Amitia s.r.o.

Lukáš Smelík: O umělé inteligenci dnes mluví prakticky každý. Pro výrobní firmu je ale rigidnější a mnohem důležitější otázka, kde jí umělá inteligence může vyřešit konkrétní problém. A my tě teďka zaměříme právě na nasazení umělé inteligence do reálného provozu: plánování výroby a práce s dokumentací až po digitálního dvojčete nebo zpřístupnění firemního know-how. Já jsem rád, že si o tom můžeme povídat s panem Milanem Legátem, který je CEO a founder společnosti Amitia a je připraven, a to by mi vysvětlil, kde reálně tu umělou inteligenci konečně můžeme zasadit do praxe výroby. Vítám vás.

Milan Legát: Děkuji.

Lukáš Smelík: Jak jsem naznačil, tak firmy dneska hodně uvažují o umělé inteligenci. Chtějí spoustu věcí vyzkoušet, ale častokrát narazí v tom, že ve výrobě těžko hledají ty konkrétní use casy a těžko si dovedou představit, že ta umělá inteligence, jak se o ní obecně mluví pouze v nějakých jazykových modelech, tak jak ji konkrétně dostat do výroby. Mě by zajímalo, kde vidíte ten potenciál vy?

Milan Legát: Tak děkuji za otázku. Tohle je samozřejmě otázka, kterou slýcháme v poslední době často, v poslední době řekněme rok, dva. Předtím samozřejmě to bylo hlavně o tom vůbec vysvětlit, že umělá inteligence existuje, a dnes je to o tom, kde ji využít. To, kde ji využít, se navíc neustále posouvá, protože ještě zpátky to bylo o tom bavit se s manažery o tom, kde zainvestovat. Dnes je to i o tom, že jednotliví zaměstnanci si sami zkouší kódovat vlastní aplikace, vlastní utilitky, takže to se pořád posouvá, kde ji použít. Nicméně dneska se dá říct, že téměř každý zaměstnanec, který nějakým způsobem někde pracuje s nějakými daty, vstupy, někde se rozhoduje, nějakým způsobem potřebuje rozmyslet, co bude dělat jako další krok, případně s čím bude dále pracovat, tak může umělou inteligenci využít a určitě bude zvyšovat jeho efektivitu práce.

Lukáš Smelík: Myslíte si, že pro firmu je klíčová vlastně ta první otázka, kde vůbec umělou inteligenci používat, a možná je častokrát i odradit, že jsou místa, kde to třeba nepatří? Je to ta první část té vaší práce, identifikovat, jestli ta místa, která si třeba už ta firma navolila, jsou pro tu umělou inteligenci správná?

Milan Legát: Je to tak. My dneska často přijdeme do firmy, kde už existuje nějaký seznam témat, která vznikla na úrovni řekněme nějakých vnitřních diskusí v rámci té firmy, a vlastně jsme dotazováni, která z těch témat jsou vlastně technicky realizovatelnější, tím pádem samozřejmě i levnější. Ta firma si pak na druhou stranu může vyhodnocovat to, které z těch témat pro ni vlastně má ten největší přínos, a samozřejmě se hledají témata, kde ta technická realizovatelnost je v uvozovkách levná a ten přínos je velký, že jo. To jsou takové ty „sweet spots“ toho, kde s tou umělou inteligencí začít. Často, když se v té firmě s umělou inteligencí začíná, tak je dobré to uchopit někde na nějaké menší, konkrétnější úloze, než se pouštět do nějaké revoluce v té firmě, protože samozřejmě tam s každou tou implementací nevyhnutelně nastává bod, kdy se ta technologie potkává s člověkem a samozřejmě ne každý zaměstnanec, ne každý pracovník té firmy je nakloněn tomu, aby změnil svůj přístup k práci, své postupy. Někteří se samozřejmě i obávají o to, co vlastně teda budou dělat, když je v určitých aspektech ta umělá inteligence dokáže nahrazovat, a s tímto vším je potřeba nějakým způsobem pracovat. A za mě to nasazení té umělé inteligence ve firmě není jenom o tom finálním cíli, ale je to spíše o té cestě vůbec na tenhleten trend naskočit a zkoušet si to. A v těch firmách je to za mě trošku podobné tomu, co dneska může dělat i každý jednotlivec, který s umělou inteligencí může začít dělat experimenty, a tím experimentováním se vlastně posouvá dál. A v těch firmách je to to samé, akorát vlastně řekněme na nějaké vyšší úrovni než těch jednotlivců.

Lukáš Smelík: Jednou z oblastí, kterou se konkrétně zabýváte, je plánování výroby. Je ta oblast, kde ta umělá inteligence může mít skutečný benefit v té firmě?

Milan Legát: Já jsem přesvědčen o tom, že ano. My to plánování výroby řešíme už dlouhou dobu, pořád se vlastně snažíme posouvat tu autonomii a ty schopnosti toho, co ten plánovací systém dokáže dělat. Já myslím, že ta umělá inteligence má obrovský potenciál především ve dvou aspektech, co se týče plánování výroby. Jeden aspekt je samozřejmě řekněme ta automatizace toho plánování a vůbec schopnost okopírovat to, jak ta fabrika dosud fungovala nebo jak dosud plánovala, čímž vlastně ulevuje těm plánovačům a zároveň nemusí úplně bojovat o tu jejich přízeň nebo tu důvěru, protože když ten plánovač vidí vygenerované plány, které jsou velmi podobné tomu, jak on byl zvyklý plánovat, tak samozřejmě nemá potom potřebu do toho šťouchat a říkat, proč to je tady, proč toto je tam. Takže v tomto si myslím, že ta umělá inteligence má velký přínos víceméně jako v úlevě těm plánovačům. Nicméně je tam ještě potom to B, ta druhá část, kde má za mě ještě mnohonásobně větší přínos, a to je to, že vlastně v momentě, kdy to plánování zavedete a je skutečně postaveno na strojovém učení, na datech a řekněme na nějakých systémech, které jsou schopné se učit a nějakým způsobem posouvat, tak se tam nabízí obrovský prostor pro optimalizaci té výroby, jak ve vztahu ke spotřebě materiálů, využití strojů, zrychlení termínů dodávek a tak dále, což jsou věci, které samozřejmě jdou trošku nad rámec toho, co ten plánovač původně, byť se sebevíc snažil, byl schopen dělat, protože samozřejmě ta umělá inteligence je schopna zpracovat velmi komplexní informace, v čase se vyvíjející obrovské objemy informací, což je něco, co prostě člověk nezvládne, i kdyby se snažil sebevíc.

Lukáš Smelík: Ono vlastně tady je schovaný ten potenciál umělé inteligence v rámci vytěžování těch dat a informací, které ve firmě jsou. Je tam spousta dokumentů, technických podkladů, dat z předchozích realizací. Je ten směr právě využití umělé inteligence ve vytěžení těch vlastních dat a rychlosti zpracování – koukáte po tomhle při těch realizacích?

Milan Legát: Určitě, určitě. To, co vlastně tady zaznělo na začátku, když jsme se bavili o plánování výroby, tak to je pro mě vlastně jenom jako kostička v té firmě, jo. Člověk když si uvědomí, že na konci je nějaká fronta práce pro pracovníka u stroje, tak to je jako fajn, ale vlastně když si uvědomí, co všechno tomu předchází – že do firmy třeba přijde poptávka e-mailem s nějakou přílohou a teď těch poptávek chodí celá řada a někdo to tam musí zpracovávat, a teď samozřejmě vy tyhlety poptávky začnete zpracovávat taky automaticky, dostáváte se vlastně do bodu, kdy automaticky nebo poloautomaticky vystavujete nabídky, kde potřebujete určit, kdy bude vyrobeno, za kolik bude vyrobeno. Na tu otázku, kdy bude vyrobeno, vám právě pomůže to plánování, se kterým když to vlastně všechno propojíte, tak dostáváte velmi rychle zpětnou vazbu, co se týče termínů. Co se týče ceny, tak tam zase umělá inteligence může pomoct s tvorbou technologického postupu, který potřebuju pro tu výrobu, odhadnout toho, kolik budu potřebovat materiálu a tak dále. Takže ono to plánování je jedna kostička, ale když si vezmete celý ten řetězec od příchozího e-mailu poptávkového nebo prvního kontaktu se zákazníkem po ten bod, kdy dodáváte to finální řešení nebo ten výrobek tomu zákazníkovi, tak tam je celá řada kroků, které vlastně pomocí umělé inteligence můžete postupně řešit, zatcvakat to do hromady a vytváříte potom vlastně krásný systém, kdy ty jednotlivé komponenty si spolu vlastně jako povídají a spolupracují.

Jednou z věcí, co je typické pro využití umělé inteligence ve firmách obecně a ve výrobě ještě víc, je, že poměrně jednoduše se dostanete k nějaké ukázce, k nějakému demu, k nějakému příkladu nasazení, ale pak vede strašně dlouhá cesta, která se častokrát ani neodejde, aby se to reálně využívalo. Tak co je potřeba mít na paměti mezi tou fází toho nápadu, toho nadšení a toho, kdy to skutečně již používáme?

To je zase velmi dobrá otázka, zase velmi často se s tím setkáváme. Dneska vlastně jako vytvořit nějaký wow efekt v kontextu toho, co umělá inteligence dokáže, tak je velmi snadné. Dneska si troufám tvrdit, že student prvního ročníku vysoké školy nebo dokonce šikovný středoškolák, pokud se do toho trochu ponoří, tak dokáže tyhlety wow efekty s existujícími nástroji a APIčkami, které ti velcí hráči nabízejí, dokáže postavit velmi rychle.

Je potřeba si uvědomovat, a to je vlastně jako klíčová věc, že mezi tím bodem, kdy já něco naprototypuju a mám to za pár hodin hotové, a tím bodem, kdy je to skutečně jako produkčně použitelný systém, tak je obrovský kus práce, který je potřeba odpracovat. A vůbec to uvědomění, že tam tohleto je, tak to je základ všeho. My se tohle snažíme našim zákazníkům vysvětlovat a jak říkám, třeba jako na vytěžování dokumentů dosáhnout nějaké úspěšnosti vytěžování 95 %, 96 %, to dneska není vůbec problém, jo. Dneska se řeší ta 4 % na konci, protože já když tam pořád budu mít tu nejistotu, že někde se mi něco z dokumentu vytěžilo špatně, tak tam pořád musím mít toho člověka, který pořád vlastně jako něco kontroluje, byť už teda nepřepisuje, což samo o sobě jako je přínos, ale pořád tam toho člověka mám.

Setkáváme se s klienty, kteří říkají, pro nás je nějaký konkrétní proces tak kritický, že my přesto, že tam máme umělou inteligenci, tak my tam toho člověka chceme mít, protože někdo za ten krok musí nést odpovědnost, jo, ten stroj za tu odpovědnost nenese. Takže tyhlety věci tam jsou, je potřeba si to uvědomovat a nestane se mávnutím kouzelného proutku, že do té automatizace skočíte rovnou. Je tam vždycky ta fáze, kdy na začátku mám manuální proces nebo poloautomatický proces, mám tam nějakou fázi, kdy umělá inteligence mi tento proces podpoří, zefektivní, ale pořád tam mám toho člověka, který tam sedí stejně jako za volantem, když budu mít samořiditelné auto, tak tam ještě jako pořád sedí člověk, který brzdí a drží ten volant v ruce, a až pak nastává po nějaké době ta fáze, kdy ten člověk získá v ten systém důvěru a opravdu ten volant pustí a nemusí řídit. A tahleta fáze, řekněme toho ověřovacího provozu do toho finálního provozu, ta je nevyhnutelná, ta tam je. Vy potřebujete získat důvěru toho zákazníka nebo toho uživatele a bez té důvěry to nejde, a tu důvěru nejde ale zase získat jinak, než že to vyzkoušíte.

Dneska lidi používají celkem běžně navigační systémy v autech, někam jedete, zadáte si adresu a jedete podle toho, co vám říká navigace, slepě, a děláte to proto, protože jí důvěřujete. Kdybyste jí nedůvěřoval, tak si pojedete po vlastní trase. No a abyste té navigaci důvěřoval, tak někdo na začátku ji musel vyzkoušet a musel si ověřit, že ona vlastně to, co mu říká, je v pořádku. A na té cestě se asi stalo několikrát, že jo, že ho dovedla někam, kam on vlastně vůbec dojet nechtel, no ale tuhle fázi jako musel vydržet. On musel vydržet tu fázi, že to zkouší dál, vyzkoušel to někdo další, až se ten systém vlastně posunul do fáze, že dneska tomu věříme všichni a všichni podle té navigace jezdíme, jo, a v těch firmách je to vlastně jako o tom samém.

Lukáš Smelík: Já si myslím, že ať už naši posluchači jsou v jakékoliv fázi, tak když zadají do navigace libovolné 12. listopadu Plzeň Techmania, tak na konferenci Smart Industry jim můžete pomoct právě v té fázi, ve které jsou. A mě by zajímalo, co jsou ty konkrétní věci, a nemusíme už to rozfázovávat, ale konkrétní věci, za kterými za vámi za Amitia můžou na konferenci dorazit?

Milan Legát: Určitě je to oblast vytěžování informací z dokumentů, takže zpracování faktur je za mě dneska absolutní standard. Kdo přepisuje faktury pořád ručně, tak za mě hází peníze z okna. Je to následné zpracování těch informací vytěžených, nějaká klasifikace režijních služeb, skladových položek, které jsou z těch faktur vytěžené. Je to i vytěžování informací z atestů hutního materiálu, z dodacích listů, víceméně jakákoliv dokumentace, která nějakým způsobem obsahuje položkové údaje, kusovníky materiálu třeba pro výrobu. Takže všechny tyhlety vytěžovací nástroje dneska máme pod kapotou jednoho nástroje iDocu.

Druhou oblastí, kterou máme, je právě to plánování výroby s vazbou na automatizaci zpracování poptávek, druhá oblast.

Třetí oblast, která je poměrně zajímavá, je také právě použití velkých jazykových modelů pro zase zpracování nějaké zakázkové dokumentace většího rozsahu. To už se bavíme třeba o dokumentech, které mohou mít desítky, stovky stránek, nebo o zpřístupnění informací v normách pro pracovníky výroby, takže to jsou takové ty, řekněme, ty chatovací systémy, chatboti, asistenční systémy, které pracují nad nějakou znalostní bází, která může vzniknout přímo v té firmě z dokumentace, případových studií, různých nabídkových dokumentací a tak dále, které už v té firmě leží. Takže to je za mě asi taková ta třetí nejzajímavější oblast, kterou bysme tam společně mohli rozebrat a máme tam určitě co nabídnout.

Lukáš Smelík: Já moc děkuji. Já myslím, že se máme do Plzně na co těšit, a těším se, že se tam uvidíme i s vámi.

Milan Legát: Také se budu těšit.