Proč mít centrum excelence pro AI?

Když energetický a petrochemický nadnárodní gigant Shell v roce 2013 poprvé otevřel své centrum excelence pro AI (AI CoE), nebylo ještě zaměřené přímo na umělou inteligenci, ale spíše na prediktivní analytiku. A šlo jen o malé centrum.

„Byl jsem to v podstatě jen já,“ vzpomíná Dan Jeavons, současný šéf centra excelence datové vědy ve společnosti Shell (Shell Data Science Center of Excellence), jež v současnosti zaměstnává 180 datových vědců a inženýrů na plný úvazek.

Původně byl účel CoE podporovat firemní oddělení pracující na projektech s potřebou analýz. „Měli jsme mnoho firemních projektů, jež vznikaly všude možně,“ popisuje Jeavons. „A měli jsme lídry, kteří si uvědomovali, že potřebujeme koordinaci. Původní záměr byl jen usnadnit to, co se dělalo, ale takovou formou, kdy si práci vykonávala jednotlivá oddělení sama.“

AI však vyžaduje hluboké technické znalosti a datový vědec s obecným zaměřením z firemního oddělení nemusí disponovat dostatečnou odborností ze specializovaných disciplín, jako jsou hluboké učení, strojové vidění a zpracování přirozeného jazyka, aby mohl dosahovat nejlepších výsledků.

Kromě toho vznikala situace, kdy různá firemní oddělení řešila stejné problémy rozdílným způsobem. „Je nutné vytvořit společné standardy, shodné platformy pro přístup k datům a rozvíjet procesy pro garanci výsledků,“ popisuje Jeavons.

V důsledku toho došlo k rozšíření role centra CoE společnosti Shell, tak aby zahrnovalo personál s hlubšími a specializovanými dovednostmi, a došlo ke stanovení standardů a zásad.

V současné době Shell využívá pro většinu svých projektů AI platformu Microsoft Azure a pro některé záležitosti  také Amazon AWS, popisuje Jeavons.

Rovněž těsně spolupracuje s firmami Databricks a C3 zaměřenými na datové analýzy a s dalšími partnery, kteří poskytují specializovanější technologické funkce. „Pomohlo to urychlit vývoj řešení AI naší společnosti,“ popisuje Jeavons.

Pro organizace, které chtějí dosáhnout úspěchu projektů umělé inteligence ve velkém měřítku, může být klíčové zavést takto centralizovaný přístup. Podle průzkumu publikovaného vloni společností Deloitte, který se zaměřoval na stav nasazení AI v podnikové sféře, využívají zkušení osvojitelé AI centralizovaný přístup jak pro technologii AI, tak i pro výběr jejich dodavatelů.

„Bez centra excelence investuje do zakázkových projektů nekoordinovaně např. osm až deset firemních oddělení s různými nároky na IT, takže jsou tyto investice méně efektivní,“ upozorňuje Dave Kuder, ředitel společnosti Deloitte Consulting.

Dodává, že centra CoE pro AI mohou společnostem pomoci vytvářet prototypy projektů, ověřit koncepty a následně nasadit AI ve velkém měřítku.

„Různorodé činnosti z posledních několika let je nyní potřeba převést do průmyslové podoby, zajistit jejich robustnost a přesunout je do firemního provozu,“ popisujeKuder. AI centrum excelence podle něj hraje velkou roli a je to dobrý odrazový můstek pro koordinaci některých těchto činností.

Jak ukazuje zkušenost společnosti Shell, rozvoj interních odborných znalostí a společných platforem i standardů je první fází založení životního cyklu center AI CoE. Jaký ale mají na firmy v současné době skutečný vliv centra AI CoE?

AI ve velkém

Společnost QTS, která je poskytovatelem řešení datových center, před dvěma roky vytvořila svou inovační laboratoř (QTS Innovation Lab), aby tím pomohla podpořit své plány v oblasti umělé inteligence.

„Naše podnikání se rozvíjelo a oblast analogových procesů nebyla dostatečně efektivní,“ popisuje Brent Bensten, technologický ředitel produktů společnosti QTS, která provozuje 26 datových center po celém světě.

Například jejich inženýři dříve osobně kontrolovali každé zařízení v budovách QTS, které mají 92 tisíc čtverečních metrů, popisuje Bensten. „Inženýr šel k panelům klimatizace, odečetl hodnoty, ručně je zapsal na papír, vrátil se zpět a zaznamenal, že je vše v pořádku. Nedocházelo k další evidenci vstupních údajů, jen k závěru, že je vše v pořádku.“

Prvním cílem laboratoře tedy bylo celý proces digitalizovat, aby se zvýšila efektivita fungování. V současné době se všechna tato měření shromažďují automaticky a podrobně.

Společnost tak má kompletní digitální evidenci svého provozu. A tato data lze nově navíc použít k předpovídání požadavků na odběr elektrické energie, k optimalizaci údržby a ke snižování uhlíkové stopy společnosti.

„To vše je nyní kompletně digitální záležitost spravovaná a provozovaná umělou inteligencí,“ popisuje.

Tato laboratoř, která tráví cca 90 procent svého času na projektech AI, také nakonfigurovala své systémy pro integraci s platformami třetích stran, jako jsou například ServiceNow a Salesforce. „Centralizovali jsme řízení, a to nám umožnilo zavést digitální zkušenost do širšího portfolia QTS.“

Výhody však nejsou jen pro interní účely. Stejné prediktivní nástroje nyní pomáhají zajišťovat pozitiva rovněž zákazníkům této společnosti.

„Pomocí AI, strojového učení a neuronových konceptů můžeme dobře odhadovat budoucí události – výpadky, poruchy a spotřebu energie,“ popisuje Bensten.

Podle něj je možné předvídat využití energie pro zákazníky až na šedesát dnů dopředu. Výsledkem je, že zákazníci QTS mohou ve svém prostředí dělat více změn, snížit náklady na energii a předcházet problémům. „Mohou také zlepšit své výsledky v oblasti udržitelnosti,“ dodává.

Ve společnosti Ernst&Young zase otevření AI CoE v roce 2016 pomohlo urychlit zavedení AI ve velkém měřítku, popisuje Jonathan DeGange, tamější ředitel pro strojové učení a centrum AI CoE.

„Vnímali jsme určitý problém ‚oddělenosti‘, tedy různé skupiny, které spolu příliš nekomunikovaly,“ vysvětluje. Kromě toho se společnost Ernst&Young poohlížela po způsobu, jak efektivněji zvládat obrovské projekty, jako je například odhalování praní špinavých peněz, což vyžadovalo koordinaci různých firemních oddělení a zeměpisných oblastí.

„Když se v určité oblasti shromáždí odborné znalosti, začne vznikat efekt násobení síly,“ popisuje Carl Case, ředitel oddělení finančních služeb společnosti Ernst&Young, který využívá AI CoE pro pomoc s jejich projekty AI.

„Snažíme se řešit některé velmi náročné a rozsáhlé problémy – globální finanční kriminalitu, komplexní daňové právo a nařízení, budoucnost práce a dopad digitální transformace.“

Před vytvořením globálního centra AI CoE jeho tým spolupracoval s malým týmem pro AI lokalizovaným v USA. Jakmile se však otevřelo globální centrum, mohl tým pracující na případu začít přemýšlet ve velkém.

„Začali jsme vidět okruhy zaměřené na drogy a na obchodování s lidmi a mohli jsme je zastavit,“ popisuje DeGrange. Například pomocí přístupu využívajícího grafické propojení a detekci anomálií dokážou systémy AI identifikovat podezřelé vzorce chování, a nikoli jen jednotlivé transakce.

„Nyní můžete vidět, jak se síť chová jako celek,“ prohlašuje. „Dochází k anomálnímu způsobu vytváření nových vztahů? Například když okruh zločinců otevře účty, vypadají transakce velmi odlišně od toho, když běžná osoba zahájí nějaké legitimní nové podnikání. Existuje zřetelný rozdíl ve vzorcích, který lze pomocí umělé inteligence zjistit.“

Přenos znalostí

Jakmile AI CoE vytvoří interní základnu znalostí a společné platformy, následuje další fáze –  sdílení osvědčených postupů v rámci celého podniku.

„AI není limitované organizačními hranicemi,“ vysvětluje Jeavons ze Shellu. „Například prediktivní údržba je použitelná pro téměř každou oblast v naší společnosti – díky centru AI CoE lze technologii vytvořenou v jedné oblasti použít pro mnoho dalších účelů.“

Dalším příkladem je strojové vidění, dodává Jeavons. „Vyvíjeli jsme případy využití pro maloobchodní prodej, ale zde získané schopnosti jsou použitelné i pro inspekci našich výrobních lokalit a k hledání problémů s korozí.“

Také General Electric (GE) otevřel své AI CoE, aby tak pomohl s využitím AI v různých firemních jednotkách. Použil metodiku Six Sigma a Lean ke zlepšení efektivity výroby a nyní umělou inteligenci užívá pro stejné vylepšení procesů i v dalších oblastech organizace.

Tato společnost, která již dříve otevřela centra excelence pro AI ve svém globálním výzkumném centru se zaměřením na své vyráběné stroje,  má nové centrum CoE specializované na využití AI pro řízení digitální transformace celé této firmy, popisuje Colin Parris, technologický ředitel GE Digital.

Protože se firemní jednotky zaměřují především na okamžité potřeby, nedisponují obvykle nějakým druhem hlubokých znalostí AI potřebných k významným transformačním projektům, popisuje Parris.

„Zkoumáme hypotézy, abychom se ujistili, že fungují, shromáždíme talenty a výsledek poskytujeme pro více oblastí celého GE,“ popisuje. Právě nyní toto centrum například pracuje na zjišťování příčin nárůstu nákladů na záruky.

„Dochází v této oblasti ke vzestupu, protože máme určité díly, u nichž dochází k poškození a které se nenahrazují dostatečně rychle,“ popisuje. „Pokud bychom dokázali dříve zjistit, že jsou tyto součásti poškozené, a dokázali je dostatečně rychle vyměnit, stálo by nás to pět tisíc dolarů a zabralo by to týden. Když však dojde na pozdější dobu, může nás to stát 500 tisíc dolarů a zabrat celý měsíc.“

Rozpoznávání obrazu za využití AI se ve firmě GE používá ke zrychlení inspekcí. Pomáhá to expertům zaměřit se na nejproblematičtější oblasti, jako je například poškození lopatek. Umělá inteligence se využívá mj. k plánování oprav, aby se optimálně využila dostupnost personálu, a také aby údržba proběhla dříve, což ji zlevní.

„Nyní to experimentálně zkoušíme v oblasti Jižní Ameriky,“ popisuje Parris. „Výsledky bychom měli vidět v nejbližších měsících. Pokud se nám podaří snížit náklady na záruky a experiment bude fungovat, zavedeme tento proces i do dalších oblastí.“

Transformace firmy

Vytvořením AI CoE a zaváděním osvědčených postupů do celé společnosti získávají organizace lepší schopnost zjišťovat nové poznatky z pilotních projektů AI, což může napomoci k výrazné transformaci způsobu fungování takové společnosti.

V Shellu to začalo se senzory. „Poskytujeme monitorovací služby v podobě senzorů IoT. Dokážeme v reálném čase monitorovat dění, a poskytovat tak zákazníkům další služby,“ popisuje Jeavons.

Shell například dokáže dříve než zákazník zjistit, že se do motoru dostává voda. V důsledku takových poznatků je pak společnost pro své zákazníky spíše partnerem než jen dodavatelem – to je posun, který vytváří nové obchodní modely založené na transformaci díky AI. Patří do toho například nové oblasti práce s energií, jako je řízení digitálních nabíječek.

Shell se tak fakticky dostal na cestu proměny ve společnost poháněnou umělou inteligencí, prohlašuje Jeavons. „Máme program zaměřený na integraci AI do každé oblasti našeho podnikání.“

Nejsou to však jen výroba, údržba, výzkum a vývoj. „Jsem přesvědčen, že způsob vývoje softwaru v kombinaci s cloud computingem a AI promění v příštích letech každou část naší firmy. Stejně jako internet začne být AI všudypřítomná, a my se na to musíme připravit,“ dodává.

Jako součást tohoto procesu pomáhá jejich AI CoE koordinovat veškerý personál firmy, který má zájem o práci s AI – došlo k nárůstu ze třiceti osob v roce 2013 na dnešní zhruba čtyři tisíce lidí.

„Sdílíme to, co se v Shellu dělá v oblasti AI, a možné způsoby využití,“ popisuje Jeavons. „Spolupracujeme například se společností Udacity na vývoji školení pro řadové datové vědce, aby si mohli zvyšovat své znalosti. Investujeme také do společných platforem, které umožňují zavádění AI ve velkém měřítku.“

Shell není jediný, kdo vidí v AI transformační potenciál. Podle nedávného průzkumu MIT Sloan a skupiny Boston Consulting Group považuje 90 procent společností umělou inteligenci za příležitost zlepšit své výsledky.

Většina firem je však stále v raných fázích – jen méně než čtyřicet procent v průzkumu uvedlo nějaký přínos umělé inteligence u nich za poslední tři roky. Zpráva však ukazuje, že úspěšné firmy dokážou sjednotit své AI iniciativy s aktivitami zaměřenými na větší firemní transformaci.

Může to probíhat například tak, že výsledkem projektu AI jsou poznatky vedoucí k novým řadám produktů, nebo dokonce ke kompletnímu přepracování podnikatelského modelu společnosti.

„To se může stát poměrně brzy,“ upozorňuje Ken Seier, hlavní architekt pro data a AI ve společnosti Insight, která se zaměřuje na technologické poradenství.

Zřízení AI CoE může pomoci zajistit, že poznatky může využívat i zbytek firmy a exekutiva, takže se zvýší šance na vyvolání skutečné změny.

Seier jako příklad uvádí, že dříve pracoval u velké společnosti v leteckém průmyslu, která využila AI ke zlepšování údržby. Její obchodní model spočíval v prodeji zařízení a smlouvách o údržbě. Lepší pochopení „zdravotního stavu“ zařízení jim však umožnilo přejít na službu poskytovanou ve stylu předplatného.

„Nyní mají větší podíl na úspěších zákazníků, protože disponují lepším přehledem o jejich podnikání než tito klienti sami,“ popisuje. „Spokojenost zákazníků stoupá, model příjmů je mnohem předvídatelnější i hladší a jejich celkové výdaje klesají.“

S velkými změnami však také přicházejí velká rizika. S umělou inteligencí to znamená více než jen drobné rozdíly. „Pokud například výrazně změníme styl, jakým podnikáme, musíme zajistit, abychom to udělali způsobem, který je zodpovědný vůči našim zaměstnancům,  zákazníkům, akcionářům a obecné populaci,“ vysvětluje.

AI má stejně obrovský potenciál převratnosti jako jaderná energie, varuje Sounil Yu, ředitel zabezpečení informací ve společnosti YL Ventures a bývalý šéf bezpečnostního týmu v bance Bank of America.

Negativní důsledky je nutné chápat v celé organizaci. Centra AI CoE v tom mohou sehrát potřebnou roli, doporučuje. Když se rizika AI hodnotí odděleně, vytváří to nebezpečí opominutí důležitých stran a aspektů.

„Existuje také nebezpečí, že by se AI využila pro účely, pro které se nehodí,“ varuje. „Je potřeba zohlednit všechna potenciální rizika,“ uzavírá Yu.