Od chaosu wiedzy do pełnej autonomii obszaru. Savant-AI: strategia wdrażania systemów autonomicznych
SAVANT-AI to projekt badawczy programu inLABs. Opisane funkcje są celem badań, a nie dostępnym produktem. Status projektu: inLABs
To kompleksowy, sześcioetapowy plan integracji sztucznej inteligencji z procesami instytucji publicznych i przedsiębiorstw o strategicznym znaczeniu. Projekt badawczy SAVANT-AI ma ograniczać ryzyka związane z „cyfrową partyzantką” i budować trwałą przewagę opartą na zdigitalizowanej wiedzy eksperckiej.
ETAP 1: faza wsparcia (pomoc) – faza chaosu wiedzy i zarządzania
Na tym etapie organizacja zdaje sobie sprawę z obecności AI, ale nie ma nad nią kontroli.
Bezczynność kierownictwa na tym etapie oznacza milczącą zgodę na „Shadow AI”. Pracownicy korzystają z narzędzi zewnętrznych, aby dotrzymać kroku światu, narażając bezpieczeństwo danych instytucji lub firmy.
Ryzyka etapu 1.1: Shadow AI
W tej fazie pracownicy działają w „cyfrowym podziemiu”. Używają prywatnych kont i bezpłatnych modeli do przetwarzania danych służbowych.
- Wyciek danych wrażliwych i tajemnic: dane wprowadzane do publicznych modeli (np. bezpłatnego ChatGPT) stają się częścią ich zbioru treningowego. Jeżeli pracownik prześle raport finansowy albo strategię obronną instytucji, dane te mogą zostać „wyplute” w odpowiedzi udzielonej konkurencji lub obcemu wywiadowi.
- Utrata kontroli nad procesem: menedżerowie widzą wyniki (np. gotowy raport), ale nie wiedzą, jak powstały. Jeżeli model AI „zmyślił” dane (halucynacje), a pracownik ich nie zweryfikował, organizacja podejmuje decyzje na podstawie kłamstwa.
- Zależność od prywatnych narzędzi: jeżeli kluczowy pracownik odchodzi, zabiera ze sobą „prompty” i metody pracy, których nie zna nikt inny. Wraz z nim znika wiedza o skutecznym wykonywaniu zadania.
Ryzyka etapu 1.2: jawne wsparcie (bez zarządzania)
Pracodawca zezwala na AI, ale nie zapewnia ram ani infrastruktury (brak centralnego systemu AI).
- Ryzyko reputacyjne: AI generuje pismo do klienta lub obywatela, które jest nieuprzejme, stronnicze albo niespójne ze stanowiskiem urzędu. Brak nadzoru nad stylem i etyką modelu prowadzi do kryzysów wizerunkowych.
- Nieefektywność kosztowa: każdy dział kupuje własne subskrypcje różnych narzędzi. Brak centralnego systemu AI oznacza, że firma wielokrotnie płaci za te same funkcje, nie budując żadnej trwałej bazy wiedzy.
- Pozorna efektywność: pracownicy stają się mistrzami w „upiększaniu” dokumentów, ale ich jakość merytoryczna spada. AI tworzy pięknie brzmiące teksty, które są merytorycznie puste lub powierzchowne.
ETAP 2: faza budowania świadomości organizacji (wiedza i dane)
Fundament — przejście do zarządzania wiedzą. To najważniejszy moment transformacji. Bez etapu 2 kolejne fazy nie będą miały „mózgu” zasilanego rzeczywistymi danymi firmy.
Odtwarzanie wiedzy z udziałem specjalistów
- Pozyskiwanie „wiedzy ukrytej”: digitalizacja doświadczenia ekspertów (sztuczki serwisowe, ustawianie maszyn „na słuch”) oraz nieudokumentowane systemy. (cel projektu SAVANT-AI)
- Narzędzia: interfejsy konwersacyjne, które na podstawie wywiadów ze specjalistami budują techniczne grafy wiedzy.
- Przykład: Rolls-Royce (sektor lotniczy) – digitalizacja wiedzy mechaników o dźwiękach silnika, pozwalająca systemom AI diagnozować usterki szybciej niż młodzi inżynierowie.
Obserwacja i gromadzenie informacji o procesach
- Pasywne gromadzenie danych: monitorowanie rzeczywistych cykli pracy i logów sterowników PLC oraz wykorzystanie widzenia komputerowego do analizy mikroprzestojów.
- Efekt: zmapowanie różnicy między teorią a rzeczywistością. Zapisanie wiedzy w bezpiecznym modelu lokalnym.
- Przykład: BMW (zakład w Ratyzbonie) – systemy śledzą każdy ruch materiału w czasie rzeczywistym, tworząc cyfrowy obraz „życia” fabryki przed wprowadzeniem automatyzacji.
ETAP 3: faza współpilotowania
Wsparcie specjalisty w czasie rzeczywistym. AI staje się „inteligentnym cieniem” pracownika.
- Zakres: sugestie parametrów, interaktywne instrukcje na tabletach/w rozszerzonej rzeczywistości.
- Rola pracownika: współpilot. Człowiek wykonuje pracę fizyczną lub decyzyjną, a AI dostarcza „ściągawki”.
- Przykład: urzędy w Estonii (e-Estonia) – asystent AI podpowiada urzędnikom konkretne paragrafy i precedensy podczas rozpatrywania wniosków obywateli.
ETAP 4: faza monitorowania i doradzania (predykcja i konsulting)
System nie jest już reaktywny, lecz proaktywny.
- Utrzymanie predykcyjne: powiadomienia o nadchodzących problemach i zużyciu podzespołów.
- Doradztwo procesowe: AI sugeruje zmiany w harmonogramie pracy, gdy dostrzega zbliżające się wąskie gardła.
- Rola pracownika: decydent. Wybiera jedną z opcji przygotowanych przez system.
- Przykład: Shell – AI monitoruje parametry wydobycia i doradza inżynierom zmianę ciśnienia, zapobiegając awariom, zanim czujniki wykryją błędy krytyczne.
ETAP 5: faza częściowej autonomii (autonomia zadań)
Automatyzacja zamkniętych pętli decyzyjnych pod nadzorem.
- Zakres: AI podejmuje decyzje i wykonuje działania, wymagając jedynie potwierdzenia w kluczowych punktach.
- Kluczowe działania: autonomiczna kontrola jakości (odrzucanie wadliwych towarów), automatyczne zamawianie części.
- Rola pracownika: orkiestrator (nadzorca).
- Przykład: Ocado (magazyny robotyczne) – systemy autonomicznie zarządzają ruchem tysięcy robotów, a interwencja człowieka jest wymagana tylko w przypadku fizycznego zablokowania linii.
ETAP 6: faza autonomii domeny
Pełna optymalizacja całych pionów bez ingerencji operacyjnej.
- Zakres: całe obszary (np. logistyka + magazyn) działają jak samoregulujący się organizm.
- Fabryka bez oświetlenia: produkcja zdolna działać bez światła i stałej obecności ludzi.
- Rola pracownika: strateg i audytor.
- Przykład: Fanuc (Japonia) – fabryki działają bez nadzoru człowieka przez 30 dni, a AI samodzielnie zmienia priorytety zleceń w odpowiedzi na dane rynkowe.
Wnioski końcowe
Obecnie większość instytucji publicznych i firm w Europie Środkowej znajduje się na etapie 1, który generuje ogromne ryzyko operacyjne. Skuteczne wdrożenie systemu autonomicznego wymaga skupienia na etapie 2. Bez „odtworzenia wiedzy specjalistów” kolejne fazy autonomii będą działać na niepełnym obrazie rzeczywistości, co doprowadzi do błędnych i kosztownych decyzji.
