Kiedy wchodzę do zakładu produkcyjnego porozmawiać o sztucznej inteligencji, często pierwszą potrzebą, o której słyszę, jest kontrola jakości. "Zainstalujmy kamery z AI, system wychwyci więcej braków". To doskonały plan technologiczny, ale bardzo często kryje w sobie pułapkę procesową.
Więcej danych o błędach to jeszcze nie sukces
Wyobraźmy sobie, że wdrażamy świetnie wytrenowany model. Kamery nad taśmą pracują bezbłędnie. Zamiast dotychczasowych 50 defektów na zmianę, system wykrywa ich nagle 80, dostrzegając mikrorysy, które wcześniej umykały ludzkiemu oku. Menedżerowie cieszą się z dokładności, ale na poziomie hali produkcyjnej rodzi się problem.
Co dokładnie dzieje się z produktem, który kamera oznacza jako wadliwy? Czy linia się zatrzymuje? Czy rośnie góra odrzutów, z którymi ktoś musi coś zrobić? Jeśli algorytm po prostu "wypluwa" z siebie więcej alertów, a my nie zmieniliśmy sposobu pracy operatorów i inżynierów procesu, to jedyne co zyskaliśmy, to bardziej precyzyjne statystyki naszych porażek. Wąskim gardłem przestała być nasza zdolność do widzenia wady – stała się nią nasza zdolność do jej naprawiania u źródła.
Szum informacyjny, który męczy operatora
W inżynierskim świecie spotykam się z pojęciem "zmęczenia alarmami" (alert fatigue). Jeśli system AI jest zbyt czuły i generuje fałszywe alarmy (tzw. false positives), operatorzy po dwóch tygodniach zaczną go ignorować albo wyłączą powiadomienia, by móc po prostu wykonać plan produkcyjny.
Dlatego zanim dobierzemy architekturę sieci neuronowej, zawsze najpierw ustalam proces: kto patrzy w ekran? Ile sekund ma na reakcję? Kto podejmuje decyzję o zatrzymaniu maszyny? Jeśli nie opiszemy tej ścieżki na kartce papieru, najdroższa kamera będzie tylko gadżetem zawieszonym pod sufitem.
Narzędzie dla człowieka, a nie zamiast niego
Dobre wdrożenie AI w jakości nie polega na wyeliminowaniu człowieka, ale na uzbrojeniu go w odpowiedni kontekst. System powinien nie tylko powiedzieć "tu jest rysa", ale docelowo pomóc powiązać tę rysę ze spadkiem ciśnienia na wtryskarce trzy minuty wcześniej. Wtedy przechodzimy od zwykłego robienia zdjęć do prawdziwego usprawniania produkcji.