Как искусственный интеллект меняет автомобильную промышленность и качество обслуживания клиентов

IAA Mobility 2023, крупнейшее в мире мероприятие, посвященное мобильности, с 5 по 10 сентября привлекло в Мюнхен около полумиллиона посетителей. Искусственный интеллект (ИИ) в автомобильной промышленности был постоянной темой практически во всех сферах выставки этого года. Например, при разработке систем помощи водителю и автономному вождению или при контроле качества и производстве.

На автомобильных заводах роботы, управляемые искусственным интеллектом, теперь самостоятельно выполняют такие задачи, как сварка, покраска и сборка.

Все чаще интеллектуальные алгоритмы используются для мониторинга состояния транспортных средств и предоставления указаний о предстоящем техническом обслуживании или ремонте, также известном как «прогностическое обслуживание».

Искусственный интеллект также используется при проектировании транспортных средств и для оптимизации вождения для повышения эффективности и устойчивости при голосовом управлении навигационными системами и в интеллектуальных системах помощи при парковке. Между тем, маркетинг, продажи и обслуживание клиентов внедряют ИИ, чтобы сделать клиентов счастливее, а цепочки поставок — более эффективными.

ИИ в автоиндустрии: как искусственный интеллект меняет курс

Я имел удовольствие обсуждать искусственный интеллект на фестивале мобильности, и к мне присоединились Александр Шольц, руководитель отдела цифровых поставок BMW Group, а также Тобиас Вагнер из стартапа электронной мобильности ChargeX. В суете выставки мы смогли воспользоваться представительской гостиной, которой управляет наш партнер IBM iX DACH совместно с TikTok, для проведения захватывающего мастер-класса по искусственному интеллекту.  

Генеративный ИИ меняет правила игры, особенно в сфере коммуникации.

Это потому, что эта технология может генерировать новый контент на основе существующей информации и вводимых пользователем данных. Он основан на больших языковых моделях (LLM) и используется в инструментах искусственного интеллекта, таких как ChatGPT, Google Bard и Aleph Alpha. При обучении на больших объемах данных в самых разных контекстах и ​​измерениях такие модели машинного обучения (ML) теперь могут понимать сложные отношения и зависимости.

По мнению эксперта BMW Александра Шольца, эта технология также является важным фактором повышения эффективности, особенно в цепочке поставок.

Преимущества искусственного интеллекта в автомобильной промышленности уже ощущаются на производстве. Например, на американском заводе BMW в Спартанбурге использование искусственного интеллекта только в кузовном цехе экономит более миллиона долларов в год на производственных затратах. Компания уже экспериментирует с искусственным интеллектом при проектировании транспортных средств, например, разрабатывая новые внедорожники без вмешательства человека.

Молодая компания ChargeX также полагается на решение искусственного интеллекта для своей модульной инфраструктуры зарядки электромобилей. Он используется для автоматического распределения нагрузки между различными электромобилями на объекте. «Мы можем использовать его для разработки оптимальной стратегии зарядки», — сказал нам основатель и генеральный директор Тобиас Вагнер. Но они все еще находятся на ранних стадиях.

Следим за потенциальными рисками применения ИИ в автомобильной промышленности

Несмотря на разные точки зрения, дискуссия также выявила много общего. Например, когда мы говорили о потенциальных рисках ИИ, таких как безопасность данных, защита конфиденциальной информации или вопросы ответственности и гарантии.

«Нам необходимо проявлять инициативу и обеспечить максимально возможную прозрачность», — подчеркнул Шольц. Он добавил, что важно ответственно использовать языковые модели искусственного интеллекта и завоевывать доверие к их использованию среди собственных сотрудников и клиентов.

По этой причине BMW уже опубликовала свои собственные рекомендации по искусственному интеллекту, в которых изложены этические принципы обращения с этой революционной технологией. К ним относится отказ слепо полагаться на реакцию ИИ без контроля со стороны человека.

Чтобы предотвратить «галлюцинации» ИИ – особенно в критических с точки зрения безопасности ситуациях – необходимо посредством соответствующего обучения обеспечить, чтобы выходные данные LLM были фактически правильными и непредвзятыми. Более того, в случае сомнений суждение человека всегда должно преобладать над суждением ИИ.

Без признания со стороны конечных пользователей лучшее решение искусственного интеллекта бесполезно.

Тобиас Вагнер привнес в нашу дискуссию еще один аспект: абсолютную необходимость признания конечным пользователем.

Он сказал, что автомобильная промышленность должна быть особенно чувствительна к этому, поскольку водители хотят принимать собственные решения, а не оставлять их на усмотрение непрозрачного алгоритма.

Он указал на приложение для зарядки своей компании, которое в более ранней версии автоматически определяло оптимальный процесс зарядки электромобиля на основе исторических данных и текущей ситуации в конкретном месте.

«Но люди хотят сами решать, исходя из своей конкретной ситуации, насколько полной должна быть их батарея и сколько времени у них на это есть», — сказал он, опираясь на опыт ChargeX. По его словам, разумные предложения и рекомендации ИИ полезны, но окончательное решение должно оставаться за клиентом.

Вместо того, чтобы регулировать ИИ, лучше создать собственный опыт

Однако все участники дискуссии согласились, что постоянное регулирование новой технологии – любого рода – вряд ли поможет. Это только замедлит инновации, и Германия отстанет в другой области.

Однако часто необходимо подробно обсудить с юридическими отделами производителей автомобилей, что в настоящее время возможно по соображениям ответственности или защиты данных, и где все еще могут существовать ограничения. Совместная работа над проблемами должна гарантировать, что реализация новых вариантов использования не будет отложена из-за юридических проблем или существующих опасений.

Сбор собственного опыта сотрудников также может помочь развеять серьезные опасения по поводу приложений ИИ.

Эксперты мастер-класса были убеждены, что «развитие ИИ больше невозможно остановить или даже повернуть вспять». Скорее, задача состоит в том, чтобы сформировать его и использовать ответственно.

Без качества данных ИИ не выдаст полезных результатов

На нашем мастер-классе в Мюнхене мы также обсудили еще один ключевой вопрос использования генеративного искусственного интеллекта в автомобильной промышленности: сбор и структурирование данных и их качество. Было отмечено, что лучшие инструменты анализа бесполезны без качественных данных – если данные плохие, то даже лучший ИИ может дать только бесполезные ответы.

С другой стороны, если соответствующая информация собирается и анализируется на всех точках взаимодействия с клиентом, клиентам можно отправлять индивидуальные предложения, например, по предпочитаемому ими каналу. Однако для этого необходимо их согласие.

Наша группа согласилась с тем, что генеративный искусственный интеллект — идеальный инструмент персонализированного маркетинга, адаптированный к текущей ситуации получателя. Это потому, что это отличный способ автоматизировать кампании 1:1, которые очень актуальны для клиентов и, следовательно, дают лучшие результаты.

Двухэтапный подход к разработке решений искусственного интеллекта

По словам Шольца, BMW придерживается двухэтапного подхода к дальнейшему использованию искусственного интеллекта. Первый шаг — использовать его для повышения эффективности во всех сферах, снижения рабочей нагрузки и освобождения сотрудников от рутинных задач. На втором этапе будет легче принимать более точные и лучшие решения на основе собранных данных. Это также обеспечит эффективную поддержку сотрудников в условиях демографических изменений и растущей нехватки персонала.

Нашу дискуссию об искусственном интеллекте в автомобильной промышленности можно свести к следующим пунктам:

1. В автомобильной промышленности уже существует бесконечное количество вариантов использования искусственного интеллекта с пользой. На нашей сессии мы обсуждали некоторые примеры, начиная от цепочки поставок и инфраструктуры зарядки и заканчивая процессами взаимодействия с клиентами, но мы находимся только в начале эволюции.
2. Технологии меняются очень быстро. Поэтому для отрасли имеет смысл создать в своей организации специализированные команды/центры компетенции, чтобы следить за развитием событий и иметь возможность быстро реагировать на новые тенденции.
3. Текущая тенденция заключается в том, что автомобильные компании имеют собственный «корпоративный ChatGPT», адаптированный к их конкретным потребностям и обученный на собственных данных, чтобы гарантировать качество результатов.
4. Чистые данные — это ключ к получению интересных результатов от внедрения ИИ с точки зрения бизнеса и улучшению качества обслуживания клиентов.
5. Одна из самых больших проблем сегодня — найти сотрудников с необходимыми навыками искусственного интеллекта или обучить их самостоятельно.
6. Хорошая и прозрачная коммуникация необходима для решения и, как мы надеемся, смягчения проблем сотрудников и клиентов.

Для меня было интересно услышать из первых рук от наших экспертов, участвовавших в дискуссии, как они используют ИИ для повышения эффективности своих бизнес-процессов. А также то, как они используют его для улучшения продаж, маркетинга и обслуживания и, что наиболее важно, для улучшения качества обслуживания своих клиентов.

Это захватывающее время, и я очень рад увидеть, что будет дальше с искусственным интеллектом в автомобильной промышленности. Ты?