Adatelemzéssel csökkenthető az iskolaelhagyók száma
„A közoktatás nagyon nagy mennyiségű és jó minőségű adattal rendelkezik, de ezeknek az elemzésére, feltárására és a döntéshozatali potenciál kihasználására korábban nem voltak megfelelő eszközök, vagy nagyon drágák voltak” – mondta Horváth Ádám, Digitális Pedagógiai Módszertani Központ vezetője a Microsoft Magyarország Future Decoded konferenciáján. A prediktív analitika a vizsgálatoknál például abban segített, hogy felismerjék, milyen körülmények szükségesek ahhoz, hogy csökkentsék a korai iskolaelhagyók számát.
„Mivel a teljes folyamatot nézve a mesterséges intelligencia segítségével az összes adatot és a köztük lévő összefüggéseket egy helyen, valós időben lehet nézni, a fontos minták és események előrejelezhetőek a közoktatásnak” – modta Nagy-Rácz István, a Dmlab Magyarország alapítója és adattudósa. Ebből csak egy példa a korai iskolaelhagyás, amit az elemzés utáni beavatkozással meg is lehet előzni. Ugyanakkor még számtalan adat vár arra, hogy hasonló módon hasznosítsuk. Remek példa az Egyesült Államokban működő Tacoma projekt, ahol nem intézményi, hanem hallgatói szinten foglalkoznak az adatokkal, és egyénileg lehet kezelni a tanulók helyzetét.
Horváth Ádám szerint az mesterséges intelligencia használatával olyan eszközünk van, ami feltérképezi az összes adatot, és ahol valamilyen eltérést, érdekességet lát, jelzi azt. A rendszer hihetetlenül gyorsan működik, és a valószínűsíthető események bekövetkezését is megjósolja majd a korábban tapasztaltak alapján. A magyar közoktatásban való felhasználása azért még odébb van, jelenleg a módszerek vizsgálata történik, ami több éves fejlesztést igényel. Viszont Magyarország nincs nagyon lemaradva, mert maga a technológia még csak néhány éves, és azokban az országokban, ahol ilyen rendszerek működnek, ott jellemzően 3-4 évvel ezelőtt indították a pilot-programokat. Jelenleg az állam, mint megrendelő keresi azokat a technológiai partnereket, akik bemutatják a megoldásaikat, amelyekből fel lehet majd építeni a rendszert.
Repetitív munka helyett értékteremtés
A MOL hosszú távú 2030-as stratégiájában azt a célt tűzte ki, hogy megtartja és tovább erősíti piacvezető pozícióját Közép-Kelet-Európában. Amellett, hogy alaptevékenységeihez tartozó üzletágaiban megőrzi vezető pozícióját a régióban, a térség vezető vegyipari vállalatává válik. Kiváló minőségű szolgáltatásokat és termékeket nyújtva az ügyfelek első számú választása lesz, valamint a közlekedést érintő innovációk egyik elsődleges kiszolgálójává válik. Ehhez szükséges a digitális transzformáció is, amit a MOL-csoporton belül Magyarországon alkalmaztak elsőként. A vállalatnál a mesterséges intelligencia bevezetésére (is) készülve döntöttek úgy, hogy növelik a technológiai intenzitást és javítják a munkavállalók digitális képességeit. A projekt munkatársainak azonban a megvalósítás alatt többször is rá kellett jönniük, hogy nem elég telepíteni a legújabb technológiát, a megfelelő képességeket is meg kell tanítani a szervezetben, hogy az újításokat használják is az emberek.
„Rengeteg múlik a vállalati kultúra fejlesztésén és az emberi tényezőkön. El kellett érnünk, hogy az emberek tudják és akarják is használni a digitális megoldásokat. Sok esetben ez nagyobb kihívás, mint maga a technológia bevezetése” – mondta Svébis András, a MOL Magyarország informatikai vezetője.
A digitális transzformáció első lépése ugyanis az volt, hogy új okostelefonokat adtak az irodai munkavállalók nagy részének és pilot jelleggel 800 fizikai dolgozónak, rajtuk természetesen az Office 365 programcsomaggal. Ez 3 hónap alatt 4400 telefon szétosztását jelentette, továbbá az Office 365 platform személyi számítógépekre való telepítése is megkezdődött.
Mobil applikációkat is fejlesztettek, amikkel közelebb hozták az embereket a digitális világhoz. Ezek által olyan egyszerű, a munkatársaknak nagyon hasznos információkat tettek elérhetővé, mint a Dunai Finomító műszakaiban dolgozók buszmenetrendje, de azt is, hogy mi lesz az ebéd. Az alkalmazás gyűjtemény egyébként 2300 letöltésnél jár, tette hozzá a szakember.
„Óriási tanulság volt, hogy az ilyen átálláshoz több erőforrásra van szükség, szét kell bontani az ügymenetet és a projektet. Egyszerre több ezer embernek volt véleménye, amit meg is mondtak nekünk, de amikor emlékeztettük őket arra, hogy az egyik legnagyobb magyarországi digitális transzformáció részesei, a kollégák büszkék voltak. Most pedig már a második fázis jön, amiben a MOL csoport többi tagjára terjesztjük ki az átállást: a horvát, a szlovák, a lengyel és a cseh kollégák is adaptálják majd a digitális technológiákat” – mondta.
A digitális transzformáció már javában tart
A mesterséges intelligenciát már több helyen is használják a cégnél, a Dunai Finomítóban például 200 ezer szenzor gyűjti az adatokat 6 termelői egységben. Egy olajkút fúrásánál naponta 100-500 GByte adat keletkezik, aminek kezelésére az MI adhat választ. De az eladások előrejelzésére is: amíg korábban 3 ember 4-5 napig dolgozott azon, hogy 30 napra előre megjósolja az adatokat, a mesterséges intelligencia segítségével ezt most 18 perc alatt lefuttatják, 90 napra előre. Ráadásul háromszor jobb eredménnyel. Ezt onnan lehet tudni, hogy visszamenőleg is használták a szimulációs programot, ami jóval kevesebb hibával dolgozott: a jóslásnál 25-ről 9 százalékra csökkent az eltérés a valós eredményekhez képest, ami nagy előrelépés.
Gondolkodunk még a robotok, a csetbotok és egyéb MI-ötletek megvalósításán, hogy azok milyen területeken használhatók érdemben és milyen üzleti kérdésekben adhatnak választ. Azonban ezeket a kérdéseket nem egyszerű feltenni – mesélte az IT-vezető.
Mindenesetre világos, hogy a digitális transzformáció már javában tart, aminek a segítségével a tovább nő a munkatársak hatékonysága, és a számok is pontosabbak. A gépi tanulás idővel végrehajthatja a repetitív folyamatok nagy részét, míg az emberek az értékteremtéssel foglalkozhatnak.
Az oldalon elhelyezett tartalom a Microsoft Magyarország megbízásából a HVG BrandLab közreműködésével jött létre. A tartalom előállításában a hvg.hu és a HVG hetilap szerkesztősége nem vett részt.