Jak sztuczna inteligencja zmienia przemysł motoryzacyjny – i doświadczenia klientów

IAA Mobility 2023, największe na świecie wydarzenie poświęcone mobilności, przyciągnęło do Monachium w dniach 5–10 września około pół miliona gości. Sztuczna inteligencja (AI) w przemyśle samochodowym była powracającym tematem w prawie wszystkich obszarach tegorocznej wystawy. Na przykład przy opracowywaniu systemów wspomagania kierowcy i jazdy autonomicznej lub przy kontroli jakości i produkcji.

W fabrykach motoryzacyjnych roboty sterowane sztuczną inteligencją wykonują obecnie samodzielnie zadania takie jak spawanie, malowanie i montaż.

Coraz częściej inteligentne algorytmy wykorzystywane są również do monitorowania stanu pojazdów i dostarczania wskazówek dotyczących zbliżających się konserwacji lub napraw, zwanych także „konserwacją predykcyjną”.

Sztuczna inteligencja jest również wykorzystywana w projektowaniu pojazdów oraz w celu optymalizacji jazdy w celu zapewnienia większej wydajności i zrównoważonego rozwoju w sterowaniu głosowym systemami nawigacyjnymi oraz w inteligentnych asystentach parkowania. Tymczasem marketing, sprzedaż i obsługa klienta wdrażają sztuczną inteligencję, aby klienci byli szczęśliwsi, a łańcuchy dostaw wydajniejsze.

Sztuczna inteligencja w przemyśle samochodowym: jak sztuczna inteligencja zmienia kurs

Miałem przyjemność omawiać sztuczną inteligencję podczas Mobility Festival, a dołączył do mnie Alexander Scholz, dyrektor ds. zaopatrzenia cyfrowego w BMW Group, a także Tobias Wagner ze start-upu zajmującego się e-mobilnością ChargeX. Pośród zgiełku targów mogliśmy skorzystać z Executive Lounge, obsługiwanego przez naszego partnera IBM iX DACH wraz z TikTok, aby wziąć udział w ekscytującym AI MasterClass.  

Generatywna sztuczna inteligencja naprawdę zmienia zasady gry, szczególnie w obszarze komunikacji.

Dzieje się tak dlatego, że technologia ta może generować nową treść na podstawie istniejących informacji i wkładu użytkownika. Opiera się na dużych modelach językowych (LLM) i jest używany w narzędziach AI, takich jak ChatGPT, Google Bard i Aleph Alpha. Dzięki szkoleniu na dużych ilościach danych w wielu różnych kontekstach i wymiarach takie modele uczenia maszynowego (ML) mogą teraz rozumieć złożone relacje i zależności.

Dla eksperta BMW, Alexandra Scholza, technologia ta jest również ważnym czynnikiem zwiększającym wydajność, szczególnie w łańcuchu dostaw.

Korzyści ze sztucznej inteligencji w przemyśle samochodowym są już odczuwalne w produkcji. Na przykład w amerykańskiej fabryce BMW w Spartanburgu zastosowanie sztucznej inteligencji w samym warsztacie blacharskim pozwala zaoszczędzić ponad milion dolarów rocznie na kosztach produkcji. A firma już eksperymentuje ze sztuczną inteligencją w projektowaniu pojazdów, projektując na przykład nowe pojazdy terenowe bez interwencji człowieka.

Młoda firma ChargeX również opiera się na rozwiązaniu AI w swojej modułowej infrastrukturze ładowania samochodów elektrycznych. Służy do automatycznego rozdzielania obciążenia pomiędzy różnymi samochodami elektrycznymi na miejscu. „Możemy go wykorzystać do opracowania optymalnej strategii ładowania” – powiedział nam założyciel i dyrektor generalny Tobias Wagner. Ale wciąż są na wczesnym etapie.

Monitorowanie potencjalnych zagrożeń związanych ze sztuczną inteligencją w przemyśle samochodowym

Pomimo różnych perspektyw, dyskusja ujawniła także wiele podobieństw. Na przykład, gdy rozmawialiśmy o potencjalnych zagrożeniach związanych ze sztuczną inteligencją – takich jak bezpieczeństwo danych, ochrona wrażliwych informacji lub kwestie odpowiedzialności i gwarancji.

„Musimy być proaktywni i zapewnić jak największą przejrzystość” – podkreślił Scholz. Dodał, że ważne jest odpowiedzialne korzystanie z modeli języka AI i budowanie zaufania do ich stosowania wśród własnych pracowników i klientów.

Z tego powodu BMW opublikowało już własne wytyczne dotyczące sztucznej inteligencji, które określają zasady etyczne postępowania z tą przełomową technologią. Należą do nich: nie poleganie na ślepo na reakcjach sztucznej inteligencji bez kontroli człowieka.

Aby zapobiec „halucynacji” sztucznej inteligencji – szczególnie w sytuacjach krytycznych dla bezpieczeństwa – należy poprzez odpowiednie szkolenie zapewnić, że wyniki LLM są zgodne z faktami i bezstronne. Ponadto w razie wątpliwości ocena człowieka powinna zawsze przeważać nad oceną sztucznej inteligencji.

Bez akceptacji użytkownika końcowego najlepsze rozwiązanie AI jest bezużyteczne

Tobias Wagner wniósł do naszej dyskusji kolejny aspekt: ​​absolutną konieczność akceptacji przez użytkownika końcowego.

Powiedział, że branża motoryzacyjna musi być na to szczególnie wyczulona, ​​ponieważ kierowcy chcą podejmować własne decyzje, a nie pozostawiać je nieprzejrzystemu algorytmowi.

Wskazał na aplikację do ładowania swojej firmy, która we wcześniejszej wersji automatycznie wyznaczała optymalny proces ładowania samochodu elektrycznego na podstawie danych historycznych oraz aktualnej sytuacji w konkretnej lokalizacji.

„Ale ludzie chcą sami decydować, w oparciu o swoją konkretną sytuację, o tym, jak naładowana powinna być ich bateria i ile czasu mają na to” – powiedział, opierając się na doświadczeniach ChargeX. Rozsądne sugestie i zalecenia sztucznej inteligencji są pomocne, powiedział, ale ostateczna decyzja musi należeć do klienta.

Zamiast regulować sztuczną inteligencję, lepiej stworzyć własne doświadczenia

Wszyscy paneliści zgodzili się jednak, że trwałe regulacje dotyczące nowej technologii – jakiekolwiek – niewiele by tu pomogły. Spowolniłoby to jedynie innowacje, a Niemcy pozostałyby w tyle w innym obszarze.

Często jednak konieczne jest szczegółowe omówienie z działami prawnymi producentów samochodów, co jest obecnie możliwe ze względu na odpowiedzialność lub ochronę danych i gdzie mogą jeszcze istnieć ograniczenia. Wspólna praca nad problemami powinna zapewnić, że wdrażanie nowych przypadków użycia nie będzie opóźnione ze względu na wątpliwości prawne lub istniejące obawy.

Gromadzenie własnych doświadczeń pracowników może również pomóc rozwiać poważne obawy dotyczące zastosowań sztucznej inteligencji.

Eksperci MasterClass byli przekonani, że „rozwoju sztucznej inteligencji nie da się już zatrzymać ani nawet odwrócić”. Wyzwaniem jest raczej jego kształtowanie i odpowiedzialne korzystanie z niego.

Bez jakości danych sztuczna inteligencja nie wyplunie użytecznych wyników

Podczas naszych zajęć MasterClass w Monachium omawialiśmy także inną kluczową kwestię wykorzystania generatywnej sztucznej inteligencji w przemyśle motoryzacyjnym: gromadzenie i strukturyzowanie danych oraz ich jakość. Zauważono, że najlepsze narzędzia analityczne są bezużyteczne bez wysokiej jakości danych – jeśli dane są słabe, nawet najlepsza sztuczna inteligencja może dostarczyć jedynie bezużytecznych odpowiedzi.

Jeśli z drugiej strony odpowiednie informacje zostaną zebrane i przeanalizowane we wszystkich punktach kontaktu z klientem, na przykład za pośrednictwem preferowanego kanału klienci będą mogli otrzymywać spersonalizowane oferty. Wymaga to jednak ich zgody.

Nasz panel zgodził się, że generatywna sztuczna inteligencja jest idealnym narzędziem do marketingu spersonalizowanego, dopasowanego do aktualnej sytuacji odbiorcy. Dzieje się tak dlatego, że jest to doskonały sposób na automatyzację kampanii 1:1, które są bardzo trafne dla klientów i dzięki temu dają lepsze wyniki.

Dwuetapowe podejście do tworzenia rozwiązań AI

Według Scholza BMW realizuje dwuetapowe podejście do dalszego wykorzystania sztucznej inteligencji. Pierwszym krokiem jest wykorzystanie go do zwiększenia efektywności we wszystkich obszarach, zmniejszenia obciążenia pracą i odciążenia pracowników od rutynowych zadań. W drugim etapie na podstawie zebranych danych łatwiej będzie podejmować bardziej precyzyjne i lepsze decyzje. Zapewniłoby to także skuteczne wsparcie dla pracowników w obliczu zmian demograficznych i rosnących niedoborów kadrowych.

Naszą dyskusję na temat sztucznej inteligencji w przemyśle samochodowym można podsumować w następujących punktach:

1. W przemyśle motoryzacyjnym istnieje już nieskończona liczba zastosowań, w których sztuczną inteligencję można dobrze wykorzystać. Podczas naszej sesji omówiliśmy kilka przykładów, począwszy od łańcucha dostaw, przez infrastrukturę ładowania, aż po procesy skierowane do klienta – ale jesteśmy dopiero na początku ewolucji.
2. Technologia zmienia się bardzo szybko. Dlatego warto, aby branża tworzyła w swojej organizacji dedykowane zespoły/centra kompetencyjne, aby na bieżąco śledzić rozwój wydarzeń i móc szybko reagować na nowe trendy.
3. Obecny trend polega na tym, że firmy motoryzacyjne mają własne „korporacyjne ChatGPT” dostosowane do ich konkretnych potrzeb i szkolone na podstawie własnych danych, aby zagwarantować jakość wyników.
4. Czyste dane są kluczem do uzyskania interesujących wyników z wdrożeń AI z perspektywy biznesowej i poprawy doświadczenia klienta.
5. Jednym z największych wyzwań dzisiejszego dnia jest znalezienie pracowników posiadających niezbędne umiejętności AI lub samodzielne ich przeszkolenie.
6. Dobra i przejrzysta komunikacja jest niezbędna, aby rozwiać obawy pracowników i klientów i, miejmy nadzieję, rozwiać je.

Wzbogacające było dla mnie słuchanie z pierwszej ręki od naszych ekspertów uczestniczących w panelu, jak wykorzystują sztuczną inteligencję do zwiększania wydajności swoich procesów biznesowych. Ale także tego, jak wykorzystują je do poprawy sprzedaży, marketingu i obsługi, a co najważniejsze, do zapewnienia swoim klientom lepszej obsługi.

To ekscytujący czas i nie mogę się doczekać, co będzie dalej ze sztuczną inteligencją w przemyśle motoryzacyjnym. Czy jesteś?