«Business Excellence», сентябрь 2024.
Рубрика: Точка зрения. Автор: Михаил Палагин.
Автор продолжает рассматривать влияние искусственного интеллекта на автобизнес. В первой части статьи (BE 8/2024) было оценено использование ИИ для обеспечения безопасности дорожного движения, в проектах беспилотных автомобилей, в расширении функционала СМК в производственном процессе. Впереди — роль ИИ в создании новых моделей, маркетинге, инжиниринге и дизайне, испытаниях, обеспечении качества, продажах, а также размышления о возможных проблемах и новых рисках, о которых важно знать менеджерам, принимающим решения.
Разработка и создание новых моделей
Непривычно большое количество появившихся за последние годы новых моделей автопрома формирует общественный интерес к тому, как же такие новинки появляются. Кто, когда и почему в компании-производителе решает выпустить новую модель? Из открытой печати известно, что срок появления нового автомобиля колеблется от 60 до 72 месяцев и стóит такая разработка миллиарды долларов. Это неточно, да и лукавства в этих цифрах более чем достаточно — начиная с того, что же является на самом деле новой моделью, а что рестайлингом, фейслифтингом или кроссбеджем. Конечно, в процессах принятия решений каждый идет своим путем, но есть и много общего. В приоритетах новой реальности — сокращение сроков и стоимости разработок.
Прогноз потребностей рынка на несколько лет вперед — дело рискованное и сложное. Продуктовая «кухня» работает на «ингредиентах» из открытых источников и разведданных о действиях конкурентов, анализе различных опросов и работы фокус-групп, оценке предпочтений разных региональных рынков (США, Китай, Европа и др.), требований законодательства, органов по сертификации и т. п. Кроме бенчмаркинга, немаловажное значение имеют и внутренние установки топ-менеджеров компаний на то, какими они видят новые успешные модели своего бренда.
При этом существуют как собственные технологические ограничения у автопроизводителей, так и рамки возможностей у поставщиков материалов, элементов кузова и подвески, интерьера и экстерьера, электронных компонентов и т. д. Необходимость для создателей новых моделей учесть большое число разнообразных внешних и внутренних факторов на очень коротком временном интервале — нетривиальная задача, у которой единственно правильного решения просто нет.
Моделирование таких бизнес-кейсов с применением инструментов ИИ может положить на стол менеджмента не только прогноз по доле рынка, но и «матрицу возможных решений» по дизайну, инжинирингу и производству разрабатываемых моделей, а также оценку по общему для всех алгоритму каждого из возможных вариантов, в том числе по себестоимости и временным затратам.
ГЛОССАРИЙ
Рестайлинг. Обновление внешнего вида и/или интерьера автомобиля без существенных изменений в технической части. Может включать изменения дизайна передней и задней части кузова, фар, решетки радиатора, бамперов, а также обновление салона, приборной панели и других элементов. Цель — освежить внешний вид модели и сделать ее более привлекательной.
Фейслифтинг. Более глубокое обновление, затрагивающее не только дизайн кузова и интерьера, но и некоторые технические характеристики. Может включать модернизацию двигателей, трансмиссии, подвески, других систем. Цель — не только освежить внешний вид, но и улучшить технические характеристики.
Кроссбедж. Бизнес-решение, при котором одна и та же модель автомобиля, включая платформу и технологии, используется для выпуска продукции под несколькими брендами. Расширение модельного ряда одного бренда происходит за счет других, без необходимости разработки полностью новой модели. При этом возможны небольшие отличия в дизайне и в позиционировании на рынке..
Трейд-ин (англ. trade-in). Услуга по приему автомобиля в счет покупки нового, цена которого уменьшается на стоимость принимаемого в зачет. Такую услугу предоставляют дилеры и автосалоны, основная цель — стимуляция продаж новых автомобилей.
Маркетинговые исследования
Известные на рынке программные решения с использованием ИИ уже стали эффективным инструментом в исследованиях, позволяющим повысить точность сбора и анализа данных, прогнозирование направлений и тенденций развития, оптимизацию позиционирования и ценообразования вновь разрабатываемых продуктов. Признано, что анализ данных, нейронные сети и машинное обучение взаимосвязаны и вместе образуют инструмент нового уровня для обработки информации и определения неявных закономерностей.
Анализ данных
Интеллектуальный (если точнее) анализ данных — на всех этапах создания, использования и самообучения нейросетей — это ключ к их успешному применению. В маркетинге служит для определения целевой аудитории и позиционирования создаваемого нового продукта. При анализе используются, например, алгоритмы кластеризации для группировки моделей по сегментам, ценам, ряду других характеристик. Это помогает точнее спрогнозировать целевую аудиторию и, соответственно, более корректно позиционировать разрабатываемые новые модели.
Нейросети
Выполняют обработку информации, реализуя (если точнее — копируя, моделируя) работу нейронов в мозге человека: могут проводить анализ отзывов и оценок потребителей как по собственной продукции, так и о конкурентах. Делается это для того, чтобы выделить из массива данных скрытые закономерности и определить именно те ключевые слова и темы, которые связаны с потребностями и предпочтениями. Такая информация дает возможность более точно понять структуру и тренды потребительского спроса на сегодня, что повышает вероятность успешной разработки и предложения на рынок новых продуктов, которые с высокой вероятностью будут способны удовлетворить спрос и завтра, и в ближайшей перспективе.
Машинное обучение
Позволяет компьютерным системам автоматически обучаться и улучшать свои алгоритмы и программы без необходимости их переписывать — на основе опыта. Это помогает проводить качественный и количественный анализ данных по продукции и по продажам конкурентов, включая цены, маркетинговые стратегии и дистрибуцию автомобилей, а также технические параметры. Таким образом, можно детально сравнить существующий или будущий продукт с товарами конкурентов, оценить и спрогнозировать его сильные и слабые стороны для принятия соответствующих решений.
Инжиниринг, дизайн, экстерьер, интерьер
Создание нового автомобиля включает в себя несколько этапов, на каждом из которых могут быть задействованы решения с применением методов искусственного интеллекта. Основное — прогноз будущих трендов с высокой достоверностью и оценка предпочтений потребителей на основе комплексного анализа данных и информации из самых разных источников.
Интерьер: разрабатываются эскизы, выбираются дизайнерские темы, материалы отделки и т. д. Нейросети здесь можно задействовать для анализа оценок и отзывов о предыдущих моделях бренда и конкурентах, а также для выделения ключевых слов и тем, связанных с предпочтениями в дизайне и материалах.
Экстерьер: разрабатывается внешний дизайн, моделируется аэродинамика кузова и оптимизируется его форма, подбираются цвета, варианты сочетаний цветов салона и кузова. Инструментарий ИИ может быть использован для оптимизации и ускорения таких операций, как расчеты по уменьшению аэродинамического сопротивления, увеличению жесткости кузова, ударопрочности и долговечности, а также при моделировании повреждений и деформаций в результате краш-тестов. Внедрение такого моделирования и расчетов помогает конструкторам и разработчикам создавать новые модели в относительно более короткие сроки, чем ранее.
Визуальные концепты новых моделей
Необходимы для показов на внутренних и внешних презентациях, выставках и конференциях. Здесь функционал ИИ может быть задействован для разработки анимационных и 3D-прототипов, демонстрирующих дизайн и функциональность новой модели. Анализ мнений, отзывов и предложений по концепту будущей модели поможет выделять не только достоинства, но и спорные решения и недостатки, а также прогнозировать и принимать во внимание ожидания потребителей от новинок автопрома.
Натурные испытания опытного образца
Важная часть работы, без которой невозможно начало массового производства. В инженерных тестированиях и испытаниях инструмент ИИ может быть использован для мониторинга, сбора и анализа результатов измерений, показаний разнообразных датчиков, отслеживания контрольных параметров, определяющих безопасность и надежность конструкции и установленного оборудования.
Такая информация применяется для комплексного анализа прототипа по известным разработчикам критериям — как с целью поиска и выделения ключевых проблем, выявленных при тестировании и краш-тестах, так и для разработки рекомендаций по их устранению. Безусловно, роль инструментов ИИ здесь очень важна с точки зрения сбора и обработки больших массивов данных, однако окончательные решения остаются за инженерами и конструкторами.
Производственный процесс и качество
Искусственный интеллект уже сегодня находит широкое применение в оптимизации производственных процессов и контроле качества. ИИ-системы моделируют и анализируют производственные операции, выявляя узкие места и точки для улучшений. Комплексный мониторинг качества с использованием ИИ позволяет предупреждать возможные проблемы и оперативно на них реагировать. В ближайшей перспективе — массовое внедрение интеллектуальных роботов, которое может кардинально перестроить все процессы.
Продажи и персонализация предложений
Конечной целью и производителей, и дилеров является продажа конечному покупателю. Автомобиль — один из самых дорогих продуктов на рынке, и именно поэтому каждый потенциальный покупатель — на вес золота. В работе с потребителями персонализация предложений и подбор автомобиля по параметрам уже широко применяются, однако внедрение инструментов ИИ в процесс может создать новые конкурентные преимущества в дилерском бизнесе.
Клиент может указать свои предпочтения по ценам, скидкам, кредитным и трейд-ин-предложениям, типу и цвету кузова/интерьера, комплектации, мощности и техническим характеристикам и т. д., в ответ на которые программа подбирает подходящий вариант из наличия на общем складе или в ближайшей поставке. Такое персональное предложение должно существенно упростить процесс выбора для каждого конкретного покупателя, повысить вероятность заключения сделки и конверсию, а также увеличить средний чек продаж. Согласен с тем, что встречу лицом к лицу и рукопожатие по результатам переговоров о приобретении автомобиля ничто полноценно заменить не сможет, но персонализированное предложение способно сильно упростить проведение таких встреч с покупателями.
Оптимизация дилерских складов
Состояние склада — это особая «кухня», не только определяющая прибыльность дилерских предприятий, но и генерирующая основные издержки. Применяемые сегодня методы оптимизации дилерских складов могут быть успешно дополнены ИИ-решениями для анализа данных о рынке и конкурентах, о последних сделках дилера, об истории продаж и о жизненном цикле разных моделей, сезонности, поведении и запросах клиентов — для построения прогноза ожидаемого спроса и объемов продаж.
На основе таких прогнозов формируются оптимальные производственные заказы на фабрики и логистические цепочки, что в идеальном варианте позволяет минимизировать риски и затоваривания, и дефицита. Но далеко не всегда возможно оптимизировать склады, и неликвидные модели регулярно на них появляются. Здесь инструменты ИИ должны помогать вовремя выявлять проблемы и разрабатывать стратегии распродаж излишков — для сокращения издержек. Но окончательное решение проблем — за менеджерами, т. е. за человеком.
Контроль технического состояния автомобилей
Этот важный вопрос сегодня находится в руках владельцев транспортных средств и мастеров-приемщиков сервисных станций. Современные электронные блоки управления (ЭБУ) проводят автоматизированный мониторинг и позволяют осуществлять централизованное отслеживание данных телеметрии, самодиагностику и прогнозирование неисправностей, дают водителям рекомендации по профилактическим работам (чаще всего «посетите сервисный центр») — т. е. неплохо справляются с контролем технического состояния. Однако решение о посещении сервисного центра всё равно принимает водитель. И если в корпоративных автопарках игнорирование рекомендаций чаще всего недопустимо, то для частных собственников однозначных решений нет.
Хочется надеяться, что нейросети найдут индивидуальный подход к каждому автомобилисту — как рассчитывая на сознательность, так и делая недоступными отдельные функциональные возможности транспортного средства до устранения выявленных проблем. Например, ограничивая мощность или максимальную скорость, возможности мультимедиа, отключая возможность обновления софта и т. д. Конечно, внедрение инструментов ИИ принципиально подход к техническому обслуживанию не изменит, однако поможет провести некоторую корректировку.
Проблемы и риски
Несмотря на стремительное развитие технологий искусственного интеллекта и их широкое внедрение, всем нам важно понимать, что ИИ не является совершенным инструментом. Он имеет и ограничения, и недостатки, о которых необходимо помнить любому руководителю, принимающему управленческие решения. Внедрение ИИ в автобизнес не только расширяет возможности, но и генерирует целый ряд новых проблем и рисков (нет речи о «восстании машин» — надеюсь, этого не случится никогда), которые требуется принимать во внимание и стараться минимизировать.
Риск 1. Доверие и безопасность
Использование ИИ сложных алгоритмов и непонимание персоналом принципов работы нейронных сетей может создать проблемы с прозрачностью и объяснимостью предлагаемых решений и, соответственно, с безопасностью. ИИ не всегда точен в прогнозах и выводах — они могут быть неполными или содержать ошибки. Известно, что ИИ зависит от качества и полноты данных, на основе которых обучается, а также от сложности решаемых задач; он не обладает человеческим здравым смыслом и способностью к глубокому пониманию контекста.
Риск 2. Надежность и достоверность
Кибератаки и хакерские вмешательства в работу компьютерных систем, а также неточности и ошибки в алгоритмах ИИ чреваты негативными эффектами, например в логистике и на производстве. Но самое главное — это риск возникновения аварийных ситуаций, угрожающих безопасности людей. Исследователи признают вероятность не только случайных ошибок, вызванных несовершенством алгоритмов, но также риск преднамеренного обмана и манипуляций доверием со стороны злоумышленников.
Риск 3. Высокая стоимость и несоответствие ожиданиям
Внедрение технологий ИИ сопряжено с высокими затратами, которые не всегда оправдывают себя. Желание руководства компаний идти в ногу со временем и поспешно внедрять эти инструменты без четкой расстановки приоритетов и постановки конкретных целей может обернуться дополнительными рисками для бизнеса. Помимо финансовых и временных потерь, такой подход может привести к стратегическим ошибкам в развитии. Если внедрение ИИ не соответствует реальным потребностям бизнеса и не интегрируется должным образом в существующие процессы, оно может не оправдать ожиданий.
Краткое резюме
Поднимать сегодня вопрос о том, заменят ли инструменты ИИ людей, рановато, хотя это и перестало являться частью фантастики, а бизнес-среда и системы образования уже готовят к этому. Необходимо помнить: ключевые решения остаются за человеком, т. к. ничего принципиально нового ИИ не может сгенерировать — он работает в рамках готовых алгоритмов, и все красивые и правильные тексты, имиджи, видео — это компиляция из ранее созданных человеком книг и статей, рисунков, картин, фотографий, видео и т. д. А моделирование нейросетями работы человеческого мозга — пока еще упрощенное и схематичное.
С новыми возможностями появляются и новые риски, которыми нужно грамотно управлять. И в этом человека заменить нельзя. Следует соблюдать осторожность и баланс между проверенными временем подходами и последними разработками, чтобы обеспечить стабильность и преемственность.
Автомобилестроение не может оставаться в стороне от модного тренда на повсеместное внедрение инструментов ИИ, что позволяет говорить об ожидании серьезной трансформации отрасли. Да, пока только об ожидании. Те вопросы, которые давно «перезрели», получают шанс быть рассмотренными заново, но уже с использованием инструментария ИИ. Вот только некоторые из них: оптимизация процессов создания, производства, продаж и эксплуатации автомобилей, повышение уровня их интеллектуальности, энергоэффективности и безопасности, улучшение клиентского опыта.
Менеджеры должны осознавать ограничения ИИ и не полагаться на него как на единственного консультанта при принятии решений. Только комплексный подход, сочетающий возможности ИИ и человеческий интеллект, критический анализ любых инноваций, сопоставление с практикой и жизненным опытом, позволит автобизнесу максимально эффективно использовать новые возможности. Или нет?
Иллюстрации, сгенерированные нейросетью, предоставлены автором
***
РИА «Стандарты и качество» #СТандартыиКачество
По вопросам подписки обращайтесь по тел. +7 (495) 771-66-52, пишите на e-mail: podpiska@mirQ.ru или оставляйте заявку на нашем сайте https://ria-stk.ru/.
Присоединяйтесь к сообществам издательства «Стандарты и качество»: Telegram: https://t.me/riastk, VK: https://vk.com/be_mag.
