных планов. Когда скорость реагирования становится столь же важной, как и точность планирования, вице-президент GE Appliances по логистике Марсия Брей отмечает, что команды привыкли работать в гибкой и подвижной среде и должны постоянно анализировать все доступные варианты.
Для Брей ИИ — это не проект трансформации, спущенный сверху, а результат экспериментов, начавшихся внутри организации. Раннее внедрение было обусловлено любопытством сотрудников, которые тестировали инструменты и выясняли, где они действительно полезны. Переломным моментом стало не стратегическое объявление, а спонтанное внутреннее принятие. Как только начинаешь использовать и понимать это, оно встраивается в рабочий процесс. Она подчеркивает, что ИИ — это инструмент, а не волшебная палочка, помогающий быстрее и качественнее решать проблемы.
Использование ИИ в GE Appliances развивалось поэтапно. Сначала он выступал в роли персонального помощника по продуктивности, подобно продвинутому Excel или поисковому инструменту. Затем произошли более операционные изменения, прояснившие разницу между ИИ-помощником и ИИ-агентом. Помощник помогает людям быстрее думать, а агент выполняет часть работы, получая входные данные, обрабатывая информацию и выдавая результат в рамках определенного рабочего процесса. Этот сдвиг превратил ИИ из консультативного инструмента в участника рабочего процесса.
Яркий пример можно найти в производственных операциях. На заводе одновременно циркулируют тысячи сигналов, включая производительность оборудования, графики технического обслуживания, доступность деталей, объем выпуска, проверки качества и кадровые изменения. В этих данных скрыты истории обо всем, что происходит в компании, причины происходящего и полезные для действий инсайты. Глава глобального производства Google Cloud Правин Рао отмечает, что ключевая задача — извлекать инсайты из данных для разных ролей, поскольку все используют одни и те же источники данных, но с разными целями.
Например, цехового оператора интересуют только отчеты и вероятность отказа оборудования в его зоне ответственности; менеджер завода сравнивает показатели первой и второй смен; а финансового директора волнуют различия в производительности разных заводов. Хотя данные абсолютно одинаковы, перспективы совершенно разные. Люди хорошо справляются с управлением такой сложностью, но плохо замечают трудноуловимые ранние микропаттерны, и здесь ИИ-агенты восполняют этот пробел. Брей объясняет, что конвейерная лента может давать сбои каждый вторник, и даже при нормальном графике обслуживания некоторые незначительные изменения могут остаться незамеченными человеком. Эти агенты — узкоспециализированные инструменты, предназначенные для обнаружения конкретных паттернов в определенных контекстах, таких как аномалии на уровне оборудования или ранние признаки операционного дрейфа, с целью сократить время между сигналом и действием.
Раньше при возникновении проблемы на производственной линии команда покидала совещание для сбора данных и анализировала их на следующий день. Теперь часть анализа выполняется прямо во время совещания. На платформе GE Appliances «Brilliant Factory» агенты в реальном времени выявляют тенденции и обобщают операционные сигналы, меняя характер обсуждений на пересменках. Командам больше не нужно покидать совещание для сбора и анализа информации — теперь они напрямую интерпретируют инсайты от агентов и принимают меры.
Самый необычный аспект подхода GE Appliances заключается в том, что сотрудникам отделов логистики и производства рекомендуется подавать заявки на доступ к ИИ-инструментам и создавать решения, связанные с их собственными рабочими процессами. Они должны определить решаемую проблему, объяснить свой подход и ожидаемые результаты. Менеджер рассматривает запрос и дает разрешение. Производитель использует платформу Gemini Enterprise Agent для создания, масштабирования и управления пользовательскими агентами, а также приложение Gemini Enterprise для создания агентов с использованием low-code/no-code подхода. Одновременно создается роль внутреннего ИИ-коуча, помогающего другим учиться, экспериментировать и связывать варианты использования. Цель — не только внедрение, но и повышение грамотности. Брей говорит, что хочет, чтобы ИИ развивался органично, сохраняя любопытство каждого сотрудника.
Рао отмечает, что Gemini for Enterprise был создан именно для такого развертывания, поддерживая создание, масштабирование, оптимизацию и внедрение «гражданских агентов» — ролевых агентов. Эти агенты обладают глубокими знаниями предметной области и могут действовать с участием человека или автономно, используя мультиагентные системы для построения сложных рабочих процессов. В настоящее время GE Appliances использует сотни гражданских агентов, а некоторые корпоративные клиенты — уже тысячи. Он поясняет, что это отличается от создания теневого ИТ, поскольку расширяет возможности сотрудников, одновременно управляя ограничениями и поддерживая централизованное управление.
Одним из неожиданных результатов внедрения ИИ стало более четкое понимание того, как на самом деле устроена работа. Многие проблемы, которые изначально хотели решить с помощью ИИ, оказались скрытыми в повседневных процессах. Брей отмечает, что когда начинаешь разбираться, понимаешь, что на самом деле хорошего процесса не было. ИИ не только автоматизирует работу, но и выявляет места, где работа плохо определена, выполняется непоследовательно или имеет слабую структуру, что переопределяет роль ИИ в промышленной среде, превращая его во встроенную диагностическую систему для операционного проектирования.
Что касается скептицизма по поводу надежности ИИ в производстве, Брей считает, что доверие обусловлено. GE Appliances фокусируется на ограниченных сценариях использования, где результаты ИИ проверяются человеком, а дрейф постоянно отслеживается. Системы ИИ ведут себя скорее как участники операционной деятельности, а не как детерминированные инструменты, и требуют надзора. Сотни небольших агентов, каждый из которых привязан к конкретному рабочему процессу, типу проблемы или операционному сигналу, вместе образуют распределенный интеллектуальный слой. Рао говорит, что использование инсайтов из данных для принятия мер — именно это отличает новые внедрения от предыдущих версий ИИ. Традиционный ИИ искал информацию, после чего пользователь должен был действовать сам, теперь же акцент смещается на действие, замыкая цикл и сокращая разрыв между инсайтом и действием.
История здесь не в том, что GE Appliances внедрила ИИ, а в том, что крупный производитель незаметно экспериментирует с иной моделью промышленного интеллекта: построенной на децентрализованном создании инструментов, тесно связанной с реальными операционными рабочими процессами и с ответственностью человека на каждом шагу. В отрасли, где все еще доминируют пилотные проекты и циклы цифровой трансформации, этот подход выделяется своей практичностью. А на совещаниях по передаче смен практичность — единственное, что действительно имеет значение.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
