Jste spoluzakladatelem společnosti Blindspot Solutions, která patří do skupiny Adastra, a zaměřuje se zejména na využití umělé inteligence. Jaké byly vaše začátky s umělou inteligencí?
Blindspot Solutions jsem spoluzaložil s Ondřejem Vaňkem a s Michalem Pěchoučkem, ale ta trajektorie začala už během studií. Umělou inteligenci jsem vystudoval nejdříve na ČVUT v Praze, a pak jsem pokračoval na Imperial College v Londýně, kde jsem studoval počítačové vědy. Do toho spadala i umělá inteligence, ale i spousta dalších témat typu řízení velkých systémů, ať už průmyslových nebo ekonomických. A protože umělá inteligence má, řekl bych, ze všech počítačových věd největší přesah právě do ekonomiky a dalších oborů podnikání, tak mě vždycky zajímala její aplikace ve firmách. Po studiu jsem nějaký čas pracoval jako softwarový inženýr, ale zároveň jsem studoval doktorát, kde jsem se seznámil s Ondřejem, a rozhodli jsme se, že chceme umělou inteligenci aplikovat na problémy v praxi. Chtěli jsme to, co jsme se naučili na univerzitě převést, do praxe a pomáhat tak firmám řešit jejich reálné problémy. To byl zhruba rok 2013 a aplikace umělé inteligence ve velkých podnicích byla úplně v plenkách. Začali jsme tedy pracovat pro zákazníky z různých oborů jak v České republice, tak i v zahraničí. Pracovali jsme pro velké mezinárodní společnosti, například ŠKODA AUTO, ale i pro startupy z Evropy a Ameriky. A všude tam, kde se umělá inteligence dala aplikovat, tak jsme ji aplikovali. Od začátku jsme věděli, že chceme dodávat řešení, jimiž produkované výsledky lze jasně změřit, protože už tenkrát jsme věřili, že přínosy mohou být nezanedbatelné. Začátky nebyly triviální, protože zejména v Čechách tehdy skutečně málokdo věděl, co to je umělá inteligence a co jeho firmě může přinést. Dneska už je to jiné. Máme za sebou stovky projektů, na kterých můžeme ukázat výsledky.
Na podzim loňského roku jste přešel na pozici CEO společnosti Adastra. S jakými cíli jste na tuto pozici nastupoval?
V roce 2017 koupila Adastra 50% podíl v Blindspot Solutions. Myšlenka byla taková, že Adastra vždycky pracovala s daty, a právě nad těmi daty se dá používat umělá inteligence. V České republice je Adastra leaderem v poskytování služeb v digitalizaci, ať už se jedná o data management, umělou inteligenci, vývoj software nebo consulting. Ale Adastra není jenom česká firma, je to firma s celosvětovou působností. Loni jsme v Adastře změnili způsob fungování. Česká část Adastry má ambici poskytovat řešení s vysokou přidanou hodnotou nejen zákazníkům v České republice a na Slovensku, ale i zákazníkům skupiny Adastra na dalších světových trzích.
Díky investicím do globálních center v oblasti cloudu, dat a umělé inteligence, vytvořením globálního vedení v klíčových odvětvích a plné integraci globálních dodavatelských kapacit pod jednu provozní jednotku tak dosáhnou zákazníci kdekoli na světě na služby celé skupiny. Každá z našich poboček disponuje jedinečnými talenty se specifickými kompetencemi. Naším cílem je nabídnout zákazníkům to nejlepší z celé skupiny.
Tato transformace umožní společnosti pokračovat v růstu na klíčových trzích v Kanadě, střední Evropě a Německu. Podpoří také rychlejší průnik na trhy v USA a západní Evropě a rozšíření dodávek v Asii.
Mým úkolem je dohlížet jednak na úspěšné završení reorganizace, a následně na další růst v oblasti poskytovaných služeb.
O umělé inteligenci se dnes hodně mluví, píše, nesmí chybět na žádné odborné konferenci. Mnoho lidí o ní má ale zatím stále spíše povrchní představy. Jak může umělá inteligence pomoci firmám v logistice?
Pokud to vezmu z obecného hlediska, umělá inteligence je sada nástrojů, které se učí na existujících datech a takto naučenou “znalost” používá ke svému rozhodování. U klasického softwaru je napsáno a zakódováno, jak se má program přesně chovat, žádná data se do něj nedávají. Umělá inteligence se učí na základě reálných dat.
Pro laickou veřejnost asi nejviditelnější část představuje Customer Support neboli podpora prodeje, kde je již umělá inteligence často používána. Ta se hodně rozšířila s příchodem tzv. generativní umělé inteligence neboli ChatGPT. To byl velký moment, kdy vstoupila umělá inteligence do povědomí široké veřejnosti.
V tuto chvíli je asi nejznámější porozumění a generování textu. Tady jako příklad uvedu příjem objednávek. Tam, kde dříve přijímal člověk objednávky telefonicky nebo e-mailem, tak je dnes objednávky schopna přijmout umělá inteligence. E-mail s objednávkou přijme, přečte ho a zadá do systému, a to nejen textově, ale i hlasově.
Pokud se podíváme na logistiku, tak těch možností aplikace umělé inteligence je skutečně mnoho. Může to být například predikování času, kdy klientovi přijede zboží od určitého dodavatele. Klient má velké množství dodavatelů, kteří se chovají různě. Někteří posílají zboží přesně na čas, u jiných přijíždí auto se zpožděním a někdy nepřijede vůbec. A potřebuje si naplánovat vyskladnění a naskladnění zboží, ale také potřebuje vědět, jestli to zboží v danou dobu bude vůbec dostupné. Potřebuje tedy program, který podle dostupných dat z minulosti předpoví, kdy které auto přijede. V takovém případě se vezmou data, nalijí se do umělé inteligence, ona je zpracuje a na základě historických informací vypočítá, co bude v budoucnosti.
Další oblast, kde se dá umělá inteligence v logistice uplatnit, je plánování a rozvrhování. Může se jednat například o Fleet management, čili plánování toho, které auto kdy kam pojede, co poveze, jaký ho bude řídit řidič atd., tak aby výsledné řešení bylo co nejefektivnější. Najít optimální plán není triviální, protože kombinací už při nižších desítkách aut může být spousta a lidský mozek má oproti kombinatorice umělé inteligence jen omezené možnosti. Vše efektivně naplánovat je jedna část úkolu a druhá část je naplánovat to co nejrychleji v reálném čase. A právě umělá inteligence si s takovým úkolem poradí velmi rychle. Za tímto účelem jsme vyvinuli nástroj OptiSuite, který přesně tyto úlohy řeší.
Když jsme u plánování, tak umělá inteligence umí řešit třeba i plánování směn jak v logistice, tak i v činnostech napojených na logistiku. Některé logistické společnosti poskytují svým klientům kromě dopravy a skladování další navazující služby. Pro výrobce automotive například dělají customizaci automobilů a potřebují rozvrhnout lidi na dílně podle toho, co který zaměstnanec umí. K plánování směn slouží Workforce Management.
Oblast, která je podle mého názoru pro logistiku velmi důležitá, je řízení celého dodavatelského řetězce, predikování a sledování toho, co se v rámci dodavatelského řetězce děje, kdy lze od kterého dodavatele očekávat zboží.
Možností využití umělé inteligence v logistice je skutečně mnoho. Může se například jednat o bezpečnost práce, kdy umělá inteligence sleduje používání ochranných pomůcek a dodržování zón pro chodce.
Rád bych zde ale ještě zmínil část, která se týká sledování toho, co se děje ve fyzickém světě. Umělá inteligence dnes podle obrazu pomocí kamery umí například automaticky spočítat, kolik palet se naloží do kamionu, nebo kolik palet se z něj vyloží a o jaký druh zboží se bude jednat. Umí přečíst poznávací značku, rozpoznat a evidovat, kdy které auto přijelo a odjelo. To se dá využít v operativě při plánování a rozvrhování příjmu a výdeje zboží. Navrhne například, na jakou bránu má řidič auto přistavit, nebo do jaké fronty se má zařadit.
Zajímavých projektů, které jste realizovali, je určitě nepřeberné množství. Máte nějaký konkrétní příklad, který byste rád zmínil?
Tady bych rád uvedl projekt, který jsme dělali pro ŠKODA AUTO, kde jsme řešili optimalizaci procesu nakládání kontejnerů. ŠKODA AUTO hledala způsob, jak optimalizovat proces nakládky přepravních kontejnerů, aby snížila nevyužitý prostor a tím i environmentální dopad přepravy.
Lidský mozek byl schopen naplnit kontejner o objemu 78 metrů krychlových jen ze 71 metrů. Hledat nové kombinace nakládky palet bylo čím dál tím obtížnější, zároveň tak pro výrobce bylo náročnější přiblížit se stanoveným kritériím pro nakládku. ŠKODA AUTO se proto rozhodla hledat řešení, které by možnosti lidského mozku “rozšířilo”.
Společně s Blindspot Solutions jsme vyvinuli inteligentní systém v ekosystému cloudu Microsoft Azure pro optimalizaci procesu nakládání kontejnerů. V rámci projektu jsme zjednodušeně řečeno vytvořili aplikaci, která ukazuje zaměstnancům, jak na sebe palety naskládat. Ti tak nyní mohou pomocí tabletu, během extrémně krátké doby 30 sekund, snadno najít nejlepší možný způsob, jak nakombinovat cca 2 000 různých tvarů palet do každého 78 kubických metrů velkého kontejneru. Systém zohledňuje rozměry, váhu a materiál palet a zajišťuje správné rozložení celkové váhy v každém kontejneru. Aplikace také dokáže kontrolovat, zda jsou každý týden naložené ty správné palety k přepravě.
Jedná se o projekt, který šetří ŠKODĚ AUTO přibližně 860 000 EUR ročně. Nejde ale jen o finanční úsporu. Díky našemu řešení bylo během prvního roku vyexpedováno o 300 kontejnerů méně, což představuje pět plně naložených vlakových souprav a úsporu 160 tun emisí CO2.
Několikrát tady zaznělo, že základem jsou kvalitní data. To ale může být u spousty firem zásadní problém. Co byste firmám doporučil, pokud uvažují o nasazení umělé inteligence?
To se vracíme zpět ke spojení Blindspot Solutions a Adastry, protože pokud chce firma používat umělou inteligenci, tak potřebuje mít v první řadě kvalitní data. V tom případě potřebuje postavit datovou platformu nebo datový sklad, který umožní sbírat správná data a ukládat je ve správném formátu, tak aby s nimi mohla umělá inteligence pracovat. To znamená, že je potřeba mít tzv. Data Governance, což je způsob správy dat. A to je právě to, s čím umí Adastra zákazníkovi pomoci, na čem vyrostla, a v čem je tady jednička.
Někdy má klient byznysový problém a neví, jak ho vyřešit. Třeba mu obecně chybí data, na nichž by mohl postavit kvalifikovaná rozhodnutí. Adastra kromě jiného umí data efektivně sbírat také ve fyzickém světě. Používáme k tomu chytré senzory, umíme je propojit s chytrou platformou a poskytnout tak end-to-end IoT řešení na míru.
Obecně se ukazuje, že naši klienti nepotřebují vědět do detailu, jaká technologie jim v byznysu pomůže. Přijdou za námi s konkrétním problémem, po úvodní analýze a assessmentu jsme schopni pro ně vymyslet ideální řešení a zapojit do toho všechny naše kompetence. A jak už jsem řekl, na takto komplexní služby si nyní díky změnám v Adastře sáhnou klienti v rámci celého globálního trhu. A to je náš cíl.
Pokud se zákazník rozhodne pro nasazení umělé inteligence, jak dlouho zpětně musí data poskytnout, aby s nimi uměla umělá inteligence pracovat? A poradí si umělá inteligence i s méně kvalitními daty?
Čím jsou data kvalitnější, tím je to samozřejmě lepší. Základní doba sběru, kdy mají data už nějakou vypovídající hodnotu, jsou měsíce. Pokud firma má data sice v nepořádku, ale sbírá je historicky, tak jsme schopni ta data dát do pořádku, poskládat je a určitým způsobem je i transformovat, tzn. očistit. Následně vytvoříme datové úložiště, datový sklad. A pak na ně aplikujeme umělou inteligenci. Data pak můžou sloužit nejen pro umělou inteligenci, ale také managementu, aby s nimi mohl dále pracovat. Jak se říká: „Co neměřím, to vlastně neřídím“, protože pokud nemám data v pořádku, nevidím, co se mi děje ve firmě, a je pak obtížné činit rozhodnutí.
Firmám poskytujeme i business consulting, kdy jsme schopni navázat na procesy, případně doporučit úpravu procesů právě vzhledem k datům, jejich sběru a použití. Dokážeme dát i doporučení, jaká další data se mají sbírat. Dneska už je běžné, že se některá data dají uměle nagenerovat, tak aby s nimi umělá inteligence mohla pracovat. S daty to umíme od A do Z.
Jak se v reálu firmy v České republice staví k zapojení umělé inteligence do svých procesů? Protože když přišla automatizace, tak se o ní také hodně mluvilo, ale v reálu kolem ní firmy poměrně dlouhou dobu spíše opatrně našlapovaly. Myslím si, že až COVID pak hodně rozhýbal její širší nasazení ve firmách.
Podobný scénář vidíme i u umělé inteligence. Komerčně se zabýváme umělou inteligencí od roku 2013, takže vidíme, jak se ta připravenost postupně mění. Na začátku v roce 2013 skutečně otevřenost firem vůči AI nebyla velká. Dneska se postupně díky tomu, že firmy začínají rozumět, co jim umělá inteligence může přinést, jejich přístup mění. Snažíme se poskytovat pohled prostřednictvím našich case studies. Firmám poskytujeme konzultace, tzv. AI Open Days. To znamená, že si se zákazníkem sedneme a snažíme se pochopit jeho byznys. Následně jsme schopni vygenerovat use casy včetně doporučené strategie, časového harmonogramu, a očekávaného přínosu. To je ta první, strategická, část. Druhá část je technická a datová. Dnes je možná aplikace umělé inteligence zcela bez problémů v cloudu. Tím pádem to firmu nemusí tolik omezovat. Pokud cloudové řešení již má, tak se do něj dá umělá inteligence jednoduše přidat. Pokud firma cloud nemá, tak ho vytvoříme. A třetí část je, jakým způsobem ta společnost novou technologii přijme. Setkali jsme se s případy, kdy vedení schválilo nasazení umělé inteligence, ale ze strany zaměstnanců panovala určitá skepse. Lidé, kteří dělají nějakou činnost mnoho let, si často neumí představit, že by to někdo mohl dělat lépe. Případně mají obavu, že přijdou o zaměstnání. S tím ale umíme také pracovat. Říkáme, že umělá inteligence sice dnes umí v některých případech fungovat autonomně, ale my stavíme jakýsi nástroj, který má těm lidem pomoct. Není to o tom, že by umělá inteligence měla lidem práci sebrat, ale měla by nahradit takové ty rutinní kroky, které pracovníci do té doby dělali, a oni se naopak mohou specializovat na činnosti s přidanou hodnotou – pro představu třeba osobní komunikaci se zákazníkem.
Takže naše činnost je nejen o té technické části, ale také hodně o práci s lidmi. Vysvětlit jim výhody a naučit je ty nástroje používat.
Umělá inteligence je nazývána průlomovou technologií, která má potenciál změnit svět. Panují kolem ní ale také určité obavy…
Umělá inteligence rozhodně do budoucna bude mít mnohostranné uplatnění. Lidé už umělou inteligenci v každodenním životě v podstatě využívají, ale často to ani neví. Když vezmu například internet nebo sociální sítě, tak to, co vy vidíte na sociálních sítích, generuje umělá inteligence. Když se přihlásíte do nákupní aplikace vašeho oblíbeného retailera, tak velmi často nabídky, které vidíte, generuje umělá inteligence podle vašeho předchozího nákupního chování.
Trochu diskutabilní téma jsou samořiditelná auta. Ta sice dneska ještě nejsou plně autonomní, ale spousta vozidel už umí v zásadě hodně řídit za vás. Musíte mít sice pořád ruce na volantu, ale třeba na dálnici, kde jsou vyznačené pruhy, dnes už nejmodernější modely jedou v podstatě samy.
S umělou inteligencí se dnes už běžně můžeme setkat také v oblastech generování textů, obrazu a videa. A právě kolem těchto možností vyvstávají obavy. Dnes už není tak těžké vygenerovat moji fotku nebo video, na kterém mluvím, a vytvořit deep fake. Tady se dostáváme k celospolečenskému přesahu a k tomu, jak se umělá inteligence jako technologie dá využít pro pozitivní, ale i pro negativní účely. To mi trochu dělá starost, ale věřím, že i tomu dokážeme čelit. Pravděpodobně opět za pomoci umělé inteligence.
Zdroj: Logistic News
