Однако первые чудеса происходят уже на наших глазах. В 2023 году компания ООО «ИРИС», используя нейросети, разработала программно-аппаратный комплекс, который позволил увеличить производительность труда на заводе «ЖБ-Энерго» на 47% за 4 месяца. По оценкам компании, с помощью этой инновации реально достичь ежегодного роста ВВП страны на 1,7%. Петр Заборцев, директор завода «ЖБ-Энерго» и исполнительный директор ООО «ИРИС», рассказывает о том, что собой представляет технология и как ее правильно применять.
— Петр, как работает ваша технология? За счет чего она повышает производительность труда?
— Наш программно-аппаратный комплекс «Рекомендательная система менеджмента производительности» (РСМП) сочетает подходы бережливого производства, теории ограничений и институциональной теории, усиленные с помощью нейросетей и других методов обработки данных.
Сначала РСМП собирает данные путем видеонаблюдения. Видео с завода дает возможность распознать с помощью специально обученной сверточной нейросети поток работ, действий, операций, взаимодействий. Эти данные – главный источник знаний о производственной системе. Его разделение на кластеры позволят найти часто повторяющиеся события – паттерны производственной системы. Выражаясь метафорически, гены в ДНК предприятия.
На основе этого же потока данных с помощью нейросетей с памятью создается предиктивная модель. Она предсказывает производительность системы в тех или иных ситуациях. На этих же данных строится цифровой двойник производственной системы с помощью автоэнкодера и генеративно-состязательных алгоритмов.
Созданных и изученных таким образом данных хватает, чтобы выявить точки интереса –производственные паттерны, которые ведут к росту и замедлению производительности на предприятии. А далее, изучая эти благоприятные и неблагоприятные гены производственной ДНК, система дает ответ, что нужно изменить для роста производительности.
— Как проходило внедрение РСМП в работу «ЖБ-Энерго»? Были ли какие-то сложности или неожиданности?
— Самой большой сложностью в конструировании РСМП была обработка исходных данных, как часто и случается в таких проектах. Мы серьезно поломали голову над тем, как представить поток деятельности производственной системы, как ее анализировать, чтобы получать полезные выводы.
На самом деле, из полутора лет разработки проекта почти год ушел на то, как понять, с чем будут работать и что получать на выходе наши нейросети.
Создание всего остального, включая конфигурацию нейросетей, их обучение и прочее, заняло куда меньше времени, тем более, что для распознавания видео мы использовали общедоступные конфигурации сверточных нейросетей.
А вот главной неожиданностью стал быстрый положительный эффект от рекомендаций РСМП. Мы полагали, что и тут нас ждет научный поиск с ошибками и доработками. Однако на пилоте сработали все 3 очереди полученных рекомендации. И сработали неожиданно быстро. Да так, что сами рабочие почти ничего не заметили. Выпуск вырос с 110-115 штук в смену до 160-170 штук, а ощутимого роста нагрузки не произошло.
— Это, несомненно, выдающийся результат. Собирали ли вы обратную связь от работников?
— Да, конечно: сбор обратной связи от сотрудников был важным компонентом нашего проекта. Мы опасались, что такой резкий прирост выпуска вызовет перенапряжение у работников, проблемы физического и морального характера.
Где-то в середине цикла внедрении сотрудникам предприятия был задан вопрос, как они ощущают рост выпуска до 150 штук (это был результат на тот момент). Ответ нас крайне удивил. Люди в массе говорили, что чувствуют себя лучше, когда делают 150 штук, чем когда 120-130. Они заявляли, что при производстве 150 штук налаживается четкий ритм: «Всё работает, как часы». А если что-то происходит и ритм сбивает, то такой «рваный» ритм создает напряжение.
Еще через пару месяцев мы отметили резкий рост удовлетворенности коллектива. Дело в том, что рост производительности позволил предприятию поднять заработную плату практически пропорционально, в полтора раза. Сейчас рабочие получают 1,5 зарплаты за «ту же работу», поскольку увеличения нагрузки они не ощущают.
— Как вы пришли к идее создания РСМП?
— О технологии искусственного интеллекта говорят очень давно. Идея о том, что ИИ способен совершить следующую техническую революцию, появились задолго до современного рывка в прикладных технологиях, типа сверточных нейросетей или больших генеративных моделей. Всех интересовал только лишь один вопрос – как это произойдет.
Большинство исследователей шли весьма прямолинейно, стараясь заменить человеческий труд искусственным интеллектом. Посмотрите, как сейчас распознаются и генерируются изображения, тексты, проводится автоматизированная классификация. Это всё следствие данного прямолинейного подхода. На мой взгляд, такой подход не просто тупиковый, но и вреден в перспективе.
Мы пошли другим путем, стремясь расширить возможности работающих людей с помощью ИИ. По моему глубокому убеждению, симбиоз «человек-ИИ» способен в любых задачах одержать верх над чистым ИИ.
Рассуждая таким образом, мы применили современные нейросетевые технологии именно там, где они и должны использоваться для технологической революции – в производительности труда. Каждая прорывная технология – будь то паровой или электродвигатель, нефтепродукты или компьютеры – приводила к росту выпуска и производительности в классических секторах – промышленности, строительстве, сельском хозяйстве и т.д.
Опираясь на современные методики менеджмента, мы стали с помощью нейросетей решать задачи, с которыми человек не в состоянии справиться. Обработать и сделать доступным для управленцев огромный поток данных на производстве. Как говорится, объять необъятное.
И мы преуспели! РСМП на пилоте превзошел все наши ожидания, найдя на предприятии точки роста производительности, приведшие к резкому и быстрому прогрессу. То, что, компетентным производственным управленцам удавалось за пару лет, система «управленец-РСМП» достигает за несколько недель. И это не предел.
— Какие вы видите возможности внедрения технологии в отрасли страны?
— Сейчас мы набираем производственные предприятия для расширенного тестирования, отладки и совершенствования РСМП. Мы предлагаем компаниям сделать всё внедрение за наш счет и ждем оплату только в случае достижения минимум 20% роста производительности труда.
Мы уверены в эффективности системы, поэтому и делаем такое предложение. Но также и понимаем, что систему нужно обкатывать, делать более универсальной и быстроприменимой. Это наш основной интерес на сегодня.
Как только этот вариант расширенного тестирования и отладки будет завершен, скорость внедрения РСМП будет ограничена только доступными нам ресурсами. Мы уже сегодня предлагаем сотрудничество государственным структурам в рамках нацпроекта «Производительность труда».
Мы готовы делиться технологиями, поскольку государственные ресурсы способны резко ускорить общий прогресс и выйти на те самые +1,7% к ВВП в год только за счет использования РСМП.
— Вы сами обучаете нейросети на датасетах, составленных вами самими. Обучение —долгий процесс?
— Нет, всего лишь несколько дней. Поскольку данные отражают то, что происходит на конкретном предприятии, обучение на таких датасетах не будет занимать много времени. Это же не большие генеративные модели, которым нужны огромные массы информации. Они такой молот, который бьет по огромным площадям решаемых задач. А наша РСМП – это, скорее, скальпель. Наши нейросети очень узко заточены на поиск точек роста производительности конкретного предприятия.
Хотя по тому, как получаются, обрабатываются и применяются данные в РСМП, я вообще назвал бы такой метод неинвазивным. По крайней мере, работники почти ничего не ощущают, а производительность растет.
— Есть ли у вас конкуренты - компании, у которых есть аналогичные разработки?
— Мы изучали этот вопрос и на старте, и по ходу проекта. Изучали сейчас, на стадии предпатентного анализа. К сожалению, или к счастью, мы не обнаружили никаких аналогов созданной нами системы. Люди используют те же технологии и иногда стремятся достигнуть тех же целей. Но они опираются на иные теоретические основы, что делает их решения совсем непохожими на наши.
Например, у всех на слуху решение от компании Amazon, которое тоже анализирует поведение сотрудников, но делает акцент на их ошибках и простоях. Такой подход превращает их систему в надзирателя, а это, на мой взгляд, тупик.
Наша система работает иначе. Она усиливает рабочие коллективы, помогая им найти наилучшие варианты работы, и акцентирует внимание не на ошибках, а на статистически значимом для результатов поведении.
— Ваша технология блестяще показала себя в решении задач роста производительности на заводе. Можно ли потенциально с ее помощью достигать аналогичных результатов в торговой или иной деятельности, которая не связана с выпуском продукции?
— РСМП была создана с целью роста производительности именно промышленных предприятий. Конечно, у нас есть планы попробовать это решение в сфере услуг, проектировании, даже IT-разработках, разумеется, в адаптированном виде. Я полагаю, наилучшим потенциалом обладают использованные нами принципы. Я имею в виду не только экономические подходы, но и взгляд на ИИ как на потенциального симбионта человеческих систем, а не как на замену людям.
Использование этого потенциала, я уверен, позволит создавать решения и для производственных цепочек, и для целых секторов, и для экономики и общества вообще. Мы лишь приоткрыли дверь, и самое интересное еще впереди.
