Już dziś uczenie maszynowe oraz internet rzeczy wyręczają co bardziej nowoczesne warsztaty w umawianiu wizyt i porządkowaniu danych klientów. A jeśli w medycynie programowanie neurolingwistyczne może wspierać analizę dokumentacji medycznej i stanowić pomoc w diagnozowaniu chorób na podstawie opisu objawów przez pacjentów, to fenomen zabiegów predykcyjnych jest na wyciągnięcie ręki!

Budowanie umiejętności cyfrowych i biznesowych u nowego pokolenia cyfrowych innowatorów jest domeną naszych czasów. Zewsząd słyszmy o integracji zaawansowanych technologii, takich jak uczenie maszynowe (ML), sztuczna inteligencja (AI), internet rzeczy (IoT) i robotyka. Jak bardzo wizjonerskie mogą być pomysły wdrożeń takich zdobyczy na aftermarkecie?
W latach 2015-2019 liczba firm korzystających z usług AI wzrosła o 270% („Forbes”). Od ChatGPT po autonomiczne pojazdy – AI jest jednym z najbardziej ekscytujących trendów technologicznych XXI wieku. Dość powiedzieć, że w ciągu najbliższych 5 lat wartość branży AI ma wzrosnąć ponad 5-krotnie. Już pod koniec 2025 r. aż 97 milionów ludzi ma pracować w przestrzeni AI, a 83% ankietowanych firm twierdzi, że sztuczna inteligencja jest najwyższym priorytetem w ich planach biznesowych.
Uporządkujmy nieco aktualny stan wiedzy. Przetwarzanie języka naturalnego (NLP) to gałąź sztucznej inteligencji, która koncentruje się na interakcji między komputerami a ludźmi za pomocą języka naturalnego. Umożliwia maszynom rozumienie, interpretowanie i generowanie ludzkiego języka w sposób, który jest zarówno znaczący, jak i użyteczny. A skoro sztuczna inteligencja w produkcji motoryzacyjnej wykorzystuje roboty, które ostrzegają ludzi w przypadku nieoczekiwanej awarii maszyny, zapobiegając wypadkom, to funkcje predyktywne wystarczyłoby wdrożyć w testerach diagnostycznych. 

Sztuczna inteligencja odpowiada dziś najczęściej za obszary związane z marketingiem i sprzedażą. Rekomendacja najlepszych rozwiązań otwiera nowe możliwości na rynku posprzedażowym, gdy rozmowa o dowolnej porze z chatbotem zatrudnionym w warsztacie dotyczyć będzie np. ekonomicznego wyboru regenerowanych części

Chatbot mówi, wysłucha, wyczuje emocje
Producenci OEM, operatorzy logistyczni i inne przedsiębiorstwa motoryzacyjne już dziś wykorzystują zaawansowane systemy konserwacji predykcyjnej, aby zautomatyzować zbieranie i analizę danych z czujników pojazdów, umożliwiając w ten sposób proaktywne reagowanie na możliwe anomalie i awarie. Konserwacja predykcyjna stanowi transformacyjną zmianę: od reaktywnych środków historycznie podejmowanych przez firmy motoryzacyjne do proaktywnego zarządzania pojazdami, w którym potencjalne problemy i awarie są rozwiązywane na długo przed ich wystąpieniem. To nowe podejście oferuje producentom samochodów i menedżerom flot wydajny sposób optymalizacji budżetów przy jednoczesnej poprawie bezpieczeństwa i wydajności pojazdów. 
Co innego, że rozwiązania w zakresie predykcyjnej konserwacji samochodowej są bardzo złożone, więc póki co wdrożenie ich jest domeną gigantów rynku. Zbudowanie takiego rozwiązania wymaga rozległej wiedzy specjalistycznej w różnych dziedzinach – od oprogramowania i cyberbezpieczeństwa po sztuczną inteligencję i uczenie maszynowe. Przykładem ambitnego projektu jest Integrated Vehicle Optimization Technology (PIVOT), który od ubiegłego roku gromadzi kluczowych partnerów, w tym Altair, Aston Martin, Brunel University London i ekspertów ds. recyklingu metali z firmy Gescrap. Projekt PIVOT, finansowany częściowo z dotacji rządowej w wysokości 2,9 mln funtów, ma zrewolucjonizować zrównoważoną produkcję pojazdów w Wielkiej Brytanii. Kluczowa rola przypadła firmie Altair, której rozwiązania oparte na sztucznej inteligencji mają w 100% poddać recyklingowi odlewane konstrukcje aluminiowe pojazdów, co owocować ma redukcją emisji dwutlenku węgla aż o 95%. Co więcej, to przełomowe wdrożenie ma sprawić, że wagę elementów aluminiowych w pojazdach uda się zredukować nawet o 30% przy jednoczesnym zachowaniu wymagań dotyczących wytrzymałości.
Okazuje się, że w tak ambitnych projektach zaangażowani będą... agenci AI. Sztuczna inteligencja zmienia sposób, w jaki wchodzimy w interakcje z technologią, i okazuje się nieoceniona w podejmowaniu decyzji oraz rozwiązywaniu problemów. Jednym z najbardziej ekscytujących osiągnięć w tej dziedzinie jest rozwój wspomnianych agentów AI – autonomicznych systemów zaprojektowanych do wykonywania zadań, podejmowania decyzji i pomagania ludziom w rozwiązywaniu złożonych problemów. Dlaczego taki twór jest lepszy od najzdolniejszego analityka? Przewagą takich systemów jest autonomia – agenci sztucznej inteligencji działają niezależnie, aby wykonywać zadania przy minimalnej ingerencji człowieka. Są w pełni adaptowalni do nowych zadań, tj. uczą się i dostosowują swoje umiejętności na podstawie informacji zwrotnych i zmieniającego się otoczenia. Są ukierunkowani na cel. I, w przeciwieństwie do człowieka, nie ulegają namiętnościom. A przynajmniej taki obraz wyłania się z dotychczasowych doświadczeń.
Awans takich systemów nie oznacza, że analitycy zostaną bez pracy. Wielu agentów AI wchodzi w interakcje z użytkownikami za pośrednictwem interfejsów, takich jak rozpoznawanie głosu lub przyjazne pulpity nawigacyjne. Wkrótce komunikowanie z takimi będzie odbywało się jeszcze prościej, bo z wykorzystaniem generowania tekstu, obrazów, a nawet zestawów danych złożonych np. z testera diagnostycznego wykorzystywanego przez fachowców na aftermarkecie.
I tu dochodzimy do funkcjonalności oprogramowania w nowoczesnych warsztatach. Jak wdrożyć taki system? Jakie powinny być pierwsze kroki?

Automatyzacja rutynowych zadań w warsztacie
Już rok temu pisaliśmy o perspektywie rozwiązań z zakresu Customer Service AI – inteligentnej automatyzacji procesów telefonicznej obsługi klienta (art. Zatrudnij cyfrowego konsjerż w warsztacie, „Nowoczesny Warsztat” nr 3/2024). Cyfryzacja recepcji w warsztacie? Wydaje się kwestią czasu. Swoją drogą może to być bardzo spektakularny przykład wykorzystania mocy oprogramowania zwiększającego wydajność warsztatu i jednocześnie realizacja faktycznej satysfakcji klienta, gdy mieć na uwadze diagnostykę predyktywną. Co od tego czasu się zmieniło?
– Już za parę tygodni będziemy gotowi, by każda firma, nawet jednoosobowa działalność gospodarcza, była w stanie korzystać z narzędzi opartych na AI do obsługi klienta – zaczniemy od prostej sekretarki, która zrozumie, co osoba dzwoniąca mówi, przekaże, zapisze, a później będziemy w stanie realizować kolejne procesy – oznajmił CEO i założyciel Vee Dawid Wójcicki podczas konferencji „Jak sztuczna inteligencja zmieni świat”.
Przyznajmy, bardzo obiecująca to perspektywa, skoro użycie chatbotów opartych na sztucznej inteligencji do obsługi zapytań w recepcji warsztatu, planowania wizyt i udzielania informacji o pojazdach jest od dawna standardem chatbota Tesli. Także Ford zatrudnia wirtualnych asystentów, którzy pomagają klientom w różnych działaniach – od planowania jazd próbnych po udzielanie informacji o walorach danego pojazdu. General Motors używa tego typu narzędzi do... analizy nastrojów, aby tym sposobem zweryfikować opinie klientów publikowane w mediach społecznościowych. Także Toyota wykorzystuje analizę nastrojów, aby monitorować opinie klientów i ulepszać swoje strategie marketingowe i rozwój produktów.
Utrzymanie floty pojazdów w pełnej sprawności i wydajności przy jednoczesnym unikaniu nadmiernych wydatków na zabiegi konserwacyjne to prawdziwe wyzwanie dla wszystkich uczestników rynku motoryzacyjnego. Tradycyjna konserwacja reaktywna jest dziś dominującym rozwiązaniem – naprawiamy i wymieniamy części, które po prostu mają już dość! Zdegradowany przegub, dziurawa chłodnica, uszkodzone sprzęgło hydrokinetyczne w „automacie” – likwidacja defektu ujawnionego w najmniej oczekiwanym momencie jest od lat domeną usług warsztatowych. W dobie rewolucyjnych zmian takie interwencje są traktowane jako nieefektywne i kosztowne, ponieważ pojawiające się problemy są rozwiązywane dopiero po ich wystąpieniu. Coraz więcej producentów samochodów i menedżerów flot za obowiązujący standard przyjmuje konserwację predykcyjną, czyli taką, która przewiduje i radzi sobie z potencjalnymi problemami, zanim się pojawią.

Z wyprzedzeniem wysyłać części zamienne w odpowiednie miejsce – to perspektywa dla innowacyjnych firm na aftermarkecie

Przygotowani na przyszłość usług posprzedażowych?
Innowacyjne rozwiązania cyfrowe są od lat domeną opieki serwisowej dla najbardziej bodaj kosztownego sprzętu. Przykład? Caterpillar Inc. jest wiodącym na świecie producentem sprzętu budowlanego i górniczego. Producent charakterystycznych „żółtych maszyn” wdrożył standard Cat Digital na początku w Indiach w 2018 r., znacznie zwiększając możliwości analizy danych. Także, oczywiście, danych z testerów diagnostycznych. Koncentrując się na integrowaniu zaawansowanych możliwości cyfrowych, Cat Digital wykorzystuje dziś dane z ponad 1,5 miliona połączonych użytkowników maszyn, aby rozwijać rozwiązania konserwacji predykcyjnej. Dane te, w połączeniu ze sztuczną inteligencją i zaawansowaną analityką, są wykorzystywane do tworzenia priorytetowych zdarzeń serwisowych (prioritized service events, PSE), co pomaga w planowaniu regularnej konserwacji i zapobiega nieprzewidzianym przestojom. 
Jak to działa w praktyce? W trakcie analizy ruchu maszyn między różnymi obiektami powstał model, który trafnie przewiduje przyszłą lokalizację maszyny! A to pozwala z wyprzedzeniem wysyłać części zamienne w odpowiednie miejsce. To oczywiście otwiera nowe perspektywy dla właścicieli sklepów i hurtowni z częściami samochodowymi. Swoją drogą, to właśnie dostawcy części zamiennych i duże sieci warsztatowe są pionierami wdrożeń interesujących nas tu rozwiązań. Zwróćmy uwagę, że autonomiczne pojazdy górnicze Caterpillar pokonały bezpiecznie bezdroża, przemieszczając ponad 2 miliardy ton urobku. Notabene, firma także w Polsce inwestuje w cyfrową przyszłość. W ramach programu Cat Digital – rozwój kompetencji cyfrowych szuka inżynierów oprogramowania i specjalistów ds. nauki o danych, których cechują ciekawość poznawcza i żyłka innowatorów!
Jak opisane doświadczenia wielkich graczy przełożyć na innowacyjne wdrożenia w nowoczesnych warsztatach? Na pewno takie zaawansowane technicznie usługi powinny być dostępne bez przerwy, 24/7 – muszą wszakże zapewniać ciągłe wsparcie bez konieczności interwencji człowieka. Dla warsztatu interesujące będzie takie rozwiązanie, które oferuje szybkie i dokładne odpowiedzi na zapytania klientów, ale też analizuje nastroje, zbiera opinie i co pewnie ważniejsze – potrafi je zweryfikować. Nie może być inaczej, skoro konserwacja predykcyjna oparta jest także na spostrzeżeniach – w tym przypadku użytkujących pojazdy. Nie miejmy złudzeń, chatboty i wirtualni asystenci będą doskonalone, więc w porę wykryją fałsz.

Rafał Dobrowolski
Fot. Altair, Caterpillar, Nanoprecise