System ma przygotować decyzję, a nie ją podjąć

O wpół do dziesiątej staje maszyna. W ciągu minuty system mógłby zaproponować nową kolejność na resztę tygodnia: dwa zlecenia przeniesione na drugą linię, jedno podzielone na dwa, termin dla jednego klienta przesunięty o dwa dni.

Propozycja może być bardzo dobra. To, czy zostanie użyta, zależy jednak prawie wyłącznie od dwóch rzeczy, które nie mają nic wspólnego z tym, jak jest sprytna: czy planista widzi, skąd się wzięła, i czy to planista mówi „tak”.

Dlaczego automatyczne decyzje nie działają na hali

System nie wie tego, co wie planista. Że na drugiej linii jest w tym tygodniu nowy operator. Że materiał do dzielonego zlecenia fizycznie leży na hali, tylko nie został przyjęty w systemie. Że klient, którego termin się przesuwa, dostał ten termin osobiście od właściciela. Plan, który tego nie uwzględnia, nie jest optymalny, tylko niedoinformowany.

Czarną skrzynkę się obchodzi. Gdy rekomendacja przychodzi bez uzasadnienia, planista ma dwa wyjścia: zaufać jej w ciemno albo przeliczyć wszystko sam, żeby ją sprawdzić. Po pierwszej złej podpowiedzi przelicza za każdym razem, a system staje się drogim generatorem drugiej opinii, której nikt nie czyta.

Ktoś odpowiada za termin. Kiedy zlecenie się spóźnia, klient dzwoni do człowieka, nie do algorytmu. Osoba, która odbierze ten telefon, powinna być osobą, która podjęła decyzję — z wiedzą, jaka była wtedy dostępna.

Hala widzi to, czego nie widzą dane. Paletę postawioną nie tam, gdzie trzeba, operatora, który zaraz kończy zmianę, przyrząd, który rano spadł na posadzkę. Żadna ilość danych z maszyn nie zastąpi kogoś, kto stoi na hali.

Do czego AI naprawdę się tu nadaje

Nic z tego nie jest argumentem przeciwko AI na hali. To argument o tym, gdzie jest jego miejsce.

Rachunki. Przeliczenie kolejności, jej przezbrojeń i skutków dla każdego dalszego terminu jest żmudne, a ręcznie łatwo się w nim pomylić. To dokładnie ta praca, którą powinna wykonywać maszyna.

Warianty. Nie jedna odpowiedź, tylko dwie albo trzy, każda ze swoją ceną: to zlecenie spóźnione, tamto przezbrojenie dodatkowe, ta linia na nadgodzinach.

Uzasadnienie. Które ograniczenie przesądziło o propozycji, na jakich danych się opiera i jak świeże są te dane. Planista może wtedy sprawdzić to jedno założenie, które ma znaczenie, zamiast przeliczać całość.

Wczesne sygnały. Rozbieżność między planem a wykonaniem, która rośnie; materiał, którego przy obecnym tempie zabraknie w czwartek. Zgłoszone wtedy, gdy jeszcze jest czas coś zrobić, a nie po fakcie.

Przygotowane, potem zatwierdzone

Wzorzec, który działa, łatwo opisać. System czyta halę, przygotowuje działanie — przeplanowanie, zamówienie, zatrzymanie partii, realny termin — i pokazuje uzasadnienie. Człowiek je zatwierdza, zmienia albo odrzuca, a ta decyzja zostaje zapisana razem z całą resztą.

Bez tego kroku żaden termin nie zostaje obiecany, żadna partia zatrzymana i żaden plan nie trafia na halę. To nie jest ograniczenie technologii, tylko wybór, kto ma decydować: osoba, która widzi halę i która odpowie za skutek. Zapisywanie do maszyn to osobna sprawa i tu odpowiedź brzmi po prostu „nie” — z zatwierdzeniem czy bez.

Jak ocenić każdą obietnicę AI na hali

Kiedy produkt obiecuje planowanie oparte na AI, poproście o pokazanie rekomendacji, w której system się pomylił, i tego, co planista widział w tamtej chwili.

Jeśli odpowiedzią jest ekran z uzasadnieniem, danymi, na których oparto rekomendację, i decyzją człowieka, który ją odrzucił, patrzycie na narzędzie. Jeśli odpowiedź brzmi, że się nie myli albo że uzasadnienie jest zbyt złożone, żeby je pokazać, patrzycie na coś, co w ciągu kwartału zostanie po cichu wyłączone.