AI-megoldások bevezetése egy autóipari nagyvállalatnál
AI-megoldások bevezetése egy autóipari nagyvállalatnál
Iparág: Autóipar
Célok, vezetői összefoglaló
A projekt célja egy autóipari nagyvállalat logisztikai, pénzügyi és projektmenedzsment-területein az AI napi munkavégzésbe történő bevezetése és a működési hatékonyság növelése volt. A vállalat már döntött az Anthropic Claude bevezetéséről, a licencek rendelkezésre álltak, a használat mégsem indult el.
A bevezetést a feladatok felmérésével kezdtük. Kb. 70 use case-t elemeztünk, ezek nagyjából fele rendszerkapcsolatok nélkül is megvalósíthatónak bizonyult, így a bevezetésnek nem kellett az IT-fejlesztésekre várnia. 10-15 use case-t közösen építettünk fel, a többit egy 15 fős power user kör már önállóan alakítja ki. Mind a 40 érintett munkatárs használja a kialakított megoldásokat, és a munkatársak önbevallás alapú mérése szerint közel 30%-os kapacitás szabadult fel.
Megbízói háttér és környezet
Megbízónk egy több mint 1000 főt foglalkoztató autóipari nagyvállalat, ahol a programba a logisztikai, pénzügyi és projektmenedzsment-csapatok összesen 40 munkatársa kapcsolódott be.
A vállalat korábban döntött az Anthropic Claude bevezetéséről, a licencek rendelkezésre álltak. A használat azonban nem hozta a várt eredményt, az érintett felhasználókank nem volt AI-tapasztalata, nem volt világos, mely feladataikban segíthet az eszköz, és milyen adatokat használhatnak benne. Egyéni próbálkozások voltak, azonban ezek inkább a bizalmatlanságot növelték az új eszközzel kapcsolatban. A szervezet digitális érettsége alacsonynak mondható, mely később több kihívást is okozott a feladatok elvégzése során.
Célok, feladatok
A feladat az AI gyakorlati alkalmazásának elindítása, a munkatársak felkészítése és az üzleti értéket teremtő megoldások kialakítása volt, a meglévő licencekre, a tényleges munkafeladatokra és az aktuálisan elérhető technikai lehetőségekre építve.
A program fő feladatai az alábbiak voltak:
- Az AI használatához szükséges alapismeretek és biztonsági szemlélet átadása.
- A szerepkörökhöz kapcsolódó use case-ek feltárása, üzleti értékelése és priorizálása.
- A terület AI-stratégiájának és implementációs roadmapjének kialakítása.
- A biztonsági szabályozás és az AI-használat governance kereteinek kidolgozása.
- A kiválasztott megoldások közös felépítése, és olyan belső tudás kialakítása, amellyel a csapat önállóan folytatja a fejlesztést.
- Az eredmények visszamérése és a további fejlesztési irányok meghatározása.
Kihívások, nehézségek
- A felhasználók körében több esetben ellenállást érzékeltünk az AI-megoldások alkalmazásával kapcsolatban
- A meglévő AI-biztonsági szabályozás egy általános leírás volt, mely nem tartalmazott konkrét adatkategóriákat, használati feltételeket, vagy iránymutatást
- A munkához szükséges adatok több különálló rendszerben volt elérhető
- A globális IT-terület kapacitáshiány miatt nem engedélyezte a rendszerkapcsolatok kialakítását
A feladat megvalósítása
Közös alapok
A programot egynapos AI-alapoktatással indítottuk, amely az AI-biztonság alapjait is lefedte. A program célja az általános LLM ismeretek és biztonsági alapok, valamint a legfontosabb alapfunkciók bemutatása mellett az ellenállás enyhítése is volt.
Nem minden probléma AI-probléma
A munkát a feladatok felmérésével kezdtük. Az érintett szerepkörök tipikus feladatairól előzetesen leírásokat gyűjtöttünk, és három kategóriába soroltuk őket: AI-jal támogatható, folyamatautomatizációval fejleszthető, illetve informatikai megoldást nem igénylő, működési vagy szervezeti változtatással kezelhető feladatok.
Erre építve egynapos use case discovery workshopokat tartottunk, melyek eredményeként kb. 70 use case-t elemeztünk üzleti érték és megtérülés szerint. Ezek nagyjából fele egyszerűen, rendszerkapcsolatok nélkül is megvalósíthatónak bizonyult, így a bevezetésnek nem kellett IT-fejlesztésekre várnia.
Stratégia és roadmap
A use case és vezetői workshopok eredményeiből kialakítottuk a terület AI-stratégiáját (vízió, célkitűzések és fókuszterületek), valamint az azonosított esetek implementációs roadmapjét. Az első hónapok az egyszerűen megvalósítható, ám magas egyéni, vagy csapat produktivitást támogató esetekre fókuszált.
Biztonság és governance
Kialakítottuk az adatkategorizálást tartalmazó AI-biztonsági szabályzat és governance kereteit. A jóváhagyott tartalmat a kulcsfelhasználóknak oktatás formájában adtuk át, akik később a belső képzések megvalósításáért, illetve digitális tananyagok létrehozásáért feleltek.
Közös kialakítás
A gyorsan megvalósítható use case-ek közül 10-15-öt építettünk fel a felhasználókkal közösen power user workshopok keretében. Ez elég volt ahhoz, hogy a további megoldásokat a csapat ezek mintájára már önállóan alakítsa ki. A projektvezetők a szervezet saját projektmenedzsment folyamatához illesztett AI képzést kaptak, ahol a teljes projektéletciklus AI-támogatási lehetőségeit dolgoztuk fel.
Eredmények
Mind a 40 érintett munkatárs használja a kialakított megoldásokat, pedig a projekt indulásakor egyiküknek sem volt AI-tapasztalata. 15 fős power user kör jött létre, amely önállóan épít új megoldásokat és finomhangolja a meglévőket.
A munkatársak a bevezetés előtt és egy hónap aktív használat után maguk mérték a saját feladataikra fordított időt. Önbevallásuk alapján közel 30%-os kapacitás szabadult fel. Ennek alapján javaslatot tettünk a szerepkörök és munkafolyamatok átalakítására.
A vállalat a kialakított use case-ek kiterjesztését tervezi, ezek tapasztalatai alapján döntenek a rendszerösszekötésekről, az automatizációra épülő AI agentekről és az ezekhez kapcsolódó működési változásokról.
