Como tornar a IA chata e produtiva na manufatura

Aplicações produtivas da Inteligência Artificial (IA) generativa são menos empolgantes do que parte da mídia sugere. Elas não exigem uma mentalidade disruptiva, mas sim expectativas realistas, planejamento cuidadoso e gerenciamento de riscos. A robótica industrial é um bom exemplo.

Recentemente, a situação em torno do ChatGPT foi comparada com o hype desencadeado pela aparição da IA “Watson” no quiz show Jeopardy, em 2011. A pergunta que surge é: enfrentaremos outro “inverno da IA”? Ou as promessas ousadas da IA generativa e de grandes modelos de linguagem serão cumpridas?

O cenário mais provável é que, desta vez, encontremos um equilíbrio. O analista de tecnologia Benedict Evans sugeriu que a IA generativa funcionará como uma “automação chata de processos chatos nos escritórios chatos de empresas chatas”. À primeira vista, isso pode parecer pessimista, mas os casos de uso “chatos” serão, na verdade, aqueles que criam resultados de negócios em escala.

Assistente de IA ajuda trabalhadores de fábricas a operar um robô

Considere uma aplicação desenvolvida pela HPE e pela empresa alemã de IA Aleph Alpha: é um assistente de IA generativa que aumenta a eficiência e a segurança na instalação, operação e manutenção de um robô industrial. Atua como um técnico de serviço altamente especializado que dá suporte ao pessoal da fábrica na resolução de tarefas complexas.

Ao se comunicar com o assistente de IA, a equipe da fábrica não precisa aderir a nenhum sistema predefinido ou usar uma terminologia específica. O diálogo também é possível em vários idiomas, independente do idioma com o qual eles foram treinados. Um exemplo simples de diálogo seria: “Emergência! Como posso parar o robô imediatamente?” Resposta: “Pressione o botão de parada de emergência. É o grande botão vermelho no canto superior direito da unidade portátil”.

A troca com o assistente de IA também pode ocorrer por meio de imagens. Exemplo: ao calibrar o robô, um operador tira uma foto de uma marca de calibração específica com um smartphone ou tablet e pergunta se essa é a posição de calibração correta.

IA generativa pode aumentar a eficiência e a segurança dentro e fora da fábrica

Esses recursos podem contribuir significativamente para a eficiência e segurança das operações com robôs. A equipe da fábrica não depende da ajuda de um técnico de serviço especializado para muitas perguntas detalhadas sobre instalação, manutenção ou solução de problemas. Isso economiza tempo e dinheiro. O assistente de IA também ajuda o pessoal da fábrica a cumprir os regulamentos de segurança – por exemplo, fazendo com que um operador fotografe a posição do robô e pergunte se a posição é segura. Em caso de problemas graves, o assistente de IA pode fornecer informações cruciais para evitar danos ou interrupções na produção.

Os recursos do assistente de IA podem ser estendidos a todo o ambiente de produção de uma fábrica e também à cadeia de suprimentos – por exemplo, por meio de treinamento com documentação técnica adicional, informações sobre fornecedores, contratos de fornecimento, termos legais e regulamentos, custos ou emissores de CO2. A IA generativa está se tornando uma ferramenta para reduzir custos, minimizar riscos e melhorar a sustentabilidade em toda a cadeia de suprimentos.
Não é possível aceitar conteúdo falso na produção industrial

Diferente da mentalidade atual a respeito de IA, a implementação de tais aplicações requer uma visão realista dos riscos e limitações da tecnologia, planejamento minucioso e execução rigorosa – e isso é especialmente verdadeiro para a produção industrial, um ambiente onde não se pode aceitar conteúdo falso ou recomendações tendenciosas. E obter alguns pontos percentuais de eficiência pode parecer chato para os entusiastas de IA, mas em mercados altamente competitivos, como suprimentos automotivos, esses pontos podem oferecer uma vantagem decisiva.

Operacionalmente, uma iniciativa empresarial de IA generativa normalmente começa com experimentos, pilotos e provas de conceito – no entanto, se o objetivo é passar do piloto para a produção em escala, toda uma série de requisitos estratégicos, organizacionais e técnicos, bem como dependências, deve ser considerada desde o início.

Isso inclui requisitos básicos, como expertise em criação de valor de dados e inteligência artificial, além da integração de assistentes de IA em processos de segurança operacional e gerenciamento de riscos. A execução do grande modelo de linguagem em uma infraestrutura privada local ajuda a proteger segredos comerciais e a evitar dependências de nuvem. E, por fim, o modelo de IA deve possibilitar a explicabilidade do conteúdo gerado – isso significa que deve ser possível rastrear o conteúdo até suas fontes de dados. Dessa forma, o conteúdo gerado por IA sem fontes adequadas e confiáveis ​​pode ser evitado.

Trabalho duro, paciência e perseverança

Tornar a IA generativa produtiva na empresa não é algo sofisticado. É um trabalho difícil, às vezes chato. Não se trata de salvar o planeta ou causar uma grande disrupção em todo um setor – é criar economias incrementais nas operações diárias, acelerar processos de negócios e evitar interrupções.

Isso também requer paciência e perseverança. Já foi dito que a IA generativa é como ter milhares de estagiários inteligentes ao seu alcance. Em outras palavras, é possível alcançar aumentos notáveis ​​na produtividade agora, mas há muito mais promessas para o futuro. No entanto, essa promessa só será cumprida se as empresas investirem na formação, tanto em tecnologia quanto em sua própria capacidade de criar valor com ela.

Autor: Bernd Bachmann é Consultor de Big Data & IA da HPE – Hewlett Packard Enterprise.