Selektywna automatyzacja łączy wydajność z wiedzą pracowników
Automatyzacja decyzji w przedsiębiorstwach przemysłowych nie musi oznaczać całkowitego wycofania człowieka z procesu. Kai Hoberg z Kühne Logistics University, Christina Imdahl z Eindhoven University of Technology oraz William Schmidt z Emory University opracowali podejście, które dzieli decyzje według wartości ludzkiej interwencji.
W tym modelu algorytm samodzielnie obsługuje przypadki, w których dodatkowa ocena pracownika niewiele zmienia. Człowiek pozostaje natomiast zaangażowany tam, gdzie jego korekta może poprawić wynik oraz dostarczyć systemowi danych potrzebnych do dalszego uczenia.
Automatyzacja oparta na wartości interwencji
Metoda składa się z czterech etapów. Najpierw analizowane są sytuacje, w których poprawki do rekomendacji algorytmu rzeczywiście prowadzą do lepszych decyzji. Następnie model uczy się przewidywać, kiedy udział eksperta będzie najbardziej użyteczny.
Na tej podstawie część decyzji jest automatyzowana, a pozostałe trafiają do człowieka. Ostatni etap polega na wykorzystaniu ludzkich korekt do aktualizacji algorytmu. Dzięki temu automatyzacja może reagować na zmienne warunki zamiast działać według niezmiennego zestawu reguł.
Wyniki z sektora pojazdów użytkowych
Badanie objęło ponad 475 tys. decyzji związanych z zamówieniami, podejmowanych przez cztery lata u dużego producenta pojazdów użytkowych o rocznych przychodach przekraczających 4 mld euro. Autorzy nie porównywali ludzi i AI w sposób ogólny. Szukali przede wszystkim okoliczności, w których człowiek osiągał lepszy rezultat niż algorytm.
W analizowanym zastosowaniu około 84 proc. decyzji można było zautomatyzować. Wniosek jest jednak inny niż postulat pełnej eliminacji udziału pracowników: wysoki poziom automatyzacji jest możliwy, gdy ludzka uwaga koncentruje się na przypadkach o największym znaczeniu.
Zdaniem badaczy firmy powinny najpierw zmierzyć wartość ludzkiej interwencji, a dopiero potem ustalać cele automatyzacji. Takie podejście może ograniczyć pracę rutynową, lepiej wykorzystać kompetencje ekspertów i utrzymać zdolność systemu do uczenia się. W projekcie uczestniczy Kühne Logistics University.
