In mei 2024 heeft Tata Consultancy Services (TCS) uitgevoerd een studie waaruit bleek dat bedrijven AI wilden gebruiken voor innovatie en omzetgroei, maar niet zeker wisten hoe ze dat moesten doen.
Nu, TCS werkt samen met Nvidia de adoptie van AI in een reeks sectoren te helpen versnellen door de infrastructuur van laatstgenoemde te gebruiken om op maat gemaakte AI-oplossingen te bouwen voor sectoren als de productie, de automobielsector, de financiële sector en de detailhandel, op basis van grote taalmodellen.
Ik sprak met Anupam Singhal, president van Manufacturing bij TCS, over hoe deze AI-tools werken, hoe ze bedrijven ten goede kunnen komen en hoe de risico's van het gebruik van AI (indien aanwezig) in deze industrieën kunnen worden beperkt.
Als je aan taalmodellen denkt, komt het onderwerp productie of de auto-industrie niet meteen naar voren. Kunt u mij meer vertellen over het verband tussen taalmodellen en hoe deze de productie en een reeks andere industrieën kunnen helpen?
Hoewel taalmodellen in eerste instantie misschien geschikter lijken voor tekstuele taken en we er vaak B2C-gebruiksscenario's aan koppelen, bezitten ze ook een aanzienlijk potentieel om een revolutie teweeg te brengen in sectoren als de productie- en automobielsector in B2B- en B2B2C-gevallen.
We zien dit potentieel nu al tot leven komen via onze Future Ready Manufacturing-oplossingen. Hier transformeren we ook de reparatie- en servicecycli en voorspellend onderhoud. We gebruiken taalmodellen om historische gegevens te analyseren en patronen te identificeren die kunnen helpen bij het aangeven van potentiële apparatuurstoringen, het verminderen van downtime en het optimaliseren van onderhoudsschema’s. Bovendien kunnen we met behulp van generatieve AI en SLM's (gespecialiseerde taalmodellen) de dagelijkse activiteiten van reparatie- en servicetechnici transformeren om de tijd die nodig is voor de reparatie-/servicecyclus te verbeteren.
Taalmodellen transformeren ook de veerkracht van de toeleveringsketen. Door supply chain-gegevens te analyseren kunnen deze modellen de voorraadniveaus optimaliseren, de logistiek verbeteren en verstoringen in de supply chain beperken.
TCS verfijnt LLM's op basis van branche-expertise. Wat komt er bij dit proces kijken en welke waarborgen zijn er om ervoor te zorgen dat het model geen suboptimale suggesties geeft voor uitdagingen in de sector?
Het verfijnen van LLM's voor branchespecifieke toepassingen is een nauwgezet proces. Ten eerste stellen we, met behulp van onze branche-expertise en het ecosysteem van onze klanten, een hoogwaardige dataset samen die specifiek is voor de branche, zodat deze een breed scala aan scenario's en randgevallen bestrijkt. Vervolgens gebruiken we vooraf getrainde en kant-en-klare taalmodellen als basis en verfijnen deze op basis van de branchespecifieke datasets.
Onze engineers spelen dan een cruciale rol bij het monitoren van de prestaties van het model, het geven van feedback en het doorvoeren van noodzakelijke aanpassingen. Door intuïtieve aanpassingen en stilzwijgende kennis in te voeren, wordt de nauwkeurigheid van het model vergroot. Zodra dit inzicht is verzameld en in het model is ingevoerd, implementeren we strikte ethische richtlijnen om ervoor te zorgen dat het model eerlijke en onbevooroordeelde resultaten genereert. Er worden passende vangrails gedefinieerd met de op agenten gebaseerde monitoringbenadering van TCS om ervoor te zorgen dat de reacties voortdurend worden gemonitord.
Onze onlangs gelanceerde TCS Manufacturing AI for industrials-suite is hierop voortgebouwd NVIDIA's tech stack is het perfecte voorbeeld van een verfijnde LLM/SLM voor deze sector.
Hoewel onze technologie geavanceerd is, zien wij deze als een middel om een bestemming te bereiken, en niet als een bestemming op zich. Het belangrijkste doel is om het dagelijks leven van burgers te transformeren. Onze oplossingen zijn ontworpen om mensen te helpen en niet om ze te vervangen. Hoewel AI routinetaken kan uitvoeren, enorme hoeveelheden gegevens kan analyseren en patronen kan identificeren die anders over het hoofd zouden worden gezien, blijven menselijk oordeel, creativiteit en kritisch denken essentieel voor het nemen van complexe beslissingen en het bieden van strategische richting.
Ons doel is om een synergetische relatie te creëren waarin AI de menselijke capaciteiten aanvult, waardoor we grotere efficiëntie en innovatie kunnen bereiken. We hebben bijvoorbeeld een groot bouwmaterialenbedrijf geholpen een offerte 1,5x sneller op de markt te brengen door generatieve AI te gebruiken om kritische inzichten te verschaffen over de juiste configuratie en door het maken van de conceptofferte te automatiseren. Dit versterkte de productiviteit van degenen die werkten – in plaats van hen te vervangen.
Hoewel het waar is dat LLM's resultaten kunnen produceren die trainingsgegevens nabootsen en dat de gegevensgeneratie in sommige gevallen synthetisch kan zijn, zijn LLM's ook in staat nieuwe inzichten en creatieve oplossingen te genereren voor een verscheidenheid aan industriële problemen. Door enorme hoeveelheden gegevens te analyseren en onderliggende patronen te identificeren, kunnen deze modellen verborgen kansen en innovatieve benaderingen blootleggen die voor menselijke experts misschien niet duidelijk zijn.
TCS bouwt momenteel bijvoorbeeld aan een oplossing genaamd Mobility AI, onderdeel van onze TCS Mobility Suite. Eén gebruiksvoorbeeld van deze oplossing is het ontcijferen van een parkeerbord in intervallen van microseconden en het aanbevelen van de volgende beste actie. Deze inzichten maken beslissingen mogelijk die mensen niet kunnen nemen op dat micromoment in de reis van de bestuurder, en benadrukken hoe GenAI deze ervaring in de toekomst van mobiliteit kan transformeren.
Het is echter belangrijk op te merken dat AI een hulpmiddel is en dat de effectiviteit ervan afhangt van de manier waarop het wordt gebruikt. Menselijke begeleiding en toezicht zijn van cruciaal belang om ervoor te zorgen dat AI op een verantwoorde en ethisch verantwoorde manier wordt gebruikt.
Lopen we het risico menselijke expertise te verliezen als we zwaarder gaan vertrouwen op AI?
In plaats van de menselijke expertise te verminderen, kan AI deze juist vergroten. Door routinetaken te automatiseren, geeft AI menselijke werknemers de tijd om zich te concentreren op activiteiten met een hogere waarde die creativiteit, probleemoplossing en empathie vereisen. Bovendien kan AI waardevolle inzichten en ondersteuning bieden, waardoor mensen beter geïnformeerde beslissingen kunnen nemen. De sleutel is om AI te omarmen als een instrument dat mensen sterker maakt, en niet als een bedreiging. Door samen te werken kunnen mens en AI opmerkelijke dingen bereiken.
