Инновации / Тренды

Ошибка Илона Маска

Ошибка Илона Маска

|11 октября 2018|Джеймс УилсонПол Догерти

Это произошло на заводе будущего. Новое промышленное предприятие Tesla во Фримонте (Калифорния), получившее название «Инопланетный Дредноут», было разработано как полностью автоматизированное — без необходимости задействовать людей. Предполагалось, что роботы с искусственным интеллектом помогут компании выпускать 5 тыс. автомобилей Tesla Model 3 в неделю, что позволит удовлетворить растущий спрос. Но реальность оказалась не столь радужной: компания производила всего 2 тыс. автомобилей. Как выяснилось, полная автоматизация не столь хороша, как все думают. По мнению CEO компании Илона Маска, сложные роботы на деле замедляют, а не ускоряют, производство.

Tesla решила приостановить производство, чтобы устранить неполадки и установить большое временное сооружение — в сущности, это шатер — для дополнительных работ. Также компания наняла несколько сотен работников, чтобы реформировать процесс производства, обучить (и переобучить) роботов и при необходимости подменить их. Сам Илон Маск в апреле написал в твиттере: «Полная автоматизация была ошибкой, точнее, моей ошибкой. Человеческий ресурс недооценивают».

Tesla не единственная компания, столкнувшаяся с подводными камнями полной автоматизации. Мы провели глобальное исследование более чем 1 тыс. компаний, стоящих в авангарде использования ИИ, и обнаружили, что наибольшая производительность достигается не тогда, когда машины заменяют людей, а когда используются для работы с ними. Такое отношение помогает машинам стать лучше, а людям — перейти на более высокий уровень производительности.

Добавляем в рецепт людей

Для Tesla усилить человеческий ресурс — значит расширить традиционные виды деятельности дополнительными обязанностями, которые могли бы обеспечить бесперебойную и эффективную работу «Инопланетного Дредноута». Так, например, супервайзер в сфере обслуживания оборудования должен не просто ежечасно отслеживать работу техперсонала и руководить ремонтом оборудования, но и обладать инженерными навыками и знать робототехнику. А персонал по техническому обслуживанию должен не просто уметь диагностировать и устранять неполадки промышленного оборудования. Сотрудники обязаны использовать множество методик анализа, таких как термография и вибрационная диагностика, чтобы заранее определять, когда применять те или иные профилактические процедуры для предотвращения поломок.

И это не просто старые позиции в штатном расписании с расширенными полномочиями. Наш анализ показал, что к традиционным формам деятельности прибавились совершенно новые категории рабочих мест. Так же, как когда-то благодаря интернету появились веб-дизайнеры и специалисты SEO, в эру ИИ появятся новые профессии. Tesla, к примеру, нанимает инженеров-робототехников, специалистов по компьютерному зрению, разработчиков систем машинного обучения. Компания также опубликовала список более экзотичных вакансий для ИИ-специалистов, таких как инженер по алгоритмам аккумуляторных батарей и инженер по системам датчиков слежения и прогноза. Для названных специальностей требования выходят за пределы знания литий-ионных элементов (емкость ячеек, сопротивление, мощность и т.д.) и теперь включают экспертные знания в разработке алгоритмов контроля и обратной связи. Это не просто технически переосмысленные задачи. Фактически, как обнаружила Tesla и другие компании, технологии ИИ оказывают влияние на все предприятие, от продаж и маркетинга до НИОКР и таких функций бэк-офиса, как бухгалтерия и финансы. Например, Tesla применяет ИИ-системы для обработки данных клиентов, включая информацию из онлайн-отзывов на сайте компании, чтобы выявить проблемы с автомобилями.

Запрос на обучение

Очевидно, что найти людей на вакансию «инженер по алгоритмам аккумуляторных батарей» не самая простая задача — учитывая серьезную нехватку специалистов по ИИ, которая способствовала взлету их годовых зарплат выше $300 тысяч. Так что многие компании стараются вырастить таланты собственными силами внутри организации. Исследование показало: хотя руководители осознали всю сложность новых программ переподготовки, почти три четверти из опрошенных 1,5 тыс. крупных компаний сообщили, что испытывают трудности с дальнейшими действиями.

Полная версия статьи доступна подписчикам
Выберите срок онлайн-подписки:

https://hbr-russia.ru/innovatsii/trendy/783433

2018-10-11T15:03:10.168+03:00

Fri, 12 Oct 2018 15:20:42 GMT

Ошибка Илона Маска

Почему роботы не смогли помочь Tesla, и как компания использует их теперь

Инновации / Тренды

https://cdn.hbr-russia.ru/image/2018/7x/135rlm/original-1er2.jpg

Harvard Business Review – РоссияHarvard Business Review – Россия

Harvard Business Review – РоссияHarvard Business Review – Россия