Jak wytłumaczyć zarządowi różnicę między ML a zwykłą automatyzacją?

Klasyczna automatyzacja to instrukcja: 'jeśli temperatura pieca przekroczy 800°C, wyłącz grzałkę' – zasady piszesz ty, raz, i ona ich przestrzega. ML to system, który sam zauważa, że temperatura rośnie szybciej w środy rano gdy dostawca X przywozi surowiec Y i zaczyna reagować zanim osiągnie 800°C – nikt mu tej reguły nie wpisał, sam ją odkrył z danych. Dla zarządu: makro robi co mu każesz, ML uczy się co powinien robić.

Masz rację, ale zanim pójdziesz z tym przykładem, sprawdź czy board rozumie po co w ogóle ta różnica jest ważna biznesowo – bo samo 'ML jest mądrzejszy' im nie wystarczy. Jakie konkretne problemy macie teraz na produkcji, które automatyzacja regułowa wam nie rozwiązuje? Od tego bym zaczął prezentację.

Uczciwie powiem: przy 200 pracownikach i produkcji przemysłowej często okazuje się, że porządna klasyczna automatyzacja z dobrymi dashboardami wystarczy na 3-4 lata i jest 10x tańsza we wdrożeniu i utrzymaniu. ML ma sens gdy masz zmienność, której nie umiesz opisać regułami – jeśli wasza produkcja jest powtarzalna i stabilna, może zarząd ma rację żeby nie inwestować teraz.

Konkretny przykład dla produkcji: kontrola jakości wizualna. Stara automatyzacja: kamera mierzy wymiary śruby i odrzuca jeśli długość poza tolerancją – zasady koduje inżynier. ML: system ogląda 50 tysięcy zdjęć dobrych i wadliwych śrub i sam uczy się rozpoznawać pęknięcia, odbarwienia, wady powierzchni, których nikt wcześniej nie opisał w kodzie. Kluczowe słowo dla zarządu: 'adaptacja' – ML dostosowuje się gdy produkt się zmienia, automatyzacja wymaga przeprogramowania.

Jeden slajd który działa na technicznie niezaawansowanych: dwie kolumny, po lewej 'Co musi zrobić człowiek żeby system działał' – przy automatyzacji długa lista reguł, przy ML: pokazać przykłady. Widziałem jak ta jedna strona kończy dyskusję o buzzwordach bo nagle widać gdzie jest wartość i gdzie jest koszt.