Почему современным цифровым системам ещё не хватает данных ч.3

Часть III. Следующий этап цифровизации начинается не с искусственного интеллекта

За последние двадцать лет цифровизация прошла несколько закономерных этапов.

Сначала предприятия научились собирать данные.

Затем — хранить, передавать и объединять их.

Позже появились аналитические системы, прогнозные модели и инструменты искусственного интеллекта.

Каждый новый этап увеличивал скорость обработки информации. Поэтому долгое время казалось, что именно вычислительные возможности будут определять дальнейшее развитие цифровизации.

Но сегодня всё заметнее становится другое ограничение.

Цифровая система может быстро обработать огромный объём данных и при этом сохранить неполное представление о предприятии.

Причина находится не только в качестве алгоритмов.

Она находится в границах наблюдаемой реальности.

Искусственный интеллект видит только то, что увидело предприятие

Даже самый развитый алгоритм работает не с самим предприятием.

Он работает с данными, которые предприятие смогло получить.

Если система не наблюдает фактическое состояние оборудования, локальные изменения среды, причины отклонения процесса или взаимодействия между подразделениями, эта часть реальности не попадает в цифровую модель напрямую.

Искусственный интеллект может попытаться восстановить недостающий фрагмент по косвенным признакам.

Рассчитать вероятный сценарий.

Предложить несколько объяснений.

Сопоставить ситуацию с накопленным опытом.

Но такой вывод всё равно будет содержать допущение.

Вероятностное объяснение может быть полезным, однако оно не равно непосредственному наблюдению.

Поэтому развитие искусственного интеллекта не уменьшает значение наблюдаемости. Напротив, чем сложнее становится анализ, тем выше требования к полноте, точности и связности исходных данных.

Новые источники информации становятся органами чувств предприятия

Когда предприятие устанавливает новый датчик, оно получает не просто дополнительный показатель.

Оно расширяет свою способность воспринимать происходящее.

Камера позволяет видеть.

Акустический датчик — замечать изменения в звуке работающего механизма.

Анализ вибрации — обнаруживать отклонения до появления явной неисправности.

Метеостанция и почвенные датчики помогают различать локальные условия, которые не отражает общий прогноз.

Системы анализа растений позволяют выявлять скрытый стресс раньше, чем он становится заметен человеку.

По сути, каждый новый способ наблюдения становится своеобразным органом чувств цифрового предприятия.

Но наличие большого количества таких органов ещё не означает, что предприятие понимает происходящее.

Можно установить тысячи датчиков и лишь увеличить объём разрозненной информации.

От отдельных наблюдений к цифровой модели

Данные приобретают управленческую ценность тогда, когда система способна связывать их между собой.

Например, увеличение расхода топлива может быть связано с техническим состоянием машины, изменением почвы или рельефа, другим режимом работы, отклонением маршрута либо ростом внешней нагрузки.

Сам показатель не позволяет определить причину.

Для этого необходимо одновременно учитывать объект, среду, состояние, динамику, взаимодействия, контекст и возможные последствия.

Именно эти элементы были представлены во второй части как семь уровней цифровой наблюдаемости.

Однако задача заключается не в том, чтобы механически накопить данные по каждому уровню.

Необходимо увидеть, как изменение в одной части предприятия отражается на других процессах.

Современные системы уже способны точно фиксировать множество фактов:

• где находилась техника;
• какая операция была выполнена;
• сколько ресурсов израсходовано;
• когда возникло отклонение.

Но архив событий ещё не является полноценной цифровой моделью.

Для управления важно понимать другое:

• почему произошло изменение;
• насколько оно существенно;
• какие процессы оно затронет;
• что может произойти дальше;
• когда вмешательство даст наибольший эффект.

Цифровая модель начинает формироваться тогда, когда отдельные наблюдения складываются в связанную картину состояния предприятия.

Она показывает не только объекты, но и отношения между ними.

Не только события, но и направление изменений.

Не только отклонения, но и возможные последствия.

Именно тогда цифровая система перестаёт исключительно описывать произошедшее и начинает помогать управлять будущим.

Меняется критерий цифровой зрелости

Сегодня цифровую зрелость предприятия чаще всего оценивают по количеству внедрённых программ, доле автоматизированных процессов и уровню применения искусственного интеллекта.

Эти показатели важны.

Но они не отвечают на вопрос, насколько полно цифровая система отражает фактическое состояние предприятия.

Организация может использовать современные платформы и при этом не наблюдать причины основных производственных потерь.

Может получать данные в реальном времени, но не видеть связей между процессами.

Может применять искусственный интеллект, но строить прогнозы на неполной цифровой модели.

Поэтому цифровую зрелость, вероятно, придётся оценивать не только по количеству технологий.

Не менее важными становятся:

• полнота наблюдаемой реальности;
• глубина наблюдения;
• качество связей между данными;
• скорость обновления цифровой модели;
• способность оценивать последствия изменений.

Цифровая зрелость предприятия определяется не только числом внедрённых решений, но и тем, насколько точно оно способно видеть собственное состояние и происходящие внутри него изменения.

Заключение

За последние годы цифровизация научилась собирать, хранить и обрабатывать огромные объёмы информации.

Но следующий этап окажется сложнее.

Предприятиям предстоит не только повышать вычислительную мощность, но и расширять ту часть реальности, которая доступна цифровому наблюдению.

Потому что качество анализа зависит от качества цифровой модели.

Качество модели — от данных.

А данные появляются только там, где существует наблюдение.

Поэтому главный вопрос развития цифровизации постепенно меняется.

Не только:

Сколько данных мы собираем?

А значительно глубже:

Какую существенную часть собственного предприятия мы пока ещё не способны наблюдать?

Авторский тезис

Цифровая система не может построить модель, более достоверную, чем позволяют её наблюдения. Поэтому развитие искусственного интеллекта должно сопровождаться расширением и связыванием наблюдаемой реальности предприятия.