A mesterséges intelligencia új generációját jelentő MI-ügynökök nem csupán kiegészítik az emberi munkát: egyre nagyobb szeletet hasítanak ki az operatív döntéshozatalból, irányításból, sőt a fizikai feladatokból is. A World Economic Forum és a Boston Consulting Group közös januári jelentése szerint az ipari működés egyértelműen az „ügynökalapú” MI-modellek irányába tart. A dokumentum két fő technológiai csoportra összpontosít: a virtuális és a megtestesült, vagyis fizikai MI-ügynökökre.

A gyártási környezet minden oldalról nyomás alatt áll: a munkaerőhiány, az ellátási láncok sérülékenysége, a geopolitikai feszültségek és a fenntarthatósági célok egyaránt határozott válaszokat követelnek a vállalatoktól. A jelentés szerint ezekre a kihívásokra már nem képesek elég gyorsan vagy rugalmasan reagálni a mai automatizálási megoldások. Ilyenek például a hagyományos ipari robotok, a programozható logikai vezérlők (PLC-k), a robotizált folyamatvezérlés vagy az előre beállított gépsorok. Ezek általában szabályalapúak, emiatt csak korlátozottan tudnak alkalmazkodni a változásokhoz, és többnyire emberi felügyeletet vagy beavatkozást igényelnek.

Gépkezelő egy spanyol autógyárban. Szerelőre várva

AFP / PAU BARRENA

Itt lépnek színre az MI-ügynökök: az olyan intelligens rendszerek, amelyek már képesek folyamatosan figyelni a környezetüket, megtervezni a szükséges lépéseket, és végrehajtani azokat – akár teljesen emberi beavatkozás nélkül. Míg korábban az MI csak adatokat elemzett, ma már képes komplex döntési folyamatokat is kezelni, például gyártási paraméterek optimalizálását vagy szállítási láncok újratervezését.

Ezeket az ügynököket két csoportba lehet osztani. Az elsőbe a virtuális MI-ügynökök tartoznak, amelyek digitális környezetben dolgoznak. Ilyenek például a gyártási folyamatokat valós időben felügyelő vagy a termelési tervet automatikusan módosító rendszerek. Egy, a jelentésben meg nem nevezett – a Fortune 500-as toplistába tartozó – technológiai gyártócég korábban a logisztikához kapcsolódó feladatokat emberekkel végeztette el, ami lassú döntéshozatalt, fölösleges készletezést és hosszú teljesítési időt okozott a vállalatnál. Ezért egy amerikai döntéstámogatást segítő vállalattal közösen olyan MI-alapú megoldást fejlesztettek, amely automatizálta a készletgazdálkodással kapcsolatos rutindöntéseket, és csak a kivételeket irányította át a szakértőknek, kiegészítve azokat kontextuális adatokkal, elemzéssel és javaslatokkal. A platform optimalizálta a készletszinteket, és biztosította, hogy a kínálat illeszkedjen a regionális kereslethez. Az MI-ügynök ajánlásainak 77 százalékát automatikusan végrehajtották, és 90 százalékát változtatás nélkül elfogadták.

A világ egyik vezető keréktárcsagyártója, a Maxion Wheels pedig a dél-afrikai Dataprophettel közösen azon dolgozik, hogy jelentősen csökkentse az alumíniumöntés során keletkező selejt arányát. Ehhez először létrehozták a vállalat dél-afrikai gyárának egy tanulóalgoritmuson alapuló digitális ikerpárját, amely a vállalat korábbi termelési adataiból – mintegy 780 millió mérésből – építkezik, és az aktuális gyártási állapothoz leginkább megfelelő döntéseket hozza, a kapcsolódó folyamatokat is figyelembe véve. Az ügynök ebben az esetben sem előre rögzített szabályokat alkalmaz, hanem mélytanulás segítségével maga is folyamatosan fejlődik. A technikusok itt már nem is végeznek kézi beállításokat, hanem az MI által javasolt optimalizálási lehetőségeket értékelik és hagyják jóvá.

A másik csoportba a fizikai vagy „megtestesült” ügynökök tartoznak. Ezek gyakorlatilag robotok formájában jelennek meg, amelyek azonban – érzékelőkkel és fejlett működtetőegységekkel, például intelligens fogókarokkal felszerelve – önállóan is cselekedni képesek. Ezek a robotok már nemcsak ismétlődő feladatokat végezhetnek, hanem összetettebb műveleteket is. Már olyan úgynevezett sötét gyárak is vannak, ahol nem dolgozik emberi munkaerő a gyártásban, sőt bizonyos esetekben még a logisztikában sem, ezért mesterséges világításra sem kell költeni. Dolgozókra kizárólag a karbantartás területén van szükség, de még ezeket a munkafolyamatokat is támogatja az MI, egyedül a gépek ütemezése, a munkatervezés és egyéb irányítási tevékenységek igényelnek továbbra is emberi közreműködést.

Ezekkel a beruházásokkal akár 30 százalékkal is növelhető az üzemek termelékenysége. Ez azonban csak a technológiaigényes iparágakban éri meg, és ott is csupán azokban az országokban, ahol kifejezetten magasak a bérköltségek, mert csak itt lehet elérni a jellemzően hároméves megtérülési időt. A legegyszerűbb, szakértelmet nem igénylő feladatokat (például a szegecselést), valamint a logisztikai folyamatokat azonban Európa keleti felében is – ahol a munkások bére jóval alacsonyabb – megéri az MI-re bízni.

A BMW az Egyesült Államokban, a dél-karolinai Spartanburgben működő gyárában tesztelte először humanoid robotok alkalmazását az autógyártásban. A kaliforniai Figure AI vállalattal együttműködve a BMW többhetes próbaüzemet hajtott végre, amelynek során a legújabb generációs Figure 02 robotot vetették be a karosszériaüzemben. A teszt során a robot sikeresen és precízen helyezett be fémlemezeket speciális rögzítőkbe, amelyek később az autó karosszériájának részévé váltak. Emellett képes teljesen autonóm módon végrehajtani az ember által végzetthez hasonló kétkezes feladatokat, valamint milliméteres pontossággal tud elhelyezni különböző összetett alkatrészeket, és dinamikusan mozog a gyár területén. A cél az volna, hogy a robotok olyan, ergonómiailag megterhelő és ismétlődő feladatokat vegyenek át, amelyek hosszú távon fárasztóak lehetnek az emberi munkavállalók számára.

A Világgazdasági Fórum jelentésének egyik kulcsállítása, hogy az MI térhódítása nem az emberi munkaerő kiszorításáról, hanem az átalakításáról szól. A gépek átveszik a rutin- és szabályalapú feladatokat, az emberek pedig „MI által támogatott irányítókká” válnak. Ez az átalakulás azonban újfajta készségeket is kíván: a munkavállalóknak meg kell tanulniuk együttműködni az MI-vel, értelmezni annak javaslatait, és közben stratégiai döntéshozókká válni.

A jelentés szerzői ugyanakkor nem tagadják: a technológia még nem érett a teljes körű, globális bevezetésre. A tesztprojektek azonban ígéretesek, és egyértelműen kirajzolódik, milyen feltételek szükségesek a módszer széles körű alkalmazásához. A legfontosabb: az MI-ügynökök működéséhez strukturált, minőségi, valós idejű adatokra van szükség. Fontos a megfelelő számítási kapacitás is, akár felhőalapú, akár épp helyben telepített, nagy teljesítményű adatfeldolgozó rendszerek formájában. A cégeknek ki kell építeniük az IT és az üzemeltetési technológia közötti szoros integrációt is. És ami talán a legnehezebb: a munkavállalókat be kell vonni a változásba. A sikerhez elengedhetetlen a bizalom, a transzparens kommunikáció és az új készségek fejlesztésének támogatása.

Bár az MI-ügynökök ígéretes megoldást nyújtanak számos ipari kihívásra, a szakértők óva intenek a túlzott elvárásoktól. Az úgynevezett nagy nyelvi modellek – mint amilyen a ChatGPT is – önmagukban nem képesek komplex gyártási rendszerek optimalizálására. Ehhez további, célzott MI-megoldásokra (például úgynevezett alapmodellekre) és komoly mérnöki háttérre is szükség van. A végkövetkeztetés azonban egyértelmű: a gyártás világa soha nem látott átalakulás előtt áll, és aki ebből kimarad, az lemarad. A digitális ipari forradalom következő állomása az MI-ügynökök kora lesz. A technológia adott, a lehetőségek kézzelfoghatóak – a kérdés már csak az, ki hogyan használja őket.