Комментарии 13
На моей прошлой работе немцы пытались внедрить на российских заводах ИИ систему предиктивной аналитики, предсказывающую, по различным параметрам, будущий выход из строй оборудования. В процессе внедрения выяснилось, что 80% всех неисправностей и практически все тяжелые случаи происходят по вине необученного персонала, который понабрали из "очереди за забором". На этом внедрение ИИ и закончилось...
Следующий этап казалось бы, это тестирование персонала. Уверен, даже не обученный персонал не однородная масса, а самые разнообразные личности, которых можно проанализировать по имеющимся данным. А лучше протестировать ненавязчиво. Не обученный человек, здоровый, мотивированный явно лучше, такого же не обученного с психологическими отклонениями, не мотивированного, с вредными привычками.
Другое дело, если всё еще хуже и "очереди за забором" нет, зарплаты столь низкие, что берут всех, выбирать не из кого в принципе. Для недалеких менеджеров экономия на зарплате проста и очевидна, а убытки от поломанного оборудования абстрактны, распределены по времени, относятся к другим отделам и не явная причинно-следственная связь. И рост зарплат без тщательного отбора персонала тоже не эффективен, всё выльется к засилью кумовства, как в нефтянке, например, где на "не пыльные" работы берут не самых подходящих специалистов.
Тестирование персонала как раз уже было, и следующий этап должен был быть тестирование начальников разного уровня, но перед началом этого этапа они почему-то все разом потеряли интерес к внедрению ИИ. Хотя до этого просто рубахи на себе рвали и метали.
Начальство хотело, чтобы работали над собой и менялись другие, но при этом сами работать и меняться не хотели. Отсюда и проблемы с внедрением вообще всего нового, не только ИИ
Откуда взяли эту цифру 87%?
Удивительное дело! Времена меняются, но вопросы всегда одни и те же. Раньше говорили про автоматизацию. Теперь говорят про ИИ. Сначала нужно понять, что нужно (с)делать. Стоило ли внедрять ИИ, чтобы узнать, что и так понятно до всякого ИИ, что персонал должен быть профессиональным? Полноценная автоматизация бессмысленна, потому, что, на самом деле, нужно менять структуру управления. Смысл ИИ может быть в том, чтобы предложить более удобный способ взаимодействия.
А ещё неплохо было бы измерить реальный выигрыш от внедрения ИИ. Было бы неплохо иметь такой инструмент.
И, конечно, сама статья — это описание, лишь, 13% проблемы. Остальные 89% должны были бы уйти на разбор различных случаев и на обзор методов машинного обучения в плане того, а что они могли бы на самом деле дать (но не дают, потому что используются не по назначению).
Мы начинаем внедрять подобный стиль работы в жизнь, но это сложно и долго
Ключевой момент. Никто не считает, сколько человеко-часов уходит на исправление ошибок, на объяснение ошибок, на убеждение начальства, что исправления необходимы, и... на исправления в исправлениях. А, может быть, надо было сначала, задачу корректную поставить...
Тут все разговоры о ИИ. Я со своей биомед колокольни замечу, вот допустим мы хотим внедрить алгоритм сортировки больных в приемном покое больницы, чтобы потенциально тяжёлые больные быстрее попадали к врачу на основании допустим NLP анализа данных опроса . Благородная задача, но вот беда - в больнице проблемы с горячей водой и отоплением, единственный туалет для пациентов в клизменной, нет медикаментов кроме советской ваты, зелёнки и какой то гуманитарки из ФРГ, на трёх ставках один врач, на десяти ставках одна медсестра, санитарок нет вовсе ещё со времён Андропова. Вопрос - сильно поможет ИИ больным?
В вашем примере наверное важнее, чтобы ИИ помог не больным, а врачам. Если это снизит нагрузку на каждого врача (а в условиях, которые вы описали нагрузка и стресс у них просто жесть, там не выгорание, там сгорели, восстали как феникс и "Ah shit, here we go again"), то да ИИ поможет. Но я могу и ошибаться, во всем должен быть смысл таких внедрений
В том то и дело что сгоревшему врачу ИИ не поможет, надо исправлять более простые проблемы.
Мне показалось вопрос был не в абсолютной помощи ии а в том что затрачиваемые на внедрение ии деньги лучше потратить на вторую ставку медсестры, особенно если не забывать что у неё в комплекте уже есть один "и"
p.s. а так проблемы внедрения и такие же как и с обычной автоматизацией... Начиная от микроскопом гвозди и заканчивая, старые бумажные журналы не отменили но добавили новые электронные....
Почему 87% проектов data science не добираются до продакшена?