Během více než dvou let, kdy OpenAI zavedla ChatGPT, se generativní umělá inteligence (GenAI) spojuje hlavně se změnou fungování úřednických profesí. Ve studii Společnosti pro řízení lidských zdrojů a Institutu Burning Glass z roku 2024 autoři poznamenali, že technologie široce transformuje téměř všechny kategorie administrativní práce, zatímco „práce v dělnických oborech zůstane chráněna před velkými narušeními“.

Prozatím možná. Mnoho odvětví, která jsou obvykle spojena s fyzickou prací, však také experimentuje s GenAI, aby vyřešila zdánlivě neřešitelné problémy. Ty sahají od zlepšení výnosů plodin v zemědělství až po zmírnění nedostatku pracovních sil ve stavebnictví.

Následuje shrnutí článků o tom, jak pět takových odvětví využívá GenAI. Jejich kreativní přístupy nabízejí ponaučení pro jakékoli odvětví – ať už administrativní, nebo modré – o tom, jak z této revoluční technologie vytěžit maximum.

Zemědělství: Rozšiřování vhledu zemědělců v měnícím se světě

Udržitelná produkce potravin je v popředí výzev zemědělského průmyslu. Dnešní zemědělci musí efektivně využívat přírodní zdroje, jako je půda, osivo a voda, a také snižovat zátěž zemědělství pro životní prostředí v podobě produkce metanu, používání pesticidů a dalších faktorů. Zároveň se musí přizpůsobit měnícímu se klimatu, které přímo ovlivňuje jejich příjmy.

Tyto tlaky vedly organizace k vývoji řady aplikací GenAI, od chatbotů pro malé zemědělce v Indii až po systémy sběru a analýzy dat pro nadnárodní zemědělské konglomeráty.

Digital Green, nezisková organizace, která vyvíjí technologie na pomoc zemědělcům v rozvojových zemích, zavedla virtuálního agronomického chatbota pro poradce v Indii, Keni a Etiopii. Cílem je poskytovat informace o základních zemědělských věcech, jako jsou osiva, klima a dokonce i tržní ceny.

A ve Švýcarsku technologická společnost Datamars zkoumá, jak by GenAI mohla být využita ke zlepšení produkce mléka a zároveň ke shromažďování dat o udržitelnosti, která jsou stále důležitější nejen pro kupující veřejnost, ale i pro vlády.

Mezioborové přístupy

• Buďte připraveni použít širokou škálu dat pro trénování modelu.
  Společnost Digital Green zahájila pilotní projekt trénováním modelu s využitím důvěryhodných vědeckých dat z takových zdrojů, jako je například recenzovaný zemědělský výzkum. Ale protože zemědělství je lokální, dalším krokem bude přidání regionálně specifických informací, jako jsou povětrnostní vzorce a charakteristiky půdy. Organizace doufá, že nakonec využije rozšířené generování vyhledávání k získávání neustále se měnících dat, jako jsou například ceny různých plodin na místním trhu.
• K ověření výstupů využijte odborníky.
  Lidé, kteří zpočátku interagují s chatbotem Digital Green, nejsou samotní farmáři, ale poradci v oblasti zemědělství, kteří farmářům poskytují poradenství. Agenti používají chatbota k rychlejšímu získávání odpovědí na otázky farmářů a díky svým agronomickým znalostem dokáží rozpoznat a opravit jakékoli halucinace způsobené umělou inteligencí (GenAI).
• Přijměte opatření k budování důvěry uživatelů.
  V zemědělství je běžné, že stejná rodina pěstuje stejné plodiny na stejné půdě po generace. V důsledku toho mohou být rady od externích osob, natož od chatbota, nežádoucí. Pro vybudování důvěry je nezbytné setkávat se s farmáři za jejich vlastních podmínek.
  
  Za tímto účelem chatbot podporuje více jazyků a dokáže reagovat na mluvené otázky, spíše než aby se spoléhal pouze na text. Jak budou poradci v zemědělství postupně seznamovat farmáře s chatbotem, budou ho moci používat v terénu k kladení otázek typu: „Jaká plodina je nejziskovější k pěstování vzhledem k nákladům na osivo a pesticidy a místním prodejním cenám určitých plodin nebo hospodářských zvířat?“

Stavebnictví: Boj s problémy v oblasti práce a produktivity

Stavebnictví se historicky zdráhalo investovat do technologií. Ale tváří v tvář problémům s pracovní silou a produktivitou experimentují velké stavební firmy s GenAI.

Kvalifikovaná pracovní síla se stává vzácnou, protože starší pracovníci odcházejí z odvětví a do jeho řad vstupuje méně mladých lidí. Podle výzkumu organizace Associated Builders and Contractors je více než každý pátý stavební dělník ve věku 55 let nebo starší. Produktivita mezitím zaostává a překračování harmonogramů a nákladů je normou, přičemž pouze 8,5 % megaprojektů (v hodnotě 1 miliardy dolarů nebo více) splňuje nebo překračuje svá časová a rozpočtová očekávání, uvádí Bent Flyvbjerg, emeritní profesor na Saïd Business School Oxfordské univerzity.

Doufáme, že GenAI pomůže stavebníkům vyřešit tyto problémy pomocí dat nashromážděných za několik desetiletí. „Máme k dispozici 40 let stavebních dat,“ říká Kelsey Gauger, národní ředitelka pro provozní excelenci ve společnosti Suffolk Construction. Pro mnoho stavebních firem jsou však tato data izolovaná, nestandardizovaná a obtížně dostupná.

Mezioborové poznatky

• Upřednostněte organizaci a integraci dat.
  Společnost Clark Construction buduje podnikový datový sklad a datovou infrastrukturu pro propojení svých různých IT systémů. Díky tomu doufá, že GenAI využije k lepším rozhodnutím a zlepšení provozu.
• Identifikujte naléhavý problém v celém odvětví.
  Aby se zvýšila produktivita a zároveň rychleji zaškolili noví zaměstnanci, přidala společnost Suffolk Construction do svého softwaru pro spolupráci dalšího pilota. Nová funkce usnadňuje vyhledávání informací, včetně odpovědí na otázky, které si pracovníci obvykle kladou na stavbách.
• Hledejte rychlé, ale podstatné výhry.
  Společnost Turner Construction, která ročně spravuje 30 000 obchodů se svými dodavateli pracovní síly a materiálu, potřebovala zvýšit produktivitu svého procesu zadávání veřejných zakázek. Chce využít GenAI ke zpracování návrhů smluv automatickým generováním textu pro pracovní listy nebo rámcové smlouvy o poskytování služeb. Stavební společnost Gilbane mezitím pilotně testuje rozsáhlý jazykový model, který pomáhá projektovým týmům během několika sekund načítat aktuální stavební dokumentaci.

Výroba: Zmírnění nedostatku kvalifikovaných pracovníků a zamezení nákladným prostojům

Kvalifikovaných pracovníků je také nedostatek ve výrobě. Podle Manufacturing Institute, složky Národní asociace výrobců, která se zabývá rozvojem pracovní síly, by nedostatek kvalifikované pracovní síly mohl do roku 2030 vést k neobsazení 2,1 milionu pracovních míst ve výrobě.

To vysvětluje, proč se v tomto odvětví prosazuje aplikace GenAI, jako jsou chatboti založené na obrovském množství specifikací, technických manuálů a dalších podrobností. Tyto boty lze použít ke školení a poskytování odpovědí v reálném čase nižším zaměstnancům, kteří jim poskytují pokyny, jak opravit zařízení a dokonce i jaké nástroje jsou potřeba. To je klíčové v odvětví, kde ztráty způsobené prostoji mohou v průměru dosáhnout až 532 000 dolarů za hodinu.

Přestože je zájem o GenAI vysoký (přibližně 78 % manažerů průmyslové výroby, kteří se zúčastnili průzkumu KPMG , ji označilo za špičkovou rozvíjející se technologii), většina z nich postupuje opatrně. „Organizace jsou opatrné, pokud jde o aplikaci GenAI na klíčové operace, které by mohly přímo ovlivnit jejich zisk a ztrátu,“ říká Kabali Ganesan, ředitelka obchodního poradenství ve společnosti Cognizant.

Mezioborové poznatky

• Vyberte si scénáře s nízkým rizikem a vysokým potenciálem.
  Výrobce výtahů vyvinul systém poradenství v oblasti údržby, aby zlepšil poprodejní opravy. Na základě uživatelských a servisních manuálů pro různé modely výtahů společnosti a jejich hlavní subsystémy pomáhá chatbot terénním technikům rychle diagnostikovat a řešit problémy. První pilotní projekt hlásí 90% zkrácení doby oprav.
• Kombinujte tradiční umělou inteligenci s GenAI.
  Podle společnosti Boston Consulting Group (BCG) budou muset výrobci pro zlepšení provozu svých továren využívat jak GenAI, tak i umělou inteligenci založenou na strojovém/hlubokém učení. Například tradiční umělá inteligence dokáže předpovědět, kdy je stroj v nebezpečí selhání, ale když přidáte chatbota s technologií GenAI, který může údržbářského technika učit, jak podniknout kroky k zamezení selhání, může to vést k multiplikaci síly.
  
  „Chatbot by mohl identifikovat tři věci, které by mohly vyžadovat úpravu nebo rekalibraci, a poté zobrazit dokumentaci, která inženýrovi ukáže, jak to provést,“ říká Randal Kenworthy, senior partner ve společnosti West Monroe Partners. „Nyní máte informovanější a přirozenější způsob, jak reagovat na potřeby údržby.“
• Nevynalézejte kolo znovu.
  Podle zprávy BCG se mnoho výrobců spoléhá na stávající dodavatele softwaru, aby integrovali funkce GenAI do svých stávajících platforem. Kenworthy říká, že již zavedená GenAI zvyšuje pravděpodobnost, že inženýři tuto technologii využijí.

Letectví a obrana: Zlepšení konstrukce součástek

Výrobci v leteckém a obranném průmyslu jsou obzvláště konzervativní, pokud jde o implementaci GenAI. Ať už se jedná o letadla, satelity, drony, vojenské lodě nebo armádní tanky, vybavení, které vyrábějí, je extrémně drahé, v řádu milionů, ba dokonce miliard dolarů. Stejně důležité je, aby zařízení splňovalo přísné vojenské, vládní a datové bezpečnostní specifikace.

Ačkoli tyto společnosti vidí několik potenciálních výhod GenAI, včetně zlepšení prediktivní údržby a poprodejních služeb, nejoblíbenější aplikací je dnes návrh zařízení. Přibližně 41 % leteckých a obranných organizací, které společnost Capgemini oslovila, uvedlo, že pilotně testují generativní umělou inteligenci v 3D modelování s cílem urychlit návrh, zlepšit aerodynamiku dílů a snížit náklady.

Mezioborové poznatky

• Použijte GenAI k úniku od konvenčních (lidských) moudrostí.
  Letecké a obranné společnosti začaly využívat tzv. „generativní design“, aby získaly nový pohled na věc, někdy přesahující to, co si lidský mozek dokáže představit. Tento koncept se dostal do zpráv v roce 2023, kdy inženýr NASA ukázal, jak tato technologie dokáže navrhnout ultralehké součásti kosmických lodí v rekordním čase. Výzkumníci ve společnosti Boeing zkoumají, jak by modely GenAI mohly vylepšit konstrukci letadel. „[Umělá inteligence] dokáže do svého elektronického mozku vložit větší složitost než člověk; dokáže optimalizovat v širším prostoru,“ uvedl Todd Citron, technický ředitel společnosti Boeing.
• Dívejte se na staré, ale i na nové.
  Využití GenAI k psaní nového kódu je samozřejmostí, ale odborníci naznačují, že tato technologie by mohla také pomoci modernizovat starší kód. Výrobní operace v leteckém a obranném průmyslu jsou brzděny starším softwarem, na kterém jsou některé vestavěné systémy stále založeny. To značně ztěžuje integraci systému.
  
  GenAI by ale mohla sloužit jako překladač. „Interaktivní engine postavený na podkladovém modelu by byl schopen například převést starší kód modulu pro předcházení kolizím do moderního programovacího jazyka,“ říká Raman Ram, vedoucí oddělení leteckého a obranného průmyslu společnosti EY America.
• Využijte posedlosti detaily, kterou GenAI nabízí.
  Pokud jste někdy sepisovali vládní zakázku, možná chápete, proč příslovečné kladivo Ministerstva obrany stojí 60 000 dolarů. Příprava těchto smluv vyžaduje značné množství času a nákladů kvůli množství detailů a požadovaným úpravám. Podle zprávy Institutu umělé inteligence společnosti Deloitte mohou firmy využít GenAI k automatizaci alespoň částí procesu a vytvářet první návrhy na základě šablon, historických dokumentů nebo konkrétních pokynů od úředníků pro zadávání veřejných zakázek. Podobně by GenAI mohla pomoci s návrhem technické dokumentace, což by ušetřilo čas a peníze.

Inženýrské služby: Zlepšení správy a údržby infrastruktury

Dnešní energetické společnosti se potýkají s nesčetnými výzvami, včetně řešení mnoha nových zdrojů energie a vyvíjejících se obchodních modelů. Vezměte si například West Penn Power. Kromě dodávek spolehlivého zdroje elektřiny musí nyní tento stoletý poskytovatel v Pensylvánii nabízet zákazníkům určitý podíl elektřiny z alternativních zdrojů energie. Uzavírá smlouvy s několika desítkami dodavatelů větrné, solární a vodní energie, kromě spotřebitelů, kteří si sami vyrábějí solární energii a prodávají ji zpět společnosti West Penn.

GenAI by mohla firmám pomoci s výběrem distribuce jednotlivých druhů energie a s výběrem dodavatele, který bude za spotřebovanou energii platit. Doufá se, že zvládnutím této složitosti GenAI sníží provozní náklady a zvýší spolehlivost. Dopravní podniky také využívají GenAI ke zlepšení údržby a oprav, zejména analýzou videí z infrastruktury. Téměř 40 % energetických a energetických společností, které společnost Capgemini oslovila, má specializovaný tým a rozpočet pro GenAI a každá třetí společnost zahájila pilotní projekty.

Mezioborové poznatky

• Hledejte složité oblasti, které je třeba zjednodušit.
  Rostoucí složitost v odvětví veřejných služeb může být pro spotřebitele matoucí, s ohledem na četné možnosti energie, ze kterých si mohou vybrat, a různé sazby pro každou z nich. Díky shromažďování správných dat společností GenAI by agenti zákaznického servisu mohli odpovídat na otázky a poskytovat informace o spotřebě energie zákazníků, potenciálně v reálném čase. Mohou dokonce zákazníkům poradit, jak ušetřit peníze, například tím, že identifikují hodiny mimo špičku pro nabíjení svých elektromobilů.
• Dívejte se široko daleko a dolů.
  Podívejte se za hranice svých čtyř zdí a zjistěte výhody GenAI. Řízení růstu vegetace kolem elektrického vedení je zásadní operací pro zkrácení prostojů a dokonce i pro zamezení lesních požárů. Je to však pomalé a drahé – kalifornská společnost Pacific Gas & Electric Co. utratila během několika let přibližně 2,5 miliardy dolarů za identifikaci a prořezávání stromů v blízkosti elektrického vedení.
  
  Místo toho mohou dodavatelé energií využít umělou inteligenci k identifikaci rozsahu vegetace v blízkosti vodičů elektrického vedení, sloupů nebo věží a rychle zaměřit zásah tam, kde je potřeba. Mnoho energetických společností již používá drony vybavené kamerami k monitorování venkovní fyzické infrastruktury. Nestrukturovaná data, která shromažďují, však lidé nedokážou zpracovat v rozumném čase, říká Jing Wu, hlavní ředitel výzkumu v kanadské výzkumné skupině Info-Tech. Se správnými modely a školením by GenAI mohla tato nestrukturovaná data rychle analyzovat a identifikovat vadu nebo hrozící nebezpečí.
• Zvyšte si odbornost.
  Chatboti GenAI vyškolení ve správných manuálech a datech mohou technikům v terénu pomoci rychleji a efektivněji opravovat infrastrukturu. Například pracovník údržby by se mohl zeptat bota GenAI, jak má na místě opravit konkrétní zařízení. Po prozkoumání dat mohl bot poskytovat instrukce v jednoduchém jazyce, což usnadňuje přístup k odborným znalostem.