Репортаж от Wedoany，Компания WSP искусственный интеллект (ИИ) рассказала о том, как с помощью цифровых инструментов машинного обучения меняет подход к обслуживанию инфраструктуры Великобритании. Ключевая идея заключается в том, что ИИ не должен заменять инженеров, а предназначен для выполнения масштабных рутинных задач, с которыми человек не может справиться.
Главный специалист по данным и руководитель направления ИИ WSP в Великобритании и Ирландии Дэн Скотт и руководитель отдела цифрового консалтинга Джеймс Монтроуз рассказали, как консалтинговая компания использует ИИ для оцифровки многолетних бумажных документов и ускорения выполнения повседневных задач. Стратегия WSP в области ИИ включает два направления: с одной стороны, развитие навыков работы с ИИ у собственных сотрудников, с другой — сотрудничество с клиентами для оптимизации рабочих процессов. Это включает партнерство с Microsoft, а также прототипирование инструментов через специализированный акселератор ИИ и внедрение успешных пилотных проектов в практическую эксплуатацию.
Скотт отметил, что WSP внедрила продукт Microsoft Copilot для сотрудников в Великобритании около полутора-двух лет назад и постоянно оценивает уровень его использования и эффективность. С помощью кодов времени, используемых в биллинге консультационных услуг, компания отслеживает время, затрачиваемое на административную работу, ведение протоколов встреч и другие непроектные мероприятия. Выяснилось, что сотрудники, использующие Copilot чаще одного раза в месяц, экономят в среднем около 165 минут в неделю. В настоящее время WSP тестирует более строго контролируемые системы, которые, предоставляя аналогичные функции, управляют потенциальными рисками, связанными с данными при использовании ИИ. Внутренние функции использования ИИ включают автоматизацию протоколов встреч, административных задач и простой поиск документов. Скотт отметил, что такие задачи с низкой когнитивной нагрузкой и длительным временем выполнения являются «оптимальной точкой» для текущих технологий, поскольку время, затрачиваемое на их выполнение, накапливается и вызывает разочарование у инженеров.
В железнодорожной сфере WSP сотрудничает с Network Rail, создавая основу для ИИ, предназначенного для прогнозного обслуживания стареющих активов и долгосрочного планирования инвестиций. Стороны в настоящее время используют инструменты ИИ для обработки больших объемов данных об активах, таких как отсканированные отчеты, изображения и рукописные заметки, хранящиеся в SharePoint или на удаленных складах. Обсуждая эту работу, Скотт задался вопросом: «Можно ли с помощью ИИ предсказать, какие детали мне нужно отремонтировать и когда?» Он отметил, что на практике сначала необходимо использовать ИИ для приведения базовых данных в структурированное состояние, прежде чем можно будет начинать такие обсуждения. Разработанная WSP технология позволяет преобразовывать отсканированные документы в доступные данные и связывать их с историческими записями, оперативными данными и системами управления активами. В области управления дефектами Скотт описал сложность текущего процесса: кто-то выявляет дефект, оценивает его, предлагает способ ремонта, затем создается и выполняется заказ на работу, однако эту цепочку трудно отследить, поскольку долгое время она управлялась только с помощью письменных отчетов, составленных инженерами на местах. Кроме того, WSP объединяет записи об отказах активов с данными Метеорологического бюро Великобритании для создания прогнозных моделей, определяющих время и место отказов активов в экстремальных погодных условиях. Монтроуз пояснил, что эта модель используется для поддержки планирования операционных и капитальных расходов, приведя в пример недавние сбои в Лондоне, вызванные высокой температурой.
В сфере водоснабжения WSP разработала для Northumbrian Water проект ИИ-ассистента под названием Wisdom. Этот ИИ-агент отвечает на операционные вопросы, интегрируя различную информацию из корпоративных ресурсов, например, определяя местоположение насоса на объекте, отображая его текущую производительность и исторические показатели, а также извлекая записи о техническом обслуживании и проектные спецификации. Скотт упомянул, что Northumbrian Water сталкивается с необходимостью огромных капиталовложений в ближайшие пять-десять лет, а также с проблемой старения персонала, когда значительная часть операционных знаний сосредоточена у сотрудников, готовящихся к выходу на пенсию. Систему Wisdom можно рассматривать как ChatGPT для общения с активами. Помимо очистки и запросов к историческим записям, Скотт также описал использование ИИ для перебора миллионов комбинаций расходов и факторов давления, исследуя сложные проблемные пространства, недоступные для понимания человеком в одиночку, чтобы найти стратегии и решения для водной отрасли.
Монтроуз подчеркнул, что ключевая цель использования ИИ — повышение ценности каждого человека в цепочке создания стоимости, стимулирование более качественных обсуждений и понимания последствий, а не просто достижение большей убедительности по сравнению с другими. Скотт подтвердил принцип инженерной компании: никогда не используйте ИИ для выполнения задач, которые вы не можете выполнить сами. Этот принцип определяет, каким образом WSP разрешает инженерам использовать инструменты ИИ, включая содействие обучению сотрудников программированию, чтобы инженеры могли понимать и проверять применение кода, созданного ИИ.
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
