За более чем два года с момента запуска OpenAI платформы ChatGPT генеративный искусственный интеллект (GenAI) в основном ассоциировался с изменением способов работы в офисных профессиях. В исследовании 2024 года, проведенном Обществом управления человеческими ресурсами и Институтом Burning Glass, авторы отметили, что эта технология в значительной степени преобразует почти все категории офисной работы, в то время как «рабочая смена останется защищенной от серьезных изменений».

Возможно, пока что. Однако многие отрасли, обычно ассоциирующиеся с физическим трудом, также экспериментируют с искусственным интеллектом для решения, казалось бы, неразрешимых проблем. Эти меры варьируются от повышения урожайности сельскохозяйственных культур до смягчения дефицита рабочей силы в строительстве.

Далее представлен обзор статей о том, как пять таких отраслей используют GenAI. Их творческий подход может послужить примером для любой отрасли — как для офисных работников, так и для рабочих — в том, как извлечь максимальную выгоду из этой революционной технологии.

Сельское хозяйство: повышение осведомленности фермеров в меняющемся мире.

Устойчивое производство продуктов питания находится в центре внимания сельскохозяйственной отрасли в связи с решением ряда проблем. Современным фермерам необходимо эффективно использовать природные ресурсы, такие как почва, семена и вода, а также снижать негативное воздействие сельского хозяйства на окружающую среду, связанное с выделением метана, использованием пестицидов и другими факторами. В то же время им приходится адаптироваться к меняющимся климатическим условиям, которые напрямую влияют на их доходы.

Эти факторы побудили организации разработать целый ряд приложений GenAI, от чат-ботов для мелких фермеров в Индии до систем сбора и анализа данных для многонациональных сельскохозяйственных конгломератов.

Digital Green, некоммерческая организация, разрабатывающая технологии для помощи фермерам в развивающихся странах, запустила виртуального чат-бота-агронома для специалистов по распространению сельскохозяйственных знаний в Индии, Кении и Эфиопии. Цель состоит в том, чтобы предоставить информацию об основных аспектах сельского хозяйства, таких как семена, климат и даже рыночные цены.

А в Швейцарии технологическая компания Datamars изучает, как технология GenAI может быть использована для повышения производства молока, а также для сбора данных об устойчивом развитии, которые приобретают все большее значение не только для покупателей, но и для правительств.

Выводы, полученные в разных отраслях

• Будьте готовы использовать широкий спектр данных для обучения модели.
  Компания Digital Green начала свой пилотный проект с обучения модели на основе достоверных научных данных из таких источников, как рецензируемые сельскохозяйственные исследования. Но поскольку сельское хозяйство – это локальный процесс, следующим шагом станет добавление информации, специфичной для конкретного региона, такой как погодные условия и характеристики почвы. В конечном итоге организация надеется использовать технологию дополненной генерации данных для получения постоянно меняющихся данных, таких как местные рыночные цены на различные сельскохозяйственные культуры.
• Для проверки результатов привлеките экспертов.
  Изначально с чат-ботом Digital Green взаимодействуют не сами фермеры, а специалисты по сельскохозяйственному консультированию, которые оказывают фермерам необходимые советы. Агенты используют чат-бота для более быстрого получения ответов на вопросы фермеров, а благодаря своим агрономическим знаниям они могут выявлять и исправлять любые сбои в работе GenAI.
• Примите меры для укрепления доверия пользователей.
  В сельском хозяйстве часто бывает так, что одна и та же семья выращивает одни и те же культуры на одной и той же земле на протяжении нескольких поколений. В результате советы от посторонних, а тем более от чат-бота, могут быть нежелательными. Для укрепления доверия крайне важно встречаться с фермерами на их условиях.
  
  С этой целью чат-бот поддерживает несколько языков и может отвечать на вопросы, заданные устно, а не только на текст. По мере того, как специалисты по сельскохозяйственному консультированию постепенно знакомят фермеров с чат-ботом, фермеры смогут использовать его в поле, чтобы задавать такие вопросы, как: «Какую культуру выгоднее выращивать, учитывая стоимость семян и пестицидов, а также местные цены на определенные культуры или скот?»

Строительство: борьба с проблемами, связанными с рабочей силой и производительностью труда.

Строительная отрасль исторически неохотно инвестировала в технологии. Однако, столкнувшись с проблемами нехватки рабочей силы и низкой производительностью труда, крупные строительные компании экспериментируют с искусственным интеллектом.

Квалифицированная рабочая сила становится все более дефицитной, поскольку работники старшего возраста покидают отрасль, а в ее ряды приходит все меньше молодежи. Согласно исследованию Ассоциации строителей и подрядчиков, более чем каждый пятый строительный рабочий старше 55 лет. Между тем, производительность труда отстает, а перерасход средств и превышение сроков являются нормой: по данным Бента Фливбьерга, почетного профессора бизнес-школы Саида Оксфордского университета, только 8,5% мегапроектов (стоимостью 1 миллиард долларов и более) соответствуют или превосходят ожидания по срокам и бюджету.

Предполагается, что GenAI позволит разработчикам использовать накопленные за десятилетия данные для решения этих проблем. «В нашем распоряжении данные по строительной отрасли за 40 лет», — говорит Келси Гаугер, национальный директор по операционному совершенствованию в компании Suffolk Construction. Однако для многих строительных компаний эти данные разрознены, не стандартизированы и труднодоступны.

Выводы, полученные в ходе межотраслевого анализа

• Приоритетное внимание следует уделить организации и интеграции данных.
  Компания Clark Construction строит корпоративное хранилище данных и инфраструктуру данных для объединения своих различных ИТ-систем. Благодаря этому компания надеется использовать GenAI для принятия более эффективных решений и улучшения операционной деятельности.
• Выявите неотложную проблему, затрагивающую всю отрасль.
  Для повышения производительности труда, а также для ускорения обучения новых сотрудников, компания Suffolk Construction добавила в свое программное обеспечение для совместной работы функцию "второго пилота". Новая функция упрощает поиск информации, в том числе ответов на вопросы, которые обычно задают рабочие на строительных площадках.
• Ищите быстрые, но значимые победы.
  Компания Turner Construction, которая ежегодно заключает 30 000 сделок со своими поставщиками рабочей силы и материалов, нуждалась в повышении производительности своего процесса закупок. Компания планирует использовать GenAI для обработки проектов контрактов путем автоматической генерации текста для технических заданий или генеральных соглашений об оказании услуг. Тем временем компания Gilbane Building Company проводит пилотное тестирование крупной языковой модели, которая помогает проектным группам за считанные секунды находить актуальную строительную документацию.

Производство: смягчение дефицита квалифицированных кадров и предотвращение дорогостоящих простоев.

В обрабатывающей промышленности также наблюдается нехватка квалифицированных рабочих. Согласно данным Института производства, подразделения Национальной ассоциации производителей, занимающегося развитием трудовых ресурсов, нехватка квалифицированной рабочей силы может привести к тому, что к 2030 году 2,1 миллиона рабочих мест в обрабатывающей промышленности останутся незаполненными.

Это объясняет, почему одним из приложений GenAI, набирающих популярность в этой отрасли, являются чат-боты, основанные на огромном количестве спецификаций, технических руководств и других деталей. Эти боты могут использоваться для обучения и предоставления ответов в режиме реального времени младшему персоналу, давая инструкции по ремонту оборудования и даже указывая, какие инструменты необходимы. Это крайне важно в отрасли, где потери от простоев могут составлять в среднем 532 000 долларов в час.

Несмотря на высокий интерес к искусственному интеллекту (около 78% руководителей предприятий обрабатывающей промышленности , опрошенных KPMG, назвали его одной из самых перспективных технологий), большинство из них подходят к его внедрению с осторожностью. «Организации проявляют осторожность в применении искусственного интеллекта в основных операциях, которые могут напрямую повлиять на их прибыль и убытки», — говорит Кабали Ганесан, директор по бизнес-консалтингу в Cognizant.

Выводы, полученные в ходе межотраслевого анализа

• Выбирайте сценарии с низким риском и высоким потенциалом.
  Производитель лифтов разработал систему рекомендаций по техническому обслуживанию для улучшения послепродажного ремонта. На основе руководств пользователя и сервисных инструкций для различных моделей лифтов компании и их основных подсистем, чат-бот помогает выездным техническим специалистам быстро диагностировать и устранять неполадки. По результатам первого пилотного проекта, время ремонта сократилось на 90%.
• Объедините традиционный ИИ с генеративным ИИ.
  По данным Boston Consulting Group (BCG), производителям потребуется использовать как генеративный искусственный интеллект (GenAI), так и искусственный интеллект на основе машинного обучения/глубокого обучения для повышения эффективности работы своих заводов. Например, традиционный ИИ может предсказать, когда машина находится под угрозой отказа, но если добавить к этому чат-бота на базе GenAI, который может научить инженера по техническому обслуживанию принимать меры для предотвращения поломки, это может значительно повысить эффективность.
  
  «Чат-бот может определить три момента, которые могут потребовать корректировки или перенастройки, а затем показать инженеру документацию с инструкциями по их выполнению», — говорит Рэндал Кенворти, старший партнер West Monroe Partners. «Теперь у вас есть более информированный и естественный способ реагирования на потребности в техническом обслуживании».
• Не стоит изобретать велосипед заново.
  Согласно отчету BCG, многие производители полагаются на существующих поставщиков программного обеспечения, которые интегрируют возможности GenAI в их существующие платформы. По словам Кенворти, наличие уже интегрированной системы GenAI повышает вероятность того, что инженеры будут использовать эту технологию.

Аэрокосмическая и оборонная промышленность: совершенствование конструкции компонентов.

Производители в аэрокосмической и оборонной отраслях проявляют особую осторожность, когда дело доходит до внедрения искусственного интеллекта нового поколения. Будь то самолеты, спутники, беспилотники, военно-морские корабли или армейские танки, производимое ими оборудование чрезвычайно дорогое, его стоимость исчисляется миллионами, а то и миллиардами долларов. Не менее важно, чтобы оборудование соответствовало строгим военным, государственным требованиям и стандартам информационной безопасности.

Хотя эти компании видят ряд потенциальных преимуществ GenAI, включая улучшение прогнозируемого технического обслуживания и послепродажного сервиса, наиболее популярным применением сегодня является проектирование оборудования. Около 41% организаций аэрокосмической и оборонной отраслей, опрошенных компанией Capgemini, заявили, что проводят пилотные проекты по внедрению генеративного искусственного интеллекта в 3D-моделирование для ускорения проектирования, улучшения аэродинамики деталей и снижения затрат.

Выводы, полученные в ходе межотраслевого анализа

• Используйте GenAI, чтобы выйти за рамки общепринятых (человеческих) представлений.
  Аэрокосмические и оборонные компании начали использовать так называемый «генеративный дизайн», чтобы получить свежий взгляд на вещи, иногда выходящий за рамки того, что мог бы представить себе человеческий мозг. Эта концепция привлекла внимание общественности в 2023 году, когда инженер НАСА продемонстрировал, как с помощью этой технологии можно проектировать сверхлегкие детали космических аппаратов в рекордно короткие сроки. В компании Boeing исследователи изучают, как модели GenAI могут улучшить проектирование самолетов. «[Искусственный интеллект] способен заложить в свой электронный мозг больше сложных элементов, чем человек; он может оптимизировать процессы в более широком пространстве», — заявил Тодд Цитрон, главный технический директор компании Boeing.
• Обращайте внимание как на старое, так и на новое.
  Использование GenAI для написания нового кода — это очевидное решение, но эксперты предполагают, что эта технология также может помочь модернизировать устаревший код. Производственные операции в аэрокосмической и оборонной отраслях затруднены из-за устаревшего программного обеспечения, на котором до сих пор основаны некоторые встроенные системы. Это делает системную интеграцию особенно сложной.
  
  Однако GenAI мог бы выступать в роли переводчика. «Интерактивный движок, построенный на основе базовой модели, сможет взять, например, устаревший код модуля предотвращения столкновений и преобразовать его в современный язык программирования», — говорит Раман Рам, руководитель практики аэрокосмической и оборонной промышленности EY в Америке.
• Воспользуйтесь тем, что GenAI уделяет огромное внимание деталям.
  Если вы когда-либо составляли документы по государственному контракту, вы, возможно, поймете, почему пресловутый молоток Министерства обороны стоит 60 000 долларов. Подготовка таких контрактов требует значительных временных и финансовых затрат из-за большого объема информации и необходимости индивидуальной настройки. Согласно отчету Института искусственного интеллекта Deloitte, компании могут использовать GenAI для автоматизации, по крайней мере, части процесса, создавая черновые варианты на основе шаблонов, исторических документов или конкретных подсказок от сотрудников отдела закупок. Аналогичным образом, GenAI мог бы помочь в составлении технической документации, экономя время и деньги.

Коммунальные услуги: Совершенствование управления и обслуживания инфраструктуры.

Современные коммунальные предприятия сталкиваются с множеством проблем, включая освоение новых источников энергии и изменение бизнес-моделей. Возьмем, к примеру, компанию West Penn Power. Помимо обеспечения надежного источника электроэнергии, столетний поставщик электроэнергии в Пенсильвании теперь обязан предлагать своим клиентам определенный процент электроэнергии, получаемой из альтернативных источников. Компания заключает контракты с несколькими десятками поставщиков ветровой, солнечной и гидроэнергии, а также с потребителями, которые производят собственную солнечную энергию и продают ее обратно компании West Penn.

GenAI может помочь компаниям разобраться, как распределять те или иные виды энергии и какому поставщику платить за потребляемую энергию. Есть надежда, что, управляя этой сложностью, GenAI сможет как снизить эксплуатационные расходы, так и повысить надежность. Коммунальные предприятия также используют GenAI для улучшения технического обслуживания и ремонта, в первую очередь, путем анализа видеозаписей инфраструктуры. Почти 40% энергетических компаний, опрошенных Capgemini, имеют специальную команду и бюджет для внедрения GenAI, и каждая третья уже начала пилотные проекты.

Выводы, полученные в ходе межотраслевого анализа

• Ищите сложные области, требующие упрощения.
  Растущая сложность в сфере коммунальных услуг может сбивать потребителей с толку из-за множества вариантов энергоснабжения и различных тарифов на каждый из них. Благодаря сбору компанией GenAI необходимых данных, операторы службы поддержки клиентов смогут отвечать на вопросы и предоставлять информацию об энергопотреблении клиентов, потенциально в режиме реального времени. Они могут даже посоветовать клиентам, как сэкономить деньги, например, определив непиковые часы для зарядки электромобилей.
• Смотрите вдаль, широко и вниз.
  Осознайте преимущества GenAI за пределами своих четырех стен. Контроль за ростом растительности вокруг линий электропередач является важнейшей операцией для сокращения времени простоя и даже предотвращения лесных пожаров. Однако это медленный и дорогостоящий процесс — калифорнийская компания Pacific Gas & Electric Co. потратила около 2,5 миллиардов долларов в течение нескольких лет на выявление и обрезку деревьев вблизи линий электропередач.
  
  Вместо этого коммунальные предприятия могут использовать ИИ для определения масштабов разрастания растительности вблизи линий электропередач, столбов или опор и быстрого определения мест, где требуется вмешательство. Многие коммунальные предприятия уже используют дроны, оснащенные камерами, для мониторинга наружной физической инфраструктуры. Однако, по словам Цзин Ву, ведущего научного директора Info-Tech Research Group в Канаде, неструктурированные данные, которые они собирают, невозможно обработать человеку за разумное время. При наличии подходящих моделей и обучения GenAI сможет быстро анализировать эти неструктурированные данные и выявлять дефекты или надвигающуюся опасность.
• Повысьте свой профессиональный уровень.
  Чат-боты GenAI, обученные на основе соответствующих руководств и данных, могут помочь техническим специалистам на местах быстрее и эффективнее ремонтировать инфраструктуру. Например, работник по техническому обслуживанию может спросить у бота GenAI, как починить конкретное оборудование на месте. После анализа данных бот мог бы предоставлять инструкции на простом языке, облегчая доступ к экспертным знаниям.