Diplomás robot?

Az elmúlt három héten az automatizálás és a robotok meglévő, elérhető és a közeli jövőben lehetséges munkahelyi alkalmazásairól írtam. Ismertettem kutatások eredményeit és konkrét alkalmazási példákat:

Holnapután egy kicsit ugrunk, mert a múlt heti ITBN (IT biztonsági) konferencia egyik előadása alapján írok valamiről, de az a “valami” nem IT és nem biztonság lesz.

Kell a diploma?

Milyen területen tanuljon, diplomázzon a mai fiatal? Mivel tud hosszú távra biztos jövedelmet szerezni?

Ezek a kérdések mindig aktuálisak voltak, de még sose volt ennyire gyors a változás, sose volt ennyire bizonytalan a következő egy-két évtized.

Abban meglehetős az egyetértés, hogy a fizikai munkakörök jelentős része automatizálható – a gyári munkától a mezőgazdaságon át a szolgáltatásokig. Vajon érdemes még egyáltalán szakmát tanulni? Most még igen, még rengeteg jó szakemberre van szükség a világon, de nagyon gyors a változás abban, hogy mit hagynak meg nekünk a gépek.

Azt is látjuk már néhány éve, hogy a „fehér galléros” munkakörökben is gyorsan terjed a gépesítés. Az irodai, adminisztratív munkákat (pl. a pénzügyi osztályokon) tízezrével alkalmazott „robotok” veszik át. Azért tettem idézőjelbe a robotot, mert ezek a robotok nem láthatók, nem jelennek meg a maguk fizikai valójában, hiszen csak szoftverekről van szó. Ezek a szoftverek gyorsan megtanulják az egyszerű, ismétlődő lépésekből álló munkafolyamatokat az emberektől, majd átveszik tőlük. A pillanatnyi hatása annyi ennek a folyamatnak, hogy az emberek érdekesebb, alkotóbb, hasznosabb munkát kapnak. A cikkekben ismertetett esetekben nem járt elbocsátással az sem, amikor 1800 ilyen robot állt be, sőt az sem, amikor a pénzügyi osztályon a dolgozók 80%-át cserélték le ilyen robotokra.

Eddig diploma nélkül betölthető munkakörökben láttuk a robotok jelentős elterjedését. Vajon mi a helyzet a diplomásokkal? A nem műszaki területeken komoly dolgok történnek, mutatok néhány példát.

Jogi területen vannak ígéretes kezdetek. Az egyik terület a dokumentumok elemzése abból a szempontból, hogy mennyire relevánsak egy adott jogvita szempontjából. Angliában már születtek olyan bírósági határozatok, amik elismerték az ilyen módszerek helyénvalóságát. Ezekben az ügyekben emberi munka és kulcsszavas keresés helyett szoftvert alkalmaztak dokumentumok relevanciájának eldöntésére. A bíró indoklása el is magyarázza, hogy hogyan (a Predictive Coding fejezetben található).

Mik voltak a szempontok? Költség és konzisztencia. Az adott ügyben 3 millió dokumentumot kellett átnézni, és azok közül kiválogatni az ügy eldöntésében lényegeseket. Ezt emberi erővel sok pénz és idő felhasználásával lehetne megtenni, és egyáltalán nem biztos, hogy nem lenne benne sok hiba. A szoftveres megoldás a “mesterséges intelligencia” szokásos betanítási módszerét követte: kisebb mintán (1600-1800) megmutatják a szoftvernek, hogy mik a fontos dokumentumok, majd a szoftver keres. Az eredmények egy részét megvizsgálják emberek, és visszajeleznek a gépnek, hogy jól dolgozott-e, ami ennek alapján tanul, ügyesedik.

Ez még csak a kezdet, itt a gépnek még elég csekély szerepe van a per eldöntésében, de már ezen a kezdeti szinten is számít a szoftver minősége és az esetleges szándékosan beleírt “hiba” (amire néhány példát láthatunk ebben a cikkben). A mesterséges intelligencia kutatói arra számítanak, hogy hamarosan ennél komolyabb szerepe is lesz a gépnek jogi területen is, ezért a mesterséges intelligencia alapelvei között is esik szó erről a problémáról.

Itt még nem érnek véget a jogi alkalmazási lehetőségek! Egy fiatal (19 éves) programozó egy év munkával és az IBM Watson felhasználásával megalkotta a DoNotPay szolgáltatást. Ez kezdetben csak a parkolási büntetések megfellebbezésében nyújtott segítséget. Hogyan tud segíteni? Kikérdezi az ügyfelet a körülményekről, majd a válaszok alapján megírja a fellebbezést. Már az első pár hónapban (akkor még csak egy államban) 3 millió dollárt szerzett vissza az ügyfeleinek. Idén nyár óta már az USA 50 államában és az Egyesült Királyságban segít 1000 különböző fajta jogi eljárásban.

Ez csak egy apró falatja a nagy tortának, és a nagy játékosok sokkal több időt, pénzt és szakértelmet tudnak bevetni, mint ez a fiatal programozó, aki teljesen ingyen nyújtja a szolgáltatást. Pillanatnyilag főleg a kezdő jogászokat érinti az ügy, az ő munkájukat tudja gyorsabban, pontosabban és olcsóbban elvégezni a gép. Ez nem kevés! A McKinsey becslése szerint a jogászok összes munkájának 23%-át lehet így automatizálni a technika mai szintjén. A kezdő diplomások helyett vagy mellett gépek lesznek a jogi csapatok tagjai, őket fogják a tapasztalt vezetők irányítani. Érdekes jövő! Ismerve a világcégek szemléletét (a kezdőkből a lelket is kipréselik, elképesztő óraszámban dolgoztatják, és apró hibákért is kirúgják őket), a napi 24 órában, villámgyorsan, kevés hibával dolgozó robotok lesznek a főnökök kedvenc munkatársai. Vajon kapnak majd kedvezményeket, előléptetést, jobb irodát?

Természetesen, a DoNotPay nem jogász. Itt egy csomó ok, amiért nem az.

Az lényeges, hogy jelenleg csak a nagy egységes (vagy közel egységes) jogrendszerű és egységes nyelvű területek jönnek szóba, ott lehet igazán hatékonyan alkalmazni a technológiát. A magyar jogászokat még nem fenyegeti ez a veszély, de az EU jogharmonizációja növeli a gépek alkalmazási lehetőségét. El tudom képzelni, hogy a GDPR (általános adatvédelmi rendelkezés, ami 2018 májusában lép érvénybe) – lévén új terület és egységes – lehet a „robot jogász” egyik első alkalmazása az Európai Unióban.

Olvastam egy másik érdekes jogi alkalmazást, ez Lisa, az elfogulatlan robot. Elsősorban arra találták ki, hogy szerződések kidolgozásában segítse egyszerre mindkét felet. Az ügyvédek nem dolgozhatnak egyszerre mindkét oldalnak, de a robot akár ezt is megteheti. A felek elmondják neki, hogy mit akarnak elérni, és segítséget kapnak tőle (akár egy elkészített szerződés formájában) ahhoz, hogy a megtalálják a kölcsönösen előnyös megoldást, a win-win eredményt. Megalkotói arra a problémára kerestek megoldást, hogy az emberek és a kis cégek jelentős része nem fordul ügyvédhez, mert nincs rá ideje, nem is érti, amit az ügyvéd mond, kényelmetlenül érzi magát, ha ügyvéddel kell tárgyalnia, munkaidőn kívül alig talál ügyvédet stb.

Nem a jogi munka az egyetlen, ahol már megvetette a lábát az automatizált tanácsadás! Az orvosok munkájának egy részét is kiválóan tudja elvégezni a gép. Arról nincs szó, hogy egy orvos minden feladatát el tudná látni, de fontos részterületeken gyors, pontos és olcsó tud lenni. Nincs messze az idő (sőt, talán már itt is van), amikor néhány fitnesz és egészségügyi kütyü és szoftver, valamint a felhőben ülő elemző rendszer komoly szerepet vállalhat az egészségügyi alapellátásban. Ha mellette még videókapcsolatba is lehet lépni az orvossal, aki minden mérési eredményünket és azok gépi kiértékelését látja, akkor gyorsabban, pontosabban, olcsóbban lesz elsődleges diagnózisunk. Erre is vannak már működő példák – nem meglepő módon elsősorban Amerikában. Kedves Olvasó, ha érdekel, mit tud és hogyan működik egy ilyen eszköz, itt találhatod a leírását. Annak, aki sok időt szeretne eltölteni a téma tanulmányozásával, ezt a hosszú listát tudom ajánlani.

Jó hír, hogy itthon is vannak már olyan háziorvosok, akik örömmel fogadják, ha a betegük otthoni mérések eredményeit hozza a rendelőbe. Így sokkal megalapozottabb lehet a diagnózis, mint egy pillanatban mért adatok alapján.

Itt még nem ér véget a példák hosszú sora! Vannak olyan kutatások, amik szerint a felsőoktatásban is érdemes bevetni a gépesített tanárt. Az első sikereket a matematika tanításában érték el. Itt sem arról van szó, hogy megszabadulnak a humán tanároktól – a gép csak a munkájuk egy részét veszi át (és csinálja eredményesebben, kevesebb kimaradó diákkal).

Szóval, vissza a kezdeti kérdésemhez: milyen diplomának induljon neki a fiatal? A fenti példákat mind humán területekről hoztam, de ez nem jelenti azt, hogy pl. mérnökök munkája ne lenne veszélyben.

Milyen tudás kell ahhoz, hogy az elkövetkező évtizedekben legyen jó és érdekes munkája az embernek? Hivatkoznék Bőgel professzor három évvel ezelőtti előadására: adattudóssá kell válni, olyan emberré, aki a gépek által összegyűjtött mérhetetlen mennyiségű és változatosságú adat feldolgozását, elemzését tudja irányítani. Ehhez érdemes több szakmában járatosnak lenni. Az adattudósok manapság főleg orvosok, biológusok, fizikusok, asztrofizikusok. Mi bennük a közös? A szakmájuk tudásanyaga szerteágazó. A lényeg az, hogy sok dolog iránt kell érdeklődni, sok dologhoz kell érteni (köztük a matematikához is, de nem kell matematikusnak lenni).

Azt hiszem, nem is az a kérdés, hogy miből legyen diplomája az embernek. Inkább az a kérdés, hogy az új, digitális, elektronikus világhoz mi a viszonya. A jogi, orvosi, oktatási, mérnöki munkát végző gépeket emberek hozzák létre, ők tanítják be őket. Olyan emberek, akik az adott szakterületen és a gépek világában is otthonosan mozognak. Talán ez a megfejtés: tanuljuk meg a mesterséges intelligencia világát!

 

Robot kollégák

Az elmúlt két héten az automatizálás és a robotok meglévő, elérhető és a közeli jövőben lehetséges munkahelyi alkalmazásairól írtam. Ismertettem kutatások eredményeit és konkrét alkalmazási példákat:

Holnapután mélyebbre merülünk, és a diplomások kilátásairól is szó lesz.

Mi a feladat?

Mit bízhatunk az új kollégára? Milyen munkát tud nem csak gyorsan, de pontosan is végezni? Hol vannak a határai, miben pontos, miben hibázik?

A múlt héten az általános trendek és lehetőségek voltak terítéken. Láttuk, hogy a nagy felmérések szerint jelenleg a munkahelyi tevékenységek fele automatizálható, de teljes mértében csak a foglalkozások 5%-a váltható ki géppel. Ez a nagy különbség azért van, mert szinte minden munkakörben vannak olyan feladatok, amiket még nem igazán lehet robotra bízni. Mik ezek? Új dolgok kitalálása, logikai következtetések, több résztvevő tevékenységének koordinálása, beszédértés, érzelmi intelligencia, de még a lépcsőre vagy létrára való felmászás se megy valami jól a robotoknak, hogy ne csak szellemi tevékenységeket mondjunk.

A részleges automatizálás is veszélyezteti a munkahelyeket, hiszen csökken a szükséges dolgozók száma. Különböző számok jöttek ki a felmérésekben, de mindenki nagyjából az emberi tevékenységek felét látja rövid távon veszélyben. Itt nem csak és nem elsősorban a fizikai munka területén jönnek a nagy változások, hiszen a gyárakban már előrehaladott az automatizálás. Megindult ez a folyamat a „fehér galléros” munkák körében is az RPA és az IPA miatt. Ezek bevezetésével az irodai munkát veszik át a szoftveres robotok (ld. az előző cikkemet).

Megmutatok most néhány (elképzelt) esettanulmányt, amiből jobban meg lehet érteni a meglévő műszaki megoldások szerepét az emberi munka helyettesítésében. A példák forrása a McKinsey Global Institute, A future that works: Automation, employment, and productivity című 2017. januári tanulmánya.

Biztos mindenki járt már kórház sürgősségi osztályán, vagy látta valamelyik sikeres amerikai kórházsorozatot. Induljunk ki az ott végzett tevékenységekből, és nézzük meg, hogy mit tudunk ma automatizálni! A beérkező beteg azonnal kaphat egy jól ismert okos karkötőt, ami méri az életfunkcióit. Ezek már nem csak pulzust és vérnyomást tudnak mérni, de még olyan bonyolult adatot is, mint a vér oxigénszaturációja. Az első gyors laborvizsgálatokat is jól lehet automatizálni. Sőt a laboreredményeket és a karkötő által mért értékeket összevető, összefüggéseiben értékelő szoftver is készen van már. Ez a sürgősségi nővér vagy rezidens keze alá dolgozik, segít a prioritások, a kezelési sorrend gyors eldöntésében. Maga a diagnózis is részben ezeken alapszik, de a beteggel való beszélgetés, a nem verbális jelek megfigyelése is fontos, így a végső szó az orvosé, akit a gépek segítenek, hogy gyorsabban és kevesebb hibával döntsön. A betegszállítás és a műszerek mozgatása, sőt a gyógyszerkiadás is lényegében teljesen automatizálható. A McKinsey becslése szerint egy (amerikai) sürgősségi osztály munkájában az elért haszon nagyobb része a kevesebb emberi munkából (Az emberi munka felét lehetne automatizálni!), kisebb része a minőség javulásából származik (költségcsökkenés, rövidebb várakozás, kevesebb hiba). Ezekre igencsak szükség van, mert a várakozási idő tipikusan két óra feletti, és horror összegek mennek el műhibaperekre.

Nézzünk egy másik közismert szituációt, a boltot, ahova vásárolni járunk! A kiskereskedelem is elkezdett már változni, már egyre több folyamatot tudnak digitálisan végezni, sőt akár a buszmegállóban várakozva is meg tudjuk rendelni az árukat, de még mindig sok dolgozóra van szükség a boltokban. Egy csomó egyszerű munkát simán át tudnának venni a gépek, pl.: polcok feltöltése, takarítás, de már az önkiszolgáló pénztárak is megjelentek. Egy kis további technika bevetésével a boltba belépve felismerhet a virtuális eladó, személyre szólóan üdvözölhet és nekünk szóló, testreszabott információt és tanácsokat adhat. A polcok között automatikusan tud követni a bevásárlókocsink. A polcról levett árut azonnal tudja pótolni az automatizált raktár. Sőt, az is egyszerűen megoldható, hogy ne is legyen bevásárlókocsira szükségünk, hanem csak megbökjük, amit meg akarunk venni, és a kijáratnál vár az összekészített csomag (vagy hazakísér a robot a csomaggal, vagy hazahozza a drón). A megtakarítás nagy hányada a kisebb alapterületű boltból és raktárból származik majd. Emellett jelentős lesz a munkaerő-megtakarítás is, a becslés szerint 65% körül. A technikai fejlesztések egyben a vásárlók jobb kiszolgálását, a vásárlói élmény javítását is jelenthetik. A McKinsey szerint itt is nagyjából a költségek háromszorosa lehet a nyereség (akárcsak az előbbi egészségügyi példában).

A tanulmányban elemeznek még három területet: repülőgépek karbantartása, olaj- és gázkitermelés, jelzáloghitel-ügyintézés. Az első két területen fontos nyereség, hogy kevesebb veszélyes munkát kell az embereknek végezniük, gyorsabb és koraibb a hibák észlelése, jobb a megelőző karbantartás. A jelzáloghitelek esetében az emberi munka 55-85%-kal csökkenhet. A most átlagosan 37 napos elbírálási idő hat nap is lehet. Ha még a folyamatokon is javítanak, akkor akár egy napon belül is megtörténhet.

A számok az USA-beli helyzeten alapulnak, és nem mindenhol ugyanezek az eredmények várhatók. A haszon kiszámításánál nem vették figyelembe a társadalmi költséget, ami az alacsony képzett munkaerő feleslegessé válásából származik. Abban nincs egyetértés a szakemberek között, hogy fel tudja-e szívni más terület ezeket az embereket, és át lehet-e képezni őket más munkákra. A sok és olcsó rendelkezésre álló munkaerő pedig lassítja az automatizálás terjedését, amíg nem lesz sokkal olcsóbb a gép.

A társadalmi hatás tekintetében idézek két megállapítást az előbb említett tanulmányból. Az egyik 1966-ból származik, és azt veti fel, hogy meg kell tanítani az embereket a megnövekvő szabadidejük értelmes felhasználására: „In the longer run, significant changes may be needed in our society—in education, for example—to help people find constructive and rewarding ways to use increasing leisure” (Technology and the American economy: Report of the National Commission on Technology, Automation, and Economic Progress, US Department of Health, Education, and Welfare, 1966). A világban körülnézve nem látom, hogy ez sikerült volna az eltelt ötven év alatt.

A másik idézet frissebb, és arra mutat rá, hogy jelentős divergencia figyelhető meg a termelékenység és a fizetések között, a dolgozók részesedése csökken a megtermelt értékből. „However, in recent years, there has been a notable divergence between productivity and pay, and the labor share of income has declined in many advanced economies” (Josh Bivens and Lawrence Mishal, Understanding the historic divergence between productivity and a typical worker’s pay: Why it matters and why it’s real, Economic Policy Institute briefing paper number 406, September 2015; Poorer than their parents? Flat or falling incomes in advanced economies, McKinsey Global Institute, July 2016). Ezt a jelenséget már bő tíz éve észrevették, és gazdasági szempontból nem az a baj vele, hogy igazságtalan, hanem az, hogy hiányzik a vásárlóerő.

Mik azok a területek, amik a technológia mai szintjén nem vagy alig gépesíthetők? Ha több érzékszervünkből érkező információkat kell együtt kezelni és elemezni, akkor sokkal jobbak vagyunk a gépeknél. Nem tudom, meddig lesz még meg ez az előnyünk. Valószínűleg addig, amíg az ember olcsóbb, mint ez összes érzékszervvel rendelkező gép. Új ötletek kitalálása vagy új összefüggések felfedezése se nagyon megy még a gépeknek, de az AlphaGo példája óvatosságra int. (Emlékeztetőül: úgy verte meg a GO egyik legjobb játékosát, hogy az nem is értette a gép lépéseinek a célját.) Nem megy a gépeknek még sok szereplő (ember és gép) munkájának irányítása, koordinálása. Általában gyengék az emberi beszéd finomságainak megértésében, az érzelmek felismerésében, a megfelelő reakciókban. A gépesített eladó nem ismeri fel a betérő vevő érzelmi állapotát, kedélyét, fájdalmát, ezért nem is tud megfelelően beszélni vele.

Ezek azok a hiányosságok, amik miatt még az „okos” gépek, akár mesterséges intelligenciával felruházva, se tudják teljesen átvenni az embertől a munkát, hanem csak egyes munkafolyamatokat lehet átadni nekik.

Itt látok meglehetős bizonytalanságot. Mi lenne az? Elég erős tendencia az online vásárlás, az online bankolás, az automatizált ügyfélszolgálat, az internetes egészségügyi tanácsadás, a fitnesz „kütyük” által adott életmódtanácsok megfogadása stb. Lehet, hogy egyre kevésbé van igényünk arra, hogy a másik oldal, a szolgáltató törődjön az érzelmeinkkel? Lehet, hogy annyi törődés elegendő lesz, amennyit az arcfelismeréssel vagy hangelemzéssel azonosított érzelmeinkre válaszul egy robottól kaphatunk? (Mindkét technológia évek óta használatban van.)

Robotember

Az új kolléga nagyon rendes, udvarias, segítőkész és precízen dolgozik. Sose okoz problémát. Ha nem tud valamit, kérdez, és elsőre megtanulja. Bárcsak mind ilyenek lennének!

Igen, és éjt nappallá téve dolgozik, sose pihen, mindig szorgoskodik az új robot kolléga. Milyen vele együtt dolgozni? Elveszi majd az én munkámat is? Egy-két lusta és ügyetlen kollégát már elküldtek, mert ő jobban csinálja. Rám is sor kerül majd?

A múlt héten a vezető szempontjából írtam a munka világáról, annak megváltozásáról. Az értékes fiatal szakemberek bevonzása és megtartása mellett maguknak a csúcsvezetőknek a megváltozott munkájáról volt szó.

Ma visszatérek arra, hogy az új technológiák (mesterséges intelligencia, gépi tanulás, robotok) milyen változást idéznek elő a munkahelyeken. Hogy alakul az alkalmazottak száma? Tömeges lesz az elbocsátás? Csökken vagy nő az alkalmazottak száma?

Általában csökkenést várnak, de abban nagyon nincs egyetértés az elemzők körében, hogy a munkahelyek számában mekkora változás (csökkenés) várható. Akik növekedést jósolnak, azok ezt pusztán a történelemre alapozzák (eddig egyik ipari forradalom se csökkentette a munkahelyek számát).

Lássunk néhány jóslatot (nem nevezném becslésnek őket):

  • A munkakörök 47%-a van erős veszélyben az automatizálás miatt (Carl Benedikt Frey and Michael A. Osborne, The future of employment: How susceptible are jobs to computerisation? Oxford Martin School, September 17, 2013)
  • Az OECD átlagában a munkahelyek 57%-át érinti az automatizálás, de Indiában 69%, Kínában 77% az arány. (Technology at Work v2.0: The future is not what it used to be, Citibank, January 2016)
  • Az OECD-ben a munkahelyek 9%-a automatizálható teljes mértékben, de nagyok a különbségek, pl.: Koreában 6%, Ausztriában 12%. (Melanie Arntz, Terry Gregory, and Ulrich Zierahn, The risk of automation for jobs in OECD countries: A comparative analysis, OECD Social, Employment and Migration working paper number 189, OECD, May 2016)
  • 2015 és 2020 között az automatizálás és a technológiai fejlődés 7,1 millió munkahely eltűnését és 2 millió új munkahelyet jelentheti a 15 legnagyobb fejlett és fejlődő országban. Az eltűnő munkahelyek kétharmada az irodai és adminisztratív területen várható. (The future of jobs: Employment, skills, and workforce strategy for the fourth Industrial Revolution, World Economic Forum, January 2016)
  • A jelenlegi technológia mellett a munkahelyi tevékenységek közel fele automatizálható. A foglalkozások kevesebb mint 5%-a automatizálható teljes mértékben. Az automatizálható tevékenységek 1,1 milliárd dolgozót érintenek (ennek fele Indiában, Japánban, Kínában és az USA-ban van). A termelékenységet évente 0,8-1,4%-kal növelheti az automatizálás évtizedekig. (McKinsey Global Institute analysis)

Miért ekkora a különbség a számok és a százalékok között? Nem csak azért, mert mások és máskor írták. Mást és másképp vizsgáltak, az egyikben az érintett munkakörökről, a másikban a megszűnő munkahelyekről, a harmadikban foglalkozásokról van szó. Az sem mindegy, hogy a tevékenységek egy része, vagy a teljes munkakör automatizálható.

Lesznek olyan munkahelyek, amelyek teljesen megszűnnek – sőt, nem csak lesznek, már meg is szűntek. Tavasszal írtam arról a nagy biztosítóról, ahol az RPA (robotic process automation) segítségével 81%-kal csökkentették az egyik osztályon a dolgozók számát. A Deutsche Bank vezére nemrég nyilatkozta, hogy nagyon sok dolgozójuk munkája szűnik meg az automatizálás miatt. Ezeken a helyeken olyan tevékenységeket végeznek, amelyek nem igényelnek emberi intelligenciát, hanem jórészt egyszerű szabályok követését – így valóban nincs szükség az emberre. Egy darabig még kell ember a szokatlan helyzetek és a kivételek kezelésére, de várhatóan azokat is meg lehet tanítani a gépnek. Ez a további fázis már kezdi elérni a mesterséges intelligencia határát, és ezért IPA (intelligent process automation, intelligens folyamatautomatizálás, vagy csak intelligent automation) a neve. Az RPA és az IPA egyik legfontosabb jellemzője, hogy nem igényel változtatást a cég folyamataiban. Egyszerűen csak „beültetik” a gépet az ember helyére. Ez, persze, azt is jelenti, hogy korántsem aknázzák ki technológia összes lehetőségét. Miért csinálják mégis így? Nem kell hozzányúlni a folyamatokhoz, minden mehet a régi, jól bevált módon. Csak annyi a változás, hogy a gép gyorsabban és pontosabban végzi a rutin munkát. Ha egy speciális helyzetben emberi beavatkozás kell, az ember a megszokott programokat és képernyőket használja. A robot tanítása is egyszerű: csak másolnia kell az emberi kolléga tevékenységét.

Ugyan sokat írnak erről az RPA-ról, de talán nem mindenki tudja, miről van szó. Aki szokott internetes üzletben vásárolni, nyilván észrevette, hogy bármely nap, bármely napszakban is adja fel a rendelését, azonnal megkapja a visszaigazoló levelet. A kártyás fizetés után szintén azonnal jön arról is a levél. Ezeket nem ember küldi, mint ahogy a csomag feladásáról szólót sem. Egyszerű, automatizált folyamatok vannak a háttérben. Nos, ez nem RPA. Másrészt, olyan üzlettel is lehet találkozni, amelyik csak munkaidőben, és jókora késéssel küldi a leveleket. Ezek elsősorban a boltban árusítanak, és az internetes (és telefonos vagy papíron történő) rendelés csak kiegészítő lehetőség, és a boltban (vagy a raktárban) dolgozzák fel a megrendelést. Ha átutalással fizetünk, akkor a beérkezett összeg és a megrendelés párosítása egy külön folyamat, ez sem automatikus.

Miért így csinálják, miért nem alakították ki az internetes rendelés sajátos és gyorsabb folyamatát? Egy új folyamat kialakítása pénzbe kerül, be kell tanítani a dolgozókat, két párhuzamos folyamat ugyanarra a tevékenységre nem gazdaságos, és kockázatos is. Na, itt léphet be a robot, az RPA! Nem kell hozzányúlni egyik folyamathoz sem, csak be kell ültetni egy „robotot”. Nem kell különösen okosnak lennie, hiszen az internetes rendelés és fizetés számítógépes folyamatokon keresztül történik, nem lehet félreértés, nem kell intelligencia a megértéséhez.

Miben különbözik ettől az IPA? Képzeljük el, hogy papíron érkezett megrendelést kell bevinni a rendszerbe! Meg kell érteni a levelet, meg kell benne találni a megrendelő nevét, a szállítási és a számlázási címet, a kért határidőt, a fizetési módot, és persze a megrendelt árucikkeket. Észre kell venni azt is, ha valami külön kívánságot is írt a megrendelő. Itt még nincs vége! Az átutalással érkezett pénzt össze kell hozni a megrendeléssel. Azt is kezelni kell, ha több részletben érkezik a pénz. Amikor megvan minden megrendelt áru, össze kell állíttatni a csomagot stb. Ugye el tudjuk képzelni, mennyi kisebb-nagyobb probléma és kérdés merülhet fel ezekben a folyamatokban? Itt már kell intelligencia, kell gondolkozni, nem teljesen automatikus a munka. Ez az IPA (intelligens folyamatautomatizálás) területe. Az ember szerepét részben vagy teljesen átvevő robotot be kell tanítani erre a munkára.

Ha már tanítás: Hogyan is tanul a gép, a mesterséges intelligencia?

Az egyik tanítási módszer a „felügyelt” tanítás (supervised learning): megmutatjuk a gépnek, hogy mit kell tennie, ha egy-egy adott helyzetbe kerül. Például: ha a bejövő átutalásban tudja azonosítani a megrendelőt és stimmel az összeg, akkor fogadja el a fizetést akkor is, ha nem adta meg a vevő a megrendelés számát. A megrendelő azonosítása sem azt jelenti, hogy betűről betűre megegyezik a megrendelésen és az átutalásban a név, lehetnek rövidítések, ismerhetjük már korábbi vásárlásokból a vevő számlaszámát, stb. Ezeket a dolgokat az ügyintézők jól tudják, a munkájuk során kitapasztalják, tapasztalt kollégáiktól megtanulják, és ugyanígy tovább is adhatják a gépnek (ami majd elveszi az ő munkájukat), vagyis az emberek között is szokásos tanulási formáról van szó.

A megszerzett tudás átvitele egy másik területre (transfer learning vagy inductive transfer) se valami új csoda. Itt arról van szó, hogy új helyzetekben alkalmazzuk a már megszerzett ismereteket, például: megtanultuk egy képen felismerni az személyautókat, és ennek alapján a teherautókat is megtanuljuk felismerni. A daganatos betegségek diagnózisában használt okos gépet is szokták egyéb (nem orvosi) képeken tanítani.

Szintén ismerjük a saját emberi világunkból a jutalmazással és büntetéssel való megerősítést a tanulásban (reinforcement learning). Itt nem sokat magyarázunk a gépnek, hanem az elvégzett munka után plusz vagy mínusz pontokat adunk neki – ebből tanul. Erre nagyon jó példa, ahogy az alkudozást tanították meg a gépeknek a Facebook egyik kísérletében. Mesterséges intelligenciával felruházott robotok kapták azt a feladatot, hogy alkudozzanak egymással néhány tárgy elosztása ügyében. Mindenképpen egyezségre kellett jutniuk, a saját maguk számára legjobb eredményt kellett elérniük, és – természetesen – nem ismerték egymás céljait (kinek, melyik tárgy, mennyire értékes). Azt vették észre, hogy előre be nem programozott viselkedési módokra jöttek rá a robotok, pl.: félrevezetés. Az alku elején úgy tettek, mintha valamelyik tárgy megszerzése nagyon fontos lenne, pedig az nem is kellett, csak az értékét akarták felverni. Ez már emberi viselkedés, ugye? Majd, amikor robotokkal kötünk üzletet, nem leszünk könnyű helyzetben, hiszen ők sokkal gyorsabban elemeznek, sokkal több lehetőséget tudnak elemezni, és se fizikailag, se mentálisan nem fáradnak el.

Most már tudjuk, hogy miképpen tanul a mesterségesen intelligens gép vagy robot, és közben arra is láttunk példákat, hogy milyen munkakörökben és milyen tevékenységekben helyettesíthetik az embert. Egyelőre (a technika mai szintje mellett) viszonylag kevés olyan foglalkozás van, amiben teljesen kiváltható az ember robottal, de a munkahelyek többségét érintheti valamilyen mértékben.

Folytatás: Mi a feladat?

(A cikkben jelentősen támaszkodtam a McKinsey Global Institute, A future that works: Automation, employment, and productivity című 2017. januári tanulmányára).

 

Várjuk az új kollégát!

A múlt héten a vezető szempontjából írtam a munka világáról, annak megváltozásáról. Az értékes fiatal szakemberek bevonzása és megtartása mellett maguknak a csúcsvezetőknek a megváltozott munkájáról volt szó, részben az INSIDE ITB 2017 konferencia egyes előadásai, részben a McKinsey CEO-król szóló írása alapján.

Holnap visszatérek arra, hogy az új technológiák (mesterséges intelligencia, gépi tanulás, robotok) milyen változást idéznek elő a munkahelyeken.

Várlak, Kedves Olvasó!

A munka digitális világa

Miért jön hozzánk dolgozni a legjobb fiatal szakember? És miért megy el? Egyáltalán: meddig lesz még munkája?

Rengeteget olvastam arról, hogy milyen változásokat hoz ez a sok új technológia a munka világában, lesz-e munkánk, kinek lesz munkája, hogyan változik meg a munkánk. Írtam is jó sokat a témáról.

Az egyik kérdés, ami mindenkit foglalkoztat, az hogy elveszik-e a robotok és az „okos” gépek a munkánkat, vagy jól fogunk együtt dolgozni, jó kollégáink lesznek. Erről már jó sokat írtam, például:

Most nem az „egyszerű dolgozó”, hanem a vezető szempontjából fogom megvizsgálni a jelent és a közeljövőt.

Hogyan változtatják meg a vezető lehetőségeit és vezetési módszereit az új technológiai lehetőségek? Kell egyáltalán a változás? Jó pár éve téma ez is! Átnéztem régebbi írásaimat, és kiderült, hogy már 2014-ben, az elsők között is szó volt erről. Akkor nem a vevőkkel, külső partnerekkel való kapcsolat, hanem a cégen belüli élet, a belső együttműködés volt terítéken: Emberi munkahely és technológia. Van közük egymáshoz? Ebben – többek között – az igazán jó munkaerő (divatos szóval: talent) megszerzése és megtartása foglalkoztatott. Ez azóta is fontos és egyre súlyosabb probléma, lassan mindenfelé az, nem csak az informatikában.

Éppen ez volt az e heti „INSIDE ITB” konferencia központi témája is. Nem először hallottuk Palencsár Miklóstól, hogy egyáltalán nem a pénz az akadály, nem a fizetés miatt váltanak gyakran munkahelyet a „mai fiatalok”, és nem is emiatt mennek külföldre. Palencsár szerint, bár mára már elsődleges kifogás lett a munkaerőhiány, nem ez a valódi oka annak, ha egy cég nem tud megfelelő képességű embereket szerezni (vagy nem tudja megtartani őket). A gond ott kezdődik, hogy már el se megy az interjúra a fiatal szakember, ha nem tetszik neki a cég. Először arra van szükség, hogy vonzó imázsa legyen annak, aki igazán jó munkaerőt akar bevonzani. Ezzel nincs vége, mert a vezető imázsa is fontos! Most ezt úgy mondják, hogy idol kell (vagyis bálvány, ha magyarul akarjuk írni). Maga a jelenség nem új, már régen tudjuk, hogy az emberek többnyire nem a munkahelyet, hanem a főnöküket hagyják ott, amikor váltanak. Ha visszagondolok a saját (összesen két) munkahely-váltásomra, bizony mindkettőben ez volt a legfontosabb tényező.

Mi most az újdonság? Sokkal fontosabbá vált a példakép, a „felnőtt” minta szerepe a fiatalok elhelyezkedésében, mint évtizedekkel ezelőtt. Akkoriban sokkal kevesebbet lehetett tudni egy-egy főnökről a belépés előtt (lakva ismerszik meg az ember), de ma már akár a szakmai, akár a magánéletünk meglehetősen nyitott könyv, és a rólunk mások által kialakított kép, vélemény is könnyen hozzáférhető. A tipikus fiatal szakember gyorsan akar sikert elérni, gyorsan akar tanulni, sikeres emberektől akar tanulni. Ezért keresi az elhelyezkedéskor a mintát, az idolt. Milyen a tipikus idol egy 21-34 éves számára? Nála valamivel idősebb (33-44 éves), van releváns szakmai tudása és tapasztalata, ugyanakkor kellőképpen modern is.

Tanultam egy új szót: idolizmusmenedzsment. Bevallom, hogy nem igazán tetszik, ezért nem is tervezem, hogy még egyszer leírjam – majd körülírom a fogalmat. Arról van szó, hogy a cégeknek meg kell találniuk házon belül az idolnak alkalmas embereket, majd alkalmassá kell tenniük őket erre a szerepre. A szakmai tudás mellett az egyik fontos szempont a személyiség, de emellett képzésre is szükség van, hogy tényleg felnézzenek rájuk a fiatal kollégák. Az idol fejlesztésében a képzések mellett a műhelymunkának és a munka közbeni interaktív tanulásnak van fontos szerepe.

(Az előző három bekezdést Palencsár Miklós előadása alapján írtam.)

Az sem új jelenség, hogy „el kell adni” a céget és a terveket házon belül is, kell a jó kommunikáció és a belső PR. A változás annyi, hogy ezek sokkal fontosabbá váltak. A belső „eladásnak” része mind a cég, mind a vezető eladása. Egyre nagyobb az igény arra, hogy friss és hiteles információt kapjunk a vezetőinkről, vezetőinktől is. Azt hiszem mindenki tapasztalta (mindkét oldalon ülve), hogy erre a szokásos céges hírlevelek csak nagyon korlátozottan alkalmasak, azok nem elég személyesek és nem elég aktuálisak. Sok dolgozónál automatikusan a süllyesztőben landolnak a marketing vagy a HR által megfogalmazott, jól fésült, céges frázisokkal tömött irományok. Az igazi idol maga kommunikál, és ezt tömören, frázisok nélkül, gyorsan reagálva teszi.

Ez a két és fél évvel ezelőtti írás elég jól összefoglalja, hogy mire és hogyan jó a cégen belüli online együttműködés (belső közösségi háló) használata: Kié a “social business” és a “céges Facebook”? Ha létrehoztuk a belső együttműködést, akkor nem állják a munka útját mindenféle határok: osztályok, vezetői szintek határai. Azt érezhetjük, hogy mindenki együtt dolgozik, mindenki részt vesz a cég életének alakításában. A vezetői szinteken nem akad el az információ (se lentről fel, se fentről lefelé). Egy-egy jó kérdés, javaslat, gondolat azonnal megvalósítható és azonnali elismerésben részesül, mind a kollégák, mind a vezetők (nem csak a közvetlen vezető) részéről. Persze ott kezdődik az egész, hogy legyen néhány ember, akinek igénye van erre, és a vezetők ne csak eltűrjék vagy támogassák, hanem részt is vegyenek benne – hiszen nekik termeli a legnagyobb értéket.

Most olvastam egy McKinsey Quarterly írást, ami a csúcsvezetők munkájának megváltozásáról szól. A cikk a Bower Forum korábbi 75 résztvevőjének kétnapos összejövetelén felmerült és megvitatott témák egy részéről szól. Egy témát ragadok ki belőle: Hogyan lesz valaki „e-CEO”? Az új technológiák alaposan megváltoztatják a vezető munkáját is (nem csak a cég termékeit, szolgáltatásait, működését). Az első számú vezetőnek (is) segítségre van szüksége ahhoz, hogy jól tudjon navigálni az információ hatalmas tengerében, és megtalálja a cége számára fontos dolgokat. Ebben a vezetői csapat és az igazgatótanács (board) tud segíteni neki. A csapatát többé-kevésbé szabadon tudja megválogatni, de az igazgatótanács esetében nincs szabad keze, és ott – a dolog természeténél fogva – tapasztalt emberek ülnek, akik sok esetben nem elég fogékonyak az új iránt. Nem könnyű megtalálni azokat, akik egyben tapasztaltak is és nyitottak is a változásra. Itt jutott eszembe, amit Palencsár Miklós mondott az idolról (van tapasztalata és modern is).

Érdekes ezt összevetni azzal, hogy hol tartottunk három évvel ezelőtt: Vezetők vs. “digitális világ” (ha egyáltalán…) Az akkori felmérés szerint a vezetők 60%-a felismerte a digitális világ fontosságát, de az igazgatóságokban 30% alatt volt az ezt támogatók aránya. A jelek szerint még ma is ezt érzik az egyik fontos nehézségnek a vezetők.

Nem maradhatott ki a témák közül a belső és külső kommunikáció sem, amit a technológia alaposan megváltoztatott. A vezetők nem tarthatják távol magukat a külső és belső online kommunikációs csatornáktól, hiszen ott keletkezik sok fontos információ, és ott szerzik be az információt az emberek (akár vevők, akár üzleti partnerek, akár saját dolgozók). Nem adhatja ki a kezéből ezeket a csatornákat a vezető! Itt az ego kordában tartására hívták fel a figyelmet a résztvevők. Nem szabad elmerülni a vezető személyének szóló pozitív visszajelzésekben, hanem a cég érdekeit és imázsát kell szem előtt tartani.

A dolgozókkal való kapcsolattartásban új lehetőségek nyíltak meg, és ezekkel jól kell élni. Két éve, egy nemzetközi konferencián tartott előadásom kapcsán gyűjtöttem össze, hogy milyen gyakorlati tapasztalatokról számoltak be cégek és vezetők: Online együttműködés – CIO. Úgy látom, hogy ezek ma is érvényesek. Ezek közül a McKinsey CEO-i az egyszerű dolgozók ötleteinek, javaslatainak megszerzését emelték ki ezek közül – megfűszerezve a megfelelő elismerési, jutalmazási rendszer szükségességével.

Visszaugorva a korábbi felmérésre: Minél nagyobb a cég, annál nehezebben mennek a dolgok. Az igazán nagyok 30%-a panaszkodott arra, hogy a cég struktúrája nem alkalmas a digitális világnak megfelelő szervezeti, működési megújulásra, és 25% nem képes a kísérletezést mint módszert magáévá tenni ezen a területen. Ez azért is érdekes, mert műszaki területen benne van a cégek kultúrájában a kísérletezés – anélkül nem is létezhetnének.

Ezt most azért vettem elő, mert az INSIDE ITB konferencia HR kerekasztal-beszélgetésében az egyik résztvevő (Farkas Dezső) szerint a nagy cégek hátrányban vannak a legértékesebb programozók megszerzésében, mert azok minél gyorsabban, minél több modern programozási nyelvben akarnak gyakorlatot szerezni. A nagy cégek viszont tipikusan kevés és régi nyelven programoznak.

A végére még egy kis olvasnivaló azoknak, akiket az „e-vezetővé” (e-leader) vagyis az új digitális világban eligazodóvá és abban vezetni tudóvá válás feltételei és módjai érdekelnek. Három éve volt egy európai e-leadership konferencia Budapesten a CEU Business School épületében és részvételével:

Kedves Olvasó! Mik a tapasztalataid, mi a helyzet a cégek vezetőivel? Tudják kezelni az új technológiákkal megáldott világunkat és benne az ifjú tehetségeket?

Félrevezetnek?

Merre megy az önvezető autó? Oda visz, ahova menni akarok, vagy új célokat keres magának?

Nézhetnénk ezt a kérdést az életcélok szempontjából is, hiszen egy intelligens jármű akár abban is segíthetne, hogy kiszakadjunk a napi mókuskerékből, és valami újat és jót kezdjünk magunkkal.

Nézhetnénk, de most inkább maradok annál, hogy valóban oda akarunk eljutni, ahova indultunk.

 

Sokszor írtam már (legutóbb fél éve) az „okos” és az önvezető autókról:

Az elmúlt hónapokban is voltak újabb fejlemények, ezek egy részéről lesz szó most.

Az első egy alapos és segítőkész cikk arról, hogy a buta autóból olcsón és egyszerűen lehet okosautót csinálni. A megoldás középpontjában egy Android alapú központi egység (Ownice C300 OL-8992T) van. Ez az autóban már meglévő CAN buszra csatlakozik.

Mi ez a CAN? Az autó összes elektronikus részegységét egymással összekapcsoló kommunikációs hálózat. A szabványa (ISO 11898) 1993-ból származik. Akkoriban fel sem merült az autón belüli kommunikációban a titkosítás és az azonosítás kérdése – hiszen miért is lenne ilyesmikre szükség? Azóta sok kiegészítése született a szabványnak (legutóbb 2015-ben), de a biztonság nem került bele. Azért hasznos a szabványosítás, mert így az autógyártók sok beszállító részegységeit tudják beépíteni, és nincs probléma a közöttük való kommunikációban. Milyen részegységekről van szó? Néhány példa: kormánymű (szervo), sebességváltó, fékrásegítő, ABS, légzsák, tempomat, ablakemelő, rádió, zenelejátszó, motoros tükör, ablaktörlő és még sok-sok más. Ezeket mind elektronika vezérli. Ez a vezérlés sokszor automatikus, és érzékelőkön alapszik (pl.: sebesség, a kormány állása, az autó dőlésszöge, a motor hőmérséklete, biztonsági öv csatja, parkoló radar, esőérzékelő).

Ezt az egészet a CAN köti össze, és – ahogy előbb írtam – nyoma sincs biztonságnak, minden elem elhiszi az információt, amit kap, és elhiszi, hogy az a másik elem küldte, amelyik feladóként szerepel benne.

Itt jön be a képbe egy újonnan felfedezett (de évtizedek óta létező) támadási lehetőség. A CAN úgy működik, hogy azt az elemet, amelyik sok hibás adatcsomagot küld, egyszerűen kikapcsolja (hiszen elromlott). Ha valaki be tud jutni ebbe a hálózatba, akkor például az ABS vagy a kormányszervo nevében tud ilyen hibás adatokat küldeni, és így elérheti, hogy a rendszer lekapcsolja a hibás egységet. Ki próbált egy modern autót úgy kormányozni vagy fékezni, hogy a szervo vagy a fékrásegítő nem működött? Alig-alig lehetséges!

Ahogy írtam, 1993-ban még nem tűnt reális veszélynek az autó belső hálózatának megtámadása. Azóta a helyzet megváltozott. Már nem kell fizikailag hozzáférni az autóhoz, és bekötni valamit a belső hálózatába (pl. rádugni a kiépített szervízcsatlakozóra), hanem interneten keresztül is meg lehet ezt tenni.

Ez nem elméleti lehetőség! Két éve mutatták be élesben (autópályán haladó Jeep Cherokee volt az áldozat). A támadó az autó minden lényeges funkcióját a kezébe tudta venni. Hogyan? A szórakoztató elektronikai rendszeren keresztül jutott be, mert az rendelkezik internetkapcsolattal. Sajnos minden rá van kötve a CAN-ra, és elég egy kis lyuk a zenelejátszóban, hogy elérjék a gázt vagy a féket. Ez a 2015-ös támadás csak az adott autó belső rendszereinek alapos ismeretében volt kivitelezhető.

A most feltárt lehetőség sokkal egyszerűbb. Azon alapszik, hogy a CAN szabványos. Nem feltétlenül fogja tudni vezérelni a támadó a féket vagy a kormányt, de kiiktatni tudja. Ez éppen elég gáz!

Erről rögtön eszembe jutott, amit a magyar AImotive cégtől hallottam nemrégiben. Azt mondták, hogy az autóban három külön hálózatnak kellene lennie: az egyik az infrastruktúra (fék, gáz, kormány és minden más, amitől megy az autó), a másik a szórakoztató elektronika, a harmadik az önvezető funkció. Az első és a harmadik között van kapcsolat (de szabályozott és ellenőrzött), a második teljesen független a többitől. Ezzel már ki is lenne védve a legtöbb támadás! Ez néhány éven belül bevezethető lenne, és a jövőben gyártandó autók biztonságosabbak lennének. Sajnos a már meglévőkbe aligha lehet ezt a módosítást beletenni.

Az eddigieknek még minden modern autóra vonatkoztak, nem sok közük volt az önvezető autókhoz. Az amerikai haditengerészet mostanában reflektorfényt kapott balesetsorozata kapcsán köztudott lett, hogy a navigációban használt GPS rendszer mennyire könnyen támadható. Azt régen tudni lehetett (volna), hogy zavarható a jel, vagyis működésképtelenné lehet tenni a navigációs rendszert, ha ugyanazon a frekvencián erős jelet sugárzunk. Ezt most már könnyen meg is lehet tenni egy drón felhasználásával.

A hírek szerint valaki (állítólag az orosz hadsereg) már teszteli azt a technológiát, amivel hamisítani lehet a jeleket, vagyis azt hiszi a jármű (az ember), hogy valahol máshol van. Június 22-24-én a jelentések szerint egy időben és egy helyen legalább 20 hajó navigációs rendszere tévedett nagyot – és ezt orosz GPS-támadásnak tulajdonítják. Ha ez valóság, és elérhető lesz mások számára is, akkor a GPS-szel navigáló önvezető autók is bajba kerülhetnek.

Meg kell mondanom, hogy már ez előtt a támadás előtt, amikor még fogalmam sem volt arról, hogy a műholdak jele meghamisítható, gyanakodva tekintettem a LIDAR technológiára az önvezető autókban. Mi az a LIDAR? Lézeres radar (light + radar), ami nagyon pontos háromdimenziós képet tud előállítani a környezetünkről, amit aztán az autó összevet a korábban letöltött szintén háromdimenziós térképpel és a GPS-es helymeghatározással, majd ezek alapján navigál és vezet. Mi nem tetszett ebben? Az első az, hogy a LIDAR nagyon drága, tízmilliókba kerül. (Ez sokat javulhat, ha egyszerűsítenek a technológián és az majd tömegtermelésbe kerül.) A másik aggályom a térkép használata. Szerintem a térkép navigációra való, és a vezetés maga nem függhet a térkép meglététől vagy pontosságától, és a helymeghatározás pontosságától sem.

Szóval, még mindig azt gondolom, hogy a vizuális tájékozódás lesz jó darabig a járható út. Ehhez elég néhány kamera és mellé okos és gyors szoftver. Az valószínűleg eltart egy darabig, amíg a képelemző szoftver olyan gyors és okos lesz, mint egy ember, de bíztatóak az eddigi eredmények. Érdekes videókat publikáltak, amik jól mutatják a képességeit.

Ha majd egyre több lesz az önvezető autó, az nyilván együtt jár azzal is, hogy a mindennapokban az autó egyre inkább arra szolgál majd, hogy eljussunk valahova, és csökken „szeretett tárgy” funkciója. Ebben egy nagy lépés lesz, amikor a sok „as-a-Service” közé belép az önvezető autó mint szolgáltatás. Vagyis nem csak hogy nem fogjuk vezetni az autót, de a tulajdonunk se lesz majd. Tulajdonképpen ez sem új, hiszen a taxi is ilyen autó, de várhatóan megjelenik az önvezető autó mint külön szolgáltatás, és arra számítok, hogy a nagy játékosok között lesznek a ma feltörekvő gyártók. Nem tudom, hogy vajon az autókölcsönzők milyen sikerrel ugranak rá erre az új piacra, és mekkora szeletet tudnak majd kihasítani belőle. Vannak már jelei annak, hogy a kölcsönzők és a fejlesztők összefognak (Hertz és Apple, Avis és Waymo (Google)), meglátjuk, mi lesz az eredmény.

Egy hét múlva lesz egy konferencia San Franciscoban, ami kifejezetten az önvezető autó mint szolgáltatás témáról szól majd. A beharangozó utolsó mondata érdekes jövőt vetít elénk: „The surge in self driving technology and the connected user will allow cars to provide a service entirely customized to the person riding it, their mood, time of day or even their destination”. Tőlünk (utasoktól), akár a hangulatunktól is függhet majd, hogy milyen autó jön értünk. Érdekes! Ez még odébb van, de nem lehetetlen…

Erről eszembe jutott egy tavaszi eszmefuttatásom, amiben a „Washing machine-as-a-Service” is előkerült. Biztos az is jön majd, de az autó nagyobb üzletnek tűnik…

Intelligens támadás és védekezés

Várom a pillanatot, amikor mesterséges intelligenciával felokosított (felfegyverzett) robotok fognak egymással harcolni a kibertérben.

Vajon ez a távoli jövő zenéje, vagy hamarosan elkezdődik, vagy már folyamatban is van?

Source: SecureWorks Counter Threat Unit

Nem tudom, de talán a cikk végére többet tudunk majd a témáról…

Hogy jutott ez ma az eszembe? Nemrég olvastam (és röviden írtam is) a Mia Ash által (inkább nevében) megtervezett és felépített adathalászással egybekötött kibertámadásról. Mi volt ennek az érdekessége? A támadó hónapokat töltött azzal, hogy felépítsen egy vonzó és nagyon hihető online személyiséget.

Ez a Mia Ash Londonban élő fényképész, a húszas évei közepén járó fiatal nő, akinek hiteles online jelenléte van sok helyen (LinkedIn, Facebook, Blogger, WhatsApp), és rendszeresen ír is mindenhova. A szövegei rendes angolsággal, az adott hely szokásainak megfelelően íródnak. Fényképei is vannak, és elsőre teljesen rendben lévőnek látszanak. Természetesen, ezek „újrahasznosított” szövegek és képek, vagyis más (valódi) személyektől származnak, és kissé át vannak alakítva, hogy ne lehessen egyszerű kereséssel megtalálni az eredetit. (Nem is egy helyről szerezte őket.)

A LinkedIn adatai között ötszáznál több szakmai kapcsolatot találunk. Ezeknek nagyjából fele szintén fényképész. A másik fele viszont a feltételezett célközönségből kerül ki: középvezetők, műszaki vagy informatikai szakterületen, a technológiai, energetikai, egészségügyi, légügyi és tanácsadási szektorokban. Olyan emberek, akiknek tipikusan értékes hozzáférési jogaik vannak a cégük hálózatához.

A LinkedIn csak a kiindulópont és a bizalom felépítésének színtere. Később kapcsolatba lép az áldozattal a Facebookon, majd segítséget kér, egy kérdőív kitöltését. Ez egy Excel táblázat, amit „a megfelelő működés érdekében” a céges számítógépükön kell megnyitnia. Itt el is akadhatna a támadás, hiszen egy ilyen kérés gyanút ébreszthetne az áldozatban. Valamiért mégsem ébresztett gyanút, amiben szerepe lehetett a szépen lassan kiépített bizalomnak és esetleges vonzalomnak. Egy ilyen letöltés indította el a vizsgálatot, mert a megcélzott cég védelmi rendszere észlelte a PupyRAT kódot. Sőt, nem tértek napirendre az ügy fölött, hanem ki is vizsgáltatták külső szakértővel. Így került képbe a Dell SecureWorks Counter Threat Unit (CTU) csapata, akik később közzé is tették vizsgálatuk eredményeit. Érdemes elolvasni!

Nem megyek bele a többi részletbe, minden elolvasható a fent hivatkozott elemzésben (és még sokan mások is írtak az ügyről). A tanulság is viszonylag egyszerű: még a hozzáértő embereket is át lehet verni, ha elég sokat és elég jól dolgozunk. Az egyik átvert ember egy nagy tanácsadó cég informatikai biztonsági vezetője!

Hogy jön ide a mesterséges intelligencia? Ebben a támadásban valószínűleg sok emberi munka ölt testet. Ha elemezzük a sikeres és a kevésbé sikeres elemeit és tanulunk belőle, akkor ugyanezt meg tudjuk csináltatni egy géppel is, sőt akár egy kicsivel jobban is. Mit lehetne javítani? Például a szövegek és a képek lopottak voltak, és csak minimálisan változtattak rajtuk, így megfelelő keresési módszerrel meg lehetett találni az eredetijüket.

Ha az egészet automatizáljuk, akkor ugyanannyi idő és munka ráfordításával rengeteg ilyen célú online „személyt” tudunk létrehozni. Miért lenne ez jó? Ha a létrehozott identitást nem használjuk egyidejűleg több célpont elleni támadásra, akkor kisebb az esélye a lebukásnak. Az senkiben sem kelt gyanút, ha egy egyébként jól felépített „személy” egyetlen célszeméllyel lép kapcsolatba. Ha le is bukik az egyik, a többi száz vagy ezer gond nélkül dolgozhat tovább a többi célszeméllyel.

Természetesen, nem csak a létrehozásukat, hanem az üzemeltetésüket is lehet automatizálni. A robot számára nem probléma több száz vagy ezer „személy” nevében rendszeresen írni. Az se nehéz feladat, hogy más és más témákról írjon, és nyilván válaszolni is tud a hozzászólásokra. Talán még a Watsonra sincs szükség ehhez, de az egész biztosan meg tudja csinálni.

A legsikeresebb támadás az, amiben nincs „rendszer”, hiszen a védelem „minták” felismerésén alapszik. Az igazán sikeres támadó minden egyes áldozatot másképp támad meg, testre szabja a módszereit a célpontnak megfelelően. Az ilyet nagyon nehéz felfedezni. Vannak már ilyenek? Igen, vannak: a „ProjectSauron” névre keresztelt támadás öt évig működött szépen csendben, mire felfedezték. Ezt még valószínűleg hagyományos módszerekkel, sok-sok emberi munkával hozták létre, és finomították folyamatosan, éveken keresztül. A tanulási képességekkel felruházott robot még jobbat tud majd alkotni!

Ha már az előbb szóba jött a Watson: vajon használják már támadások létrehozására és levezénylésére? Valószínűleg nem, hiszen csak egy van belőle, az is az IBM tulajdonában, és a felhőből lehet használni, bérelni. Nyilván alaposan ellenőrzik, hogy ki és mire használja. A használat főleg orvosi, de megjelenik játékokban, lakások automatizálásában és városi utcák karbantartásában is.  Vajon becsúszik egy-egy rosszindulatú felhasználó is? Aligha.

Source BakerHostetler

Az IBM azt viszont már kitűzte maga elé, hogy a támadások észlelésében és elhárításában kapjon szerepet a Watson. Azt tervezik, hogy a nagyvállalati rendszerekben keletkező iszonyú sok információt fogja feldolgozni és elemezni. Köztudott, hogy a túlterhelt biztonsági szakértők és rendszerek nem tudnak mindennel időben foglalkozni, és az információ tengerében eltűnik az a néhány csepp, amire fel kellene figyelni. Sok felmérés készül arról, hogy mennyi ideig tart egy informatikai támadás észlelése, és nem szívderítőek az eredmények. Kisebbségben vannak azok a vállalatok, amelyek egy napon belül észreveszik, hogy történt valami, és sok helyen tart hetekig vagy hónapokig. És ez csak az észleléshez szükséges idő! A támadás megállítása, a károk elhárítása még csak ezután következik…

Mit várnak Watsontól? Gyorsan, egy szempillantás alatt elemezze információk tömkelegét, és találja meg az összefüggéseket a különböző rendszerekben észlelt és nehezen összekapcsolható események között. Ha sikerül ezeket a kapcsolatokat felfedezni, akkor azonnal kiderül, hogy önmagukban ártalmatlannak tűnő események együttesen támadásra utalnak.

Source: Kaspersky

Jelenleg az a legnehezebben kezelhető feladat, hogy a sok-sok helyen keletkező, és sokszor semmilyen riasztást sem generáló események közötti összefüggéseket felfedezzük. Mire gondolok? Teljesen ártalmatlan dolgokra, például felhasználó sikeres bejelentkezése, hozzáférés valamihez, amihez van joga, program elindítása, levelezés stb. Ilyen események milliói történnek naponta egy nagyvállalati rendszerben, és szinte mindig ártalmatlanok, de egyszer-egyszer valamilyen támadás van mögöttük, a felhasználó nevében a vírus (vagy hasonló) tevékenykedik. Észre lehetne venni? Igen! A támadó nem ismerheti olyan mélységben a rendszereinket és a felhasználóinkat, mint mi magunk. Nem tudhatja tökéletesen utánozni a felhasználó munkáját, viselkedését. (Egyelőre nem is kell ezzel törődniük, mert az informatikai biztonsági rendszerek sehol se tartanak ezen a területen – néhány kezdeti próbálkozástól eltekintve.)

Talán most egyszer, kivételesen eljön az az idő, hogy a védekezési módszerek fejlesztése nem kullog a támadási módszerek fejlesztése mögött, hanem előtte jár, és a még ki sem talált módszerek ellen is véd! Ez megvalósulhat, ha a Watson tényleg beül az üzemeltetők és a biztonsági szakemberek mellé, és segít nekik:

  • kiszűrni a hasznos információt a sok lényegtelen közül, és
  • megtalálni a rejtett összefüggéseket a látszólag ártalmatlan események között.

Milyen lesz, amikor mindkét oldalon mesterséges intelligenciával felfegyverzett robot áll? Ez lesz az igazi megmérettetés! Nem a Watson az egyetlen „intelligens” szupergép, ott van az AlphaGo és a D-Wave kvantumszámítógép.

Melyikre (vagy milyen még ismeretlen technikára) teszik rá a „rossz fiúk” vagy inkább az államilag támogatott támadók a kezüket először? Sok országnak van már ütőképes kiberhadserege…

 

 

A gép tanul helyettünk?

Mit tesz velünk, a munkánkkal és az életünkkel a mesterséges intelligencia?

Pontosabban, nem maga a mesterséges intelligencia teszi majd, hanem az, ahogy felhasználjuk. Ez is egy általános célú technológia, ami vélhetőleg hasonló nagyságrendű változásokat hoz majd az életünkben, mint korábban az általános célú technológiák (gőzgép, elektromosság, belső égésű motor). Általában mesterséges intelligenciáról beszélünk, és ez a terület annyira szerteágazó, hogy nem is mindig tiszta és világos, hogy részére gondolunk.

Vannak kísérletek a mesterséges intelligencia kereteinek és határainak megalkotására. Az egyik érdekes próbálkozás az „Asimolar AI Principles” nevet viseli. Ez egy 23 alapelvből álló lista, amit januárban állított össze sok okos ember egy konferencián, és azóta több ezren csatlakoztak hozzájuk. Én úgy látom, hogy ezek inkább óhajok, mintsem várhatóan betartható szabályok. Emlékezzünk arra, hogy Asimov végtelenül egyszerű három törvényét sem sikerült a robotoknak betartaniuk! Egy korábbi írásomban egy kicsit részletesebben belementem ebbe a témába: Mesterségesen etikus.

Egy pozitív megközelítés szerint a mesterséges intelligencia valójában felszabadítja az embert a „robot”, az unalmas, gépies munka alól. Az ilyet átveszi a gép, és az embernek megmarad az alkotó tevékenység. Úgy érzem, hogy ez az optimizmus nem teljesen indokolt, mert már látszik az is, hogy a gépek nagyon bonyolult döntések meghozatalát is kezdik átvenni az emberektől. Valójában még mindig az ember hozza a döntést, azonban a gép tesz javaslatot a döntésre. Az a gép, amelyik egy pillanat alatt elemzett annyi információt, amennyit az ember csak napok vagy hetek alatt nézhetett volna át. Ha az ember utána akarna nézni annak, hogy a gép jól következtetett-e, akkor elveszítené a gyors döntés előnyét. A gyors döntésen emberi életek vagy üzleti eredmények múlhatnak! Ezért valószínűleg általában el fogja fogadni a gép javaslatát. A géppel együtt dolgozó emberek tudása szép lassan elkopik majd, így egyre kevésbé fognak tudni beleszólni a döntésbe, vagyis teljesen alárendelik magukat a gép programjának.

Az itt az érdekes, hogy nem is a gép programjáról van szó. A programot ember írja, és elvileg ismeri a működését. (Azért csak „elvileg”, mert a valóságban ezek a bonyolult programok tele lehetnek hibákkal – akárcsak a sokkal egyszerűbbek.) Azonban itt nem programról van szó, mert a lényeg a gépi tanulás (machine learning, ML).

A gépi tanulás azért fontos, mert a bonyolult kérdésekben hozott döntési folyamatainkat nem tudjuk algoritmusba önteni. Van ott intuíció, asszociáció, vagy valami más, amit nem tudunk precízen elmagyarázni. Így számítógépes program formájában sem tudjuk leírni, vagyis nem tudjuk a szokásos módon automatizálni. Itt lép be a gépi tanulás. Miben más a gépi tanulás, mint ahogy az ember tanul? Tulajdonképpen nagyon hasonlít ahhoz, ahogy a kisgyerek tanul – példákból, mások tapasztalatából.

A vezető nélküli autózás egyik fejlesztője, a magyar AImotive cég megtanítja a szoftverét az utcán előforduló „objektumok” (autók, gyalogosok, motorkerékpárok, biciklik, tereptárgyak) felismerésére és megkülönböztetésére. Ezt nem úgy teszi, hogy szabályokat táplál a gépbe, hanem videók tömkelegét mutatja be a gépnek, és ezeken a videókon emberek kategorizálják az objektumokat. Az Udacity nevű cég egyik vezetője a kereskedők és a vevők online beszélgetéseit elemezte, és „sikeres” – „sikertelen” címkékkel látta el a beszélgetéseket. Ebből kiderült, hogy mik a jó és mik a rossz válaszok egy-egy szituációban. A WorkFusion háttérfolyamatok optimalizálását végzi (számlák kezelését és nagy összegű pénzügyi tranzakciókat). Itt sem elég a szabályokat „beleönteni” a gépbe. Sokkal hatékonyabb az, ha a gép megfigyeli az emberek munkáját, és „felfedezi” az összefüggéseket, megtanulja, hogy mik voltak a jó és a rossz döntések. Szóval, más példájából tanul, akárcsak a gyerek.

Egyes esetekben az a kiűzött cél, hogy a gép teljesen átvegye az emberi tevékenységet, és azt jobban és gyorsabban csinálja. Ez a cél a vezető nélküli autók esetében, amikben végül nem is lesz se kormány, se pedál. Az előbb említett kereskedelmi rendszerben nem volt cél az ember „kiküszöbölése”. A gép csak figyeli a kereskedő és a vevő beszélgetését, és tanácsokat ad. Ezzel 58%-os javulást értek el a kereskedők munkájában. Hasonló folyamat zajlik a daganatos betegségek diagnózisában is: a képfelismerő rendszer megszabadítja az onkológus szakorvost a sejtek osztályozásától, a gép tudja megkülönböztetni a beteg és az egészséges sejteket egymástól. Az orvos a beteggel való kommunikációra és a magasabb szintű elemzésre több időt tud fordítani. Értékesebb munkát tud végezni.

Amikor a gép korábbi példákból tanul, ezekből építi fel a tudását, majd a tudása alapján dönt, az emberi asszociációra valamelyest hasonló módon „gondolkodik”. Az a helyzet áll elő, hogy a gép nem tudja egyszerűen elmagyarázni, megindokolni a döntését, ha az ember kolléga megkérdezi, hogy miért ezt vagy azt a döntést javasolta. Ez azt is jelenti, hogy az ember (aki a végső döntést meghozza, és a felelősséget viseli) nem igazán tudja ellenőrizni a javaslatot.

A tanulás során felhasznált adatokban lehetnek elfogult döntések eredményei. Ebben az esetben a gép is hasonlóan elfogult lesz. Ezt a lehetőséget nagyon jól (és szélsőségesen) illusztrálta a Microsoft Tay nevű twittelő robotjának az esete.

A nagyon bonyolult elemzések eredményét az ember nem fogja tudni megérteni, ellenőrizni, jóváhagyni. Tulajdonképpen ez sem jövő idő már. Az AlphaGo gép, ami megverte a legjobb Go játékost, olyanokat lépett, amit az emberi ellenfele fel se tudott fogni, nem értette a lépések lényegét és célját. Ha a szakterület legjobb elméje sem érti a gépet, akkor egy átlagosan jó szakember, hogyan fogja megérteni és elfogadni vagy elutasítani a gép döntési javaslatát?

A tanulás módszeréből adódik, hogy a gép statisztikai alapon dönt. Ez sokszor jó megoldás, ha rengeteg esetben kell döntést hozni, és a cél az összességében jó döntés, de egy-egy tévedés belefér. Ezt nyilván nem akarjuk vállalni, amikor emberéletekről van szó. De mégis vállaljuk, ha orvosi diagnosztikában és terápiában hoznak döntéseket a gépek. Itt végtelenül nem egyszerű a helyzet, hiszen a gyorsabb, és az esetek nagy részében jó döntést kell a sokkal-sokkal lassabb döntéssel összevetni. A lassabb döntés is emberéletekbe kerülhet!

A hibás döntéseket nehéz lesz felismerni, ha nem látjuk át, hogy mi vezetett a döntéshez. Ha nekünk napokba kerülne az adatokat elemezni, vajon várunk annyi időt, vagy szabad folyást engedünk a gép javaslatának?

Itt most eszembe jutott a korábban említett 23 alapelv egyike: a jogi döntésekben részt vevő önálló rendszerek adjanak megfelelő és emberek által ellenőrizhető magyarázatot a döntésükre. Ez tényleg jól hangzik, de az egy pillanat alatt meghozott döntést vajon hány ember, hány hétig fogja elemezni, és megérti-e majd?

Azt is mondhatnánk, hogy a cél nem az, hogy minden döntés hibátlan legyen, hanem legalább olyan jó legyen, mint az emberek döntései. Nekünk magunknak is vannak előítéleteink, hibázunk, és nem mindig tudjuk rendesen elmagyarázni a döntéseinket. Ha a gép kicsivel kevesebbet hibázik, akkor már nyertünk! Nyertünk? Lehet, hogy túl sokat tudok az informatikáról…? Az nyugtalanít, hogy nem csak tévedés lehet a rossz döntések mögött, hanem valakinek a szándékossága is. Ez nem olyan különös, embereknél is előfordul a szándékos rosszakarat. A veszélyt abban látom, hogy a számítógépet „istenítjük”, elfogadjuk helyesnek azt, ami a gépből kijön. Nem kellene…

Nos, Kedves Olvasó, szerinted ez az írás pozitív vagy negatív lett? Örömmel vagy aggodalommal várod ezt a szép, új jövőt (ami már jelentős részben jelen)?

Uborkaszezon OFF

Közel három hónapja nem írtam, és most már nagyon úgy érzem, hogy itt az ideje!

Közben elég sokat olvastam, és még több olvasnivalót írtam össze. Nekifogtam ezek áttekintésének, és remélhetőleg a héten írásmű is keletkezik az olvasmányok rendszerezése során.

Az utóbbi időben a mesterséges intelligencia volt a témám, legutóbb orvosi témáról írtam. Ennek apropója a Magyarországi vezető Informatikusok Szövetsége és a Pannon Egyetem közös egészségügyi informatikai összejövetele volt, ahol az „önkiszolgáló egészségügyet” jártam körül a hozzá nem értő szempontjából. (Szerencsére voltak a hallgatóságban hozzáértők is, így nagyon jó beszélgetés lett belőle.)

Ezt megelőzően azzal foglalkoztam, amit megeszünk, vagyis az új technológiák mezőgazdasági és élelmiszeripari alkalmazásaival. Ezeken a területeken is egyre több mesterséges intelligencia jelenik meg, és nagy hatása lesz (kezd lenni) a minőségre. Remélem, pozitív hatása!

Mi várható tőlem a közeljövőben? Újra beleásom magam a mesterséges intelligenciába és a környező területekbe. Nem hanyagolom el az olyan elkerülhetetlen mellékszálakat sem, mint a biztonság, hálózatok, internetre kötött mindenfélék.

Az első mondatban azt írtam, hogy közel három hónapja nem írtam. Ez – persze – nem igaz. Ide, a saját blogomba tényleg nem írtam, de a Balatonakarattyai Fürdőtelep Egyesület (aminek tagja vagyok) weblapján elég sok írásom jelent meg. Ha valakit esetleg érdekel: https://akarattyafurdo.wordpress.com

Rövid írásaimban közzétettem és kommentáltam sok cikket, amit a hónapok során olvastam. Ezek többé-kevésbé alaposan csoportosítva is vannak:

Ez utóbbi egyfajta kurátori tevékenység. Szeretem összegyűjteni az elolvasott cikkeket, és eltenni a megjegyzéseimet is velük együtt. Erre kiválóan alkalmas a scoop.it, és egyben másoknak is segíthetek, akik egy-egy őket érdeklő témában keresnek olvasnivalót. Úgy gondolom, hogy a szimpla megosztásnál sokkal hasznosabb az, ha a saját véleményemet is hozzáteszem.

Jó olvasgatást!

Igyekszem hamarosan újra jelentkezni

Önkiszolgáló egészségügy?

Partnerség az orvos, a páciens és az okos gép között. Lehetséges? Hová vezet?

Arról már sok szó esett, hogy milyen új műszaki lehetőségeket hoztak és hoznak az évek és a hónapok, és azokra milyen zseniális új rendszereket és szolgáltatásokat építenek innovatív alkotók. Az sem új téma, hogy ezek alaposan felforgathatják az életünket. Sok területen van bennük javítási potenciál, de veszélyeket is látunk. Amit még nem látunk, az az egyenleg: melyik oldal lesz nagyobb és fontosabb.

Arról is sok szó esett már, hogy ezek az új dolgok tönkreteszik az emberi kapcsolatokat, de új lehetőségeket is teremtenek. Az új lehetőségeknek néha nem örülünk, máskor lelkesítenek. Ha a munkánkra gondolunk, ott is kétarcú a változás: megszabadít unalmas, fárasztó és veszélyes feladatoktól, és elveheti a megélhetésünket, de létre is hozhat érdekes és izgalmas új munkaköröket. Elég szép irodalma van az automatizálás, a robotok és a mesterséges intelligencia bevetése által előidézhető jó és rossz változásoknak.

Na, ezekről nem lesz itt és most szó!

Ki nem került még abba a helyzetbe, hogy azon a területen, amiről sokáig tanult (iskolában és munka közben), amihez ért, amit jól csinál, civilek, hozzá nem értők osztják az észt? Nem látok sok jelentkezőt… Az ész osztásának változatos formái vannak, és kiválóan alkalmas rá a Facebook és az összes többi internetes felület. Az a szakmai elkötelezettségünktől és rendelkezésre álló energiánktól függ, hogy figyelmen kívül hagyjuk, lehülyézzük, vagy megpróbáljuk elmagyarázni, hogy miért butaság vagy egyenesen káros a megosztott okosság. Ez utóbbi komoly akadályokba ütközik, ha az észosztó nem ért a témához, és a kritikus gondolkodás sem az erőssége.

Képzeld el kedves olvasó, hogy orvos vagy, sokat tanultál, és évtizedes szakmai tapasztalatod van. Megvan? Jön egy páciens, aki finoman (kérdésbe csomagolva) vagy kevésbé finoman, esetleg támadóan megkérdőjelezi a tudásodat. Honnan vette az ismereteket és a bátorságot? Manapság jobbára nem a szomszédasszonytól, hanem az internetről. Tudjuk, hogy az a forrása rengeteg jó és hasznos információnak, és sokkal több butaságnak vagy egyenesen szándékos hazugságnak. Hogy tudjuk kiválogatni a jót, kidobni a rosszat? A korábbi tudásunk használatával! De mi van akkor, ha annak ellentmondó, amit a beteg mond? Biztos, hogy nincs igaza? Honnan tudhatom? Az orvostudományban is felgyorsult a régi tudás megdőlése és az új tudás létrejötte, akár 5-10 év alatt jelentős változásokat hozhatnak a kutatások. Sőt, az új módszerek, beleértve az mesterséges intelligenciát is, még gyorsabbá teszik ezeket a folyamatokat.

A tudomány és a technika fejlődésével egyszerűen lehetetlen lépést tartani! Így van ez az élet minden területén, és így van ez az egészségügyben is, ahol világjelenség a szakemberhiány, a túlterheltség és a rossz hatékonyság. Emellett világjelenség az is, hogy nyoma sincs az egyenlőségnek az orvos és a beteg viszonyában. Ez elég nagy baj, mert közös érdek az egészség megőrzése vagy helyreállítása, azonban jó viszony és kölcsönös bizalom nélkül ez nehéz feladat.

Képzeljük el, hogy a páciens mérési eredményeket hoz. Nem csak a legegyszerűbbeket, mint pulzus, testhőmérséklet és vérnyomás, de másokat is, pl., a vér oxigéntartalma, vércukor, EKG, akár terheléses is, és nem egy-egy pillanatnyi értéket, hanem 24 órás mérések eredményeit, napokra vagy hetekre vonatkozóan. Kincsesbánya, ugye? Hihetetlen mennyiségű adat, és nem csak az alapadatok, hanem mellettük ott van az is, hogy mit csinált: ült, sétált, futott, feküdt, aludt, milyen mélyen aludt. Talán az is, hogy mit és mennyit evett és ivott. Összefüggések tárháza nyílik meg előttünk! Most már csak elemezni kell a sok-sok adatot, és meg kell találni a lényeges összefüggéseket! Ki fogja ezt elvégezni? Ki fogja egy hét, 168 óra EKG, szívverés, vérnyomás, oxigén szaturáció és vércukor értékeit átnézni, összevetni egymással és a páciens tevékenységével, aktivitásával, táplálkozásával? Ehhez orvos kell, esetleg több orvosi szakma szaktudásával.

Most jön a csavar! Mi van, ha nem orvos elemzi ezt a rengeteg információt? Ki végezheti ezt el? Mind tudjuk, hogy a betegek igyekeznek a saját laboreredményeiket értelmezni – majd pedig aggódó kérdéseket tesznek fel, bár sok esetben nincs okuk az aggodalomra, mert nem egy-egy mért értéket kellene megnézni, hanem azok egymáshoz való viszonyát. Ez már szakmai tudást igényelne, nem lehet egy táblázatból kinézni. Honnan veszi a páciens ezt a szaktudást? Az IT-ból, ott is több helyről. Az egyik forrása az a sok kütyü, amit magunkra tudunk aggatni, gyűjti az adatokat, elküldi a gyártó vagy szolgáltató központjába, ahol feldolgozzák és mindenféle összesítéseket és statisztikákat készítenek belőle. Ezeket megkapja a használó, és kaphat még diagnózist és esetleg terápia alternatívákat. Ez nagyszerű, hiszen az egyszerű földi halandó rendelkezésére áll rengeteg tudás, amit hozzáértő emberek beépítettek az eszközökbe és a mögöttük lévő rendszerekbe. Másrészt ijesztő is, mert a hozzá nem értő használó félreértelmezheti az információkat és a tanácsokat!

Van esély arra, hogy szakorvosi minőségű diagnózist és tanácsokat adjon egy ilyen rendszer? Azt hiszem, van, és egy-egy szűk szakterületen már nagyon jó eredményeket értek el a mesterséges intelligencia bevonásával – néha kicsit jobbat is, mint a gyakorlott orvosok. Hogy lehet ez? A gép elemzések és összehasonlítások millióit tudja elvégezni egy pillanat alatt, és ehhez feldolgozott, elemzett esetek millióit tudja felhasználni. Az ember ennyi elemzést sose tud elvégezni.

Nos, a mesterséges intelligencia még nem áll az emberek rendelkezésére, de részeredmények már vannak. Az a rengeteg fitnesz és egészségügyi app, amiket eddig kifejlesztettek és a közeljövőben ki fognak fejleszteni, sok mérési eredményt, és azok elsődleges elemzését tudja nyújtani. Az lenne a fontos, hogy ezek eljussanak az orvosok kezébe, és ők hozzák meg a döntéseket a diagnózisról és a terápiáról. Eljutnak hozzájuk?

Mi kell ehhez? Bizalom és nyitottság! A beteg általában bízik az orvosában, hogy az rendelkezik a szükséges tudással és tapasztalattal, és azt a betege érdekében használja fel. Vajon abban is bízik, hogy bátran elmondhatja neki, megbeszélheti vele mindazt, amit az állapotáról, a betegségéről, a gyógyulásáról innen-onnan összeszedett? És az orvos? Nyitott arra, hogy “nem hivatalos” mérési eredményeket, elemzéseket, értékeléseket vegyen figyelembe? Megbízhat az ismeretlen eredetű adatokban? Megbízhat az “okos” gépek által adott javaslatokban?

Ezek súlyos kérdések, és alaposan meg fontolni, hogyan viszonyulhatunk az okos eszközökből és a mögöttük lévő felhőkből kijövő információhoz! Jó lenne, ha valahonnan tudni lehetne, hogy melyik kütyü működik jól és megbízhatóan, melyik éri el az orvosi és laboratóriumi műszerek színvonalát – de ilyen információ ma még nem áll rendelkezésre. Lelkes orvosok tesztelnek sok-sok eszközt, de az egy-két ember által rövid ideig végzett tesztek nem is jönnek a hivatalos minősítések közelébe megbízhatóság szempontjából.

Mit tehetünk, hogyan érdemes ezeket kezelni? Úgy gondolom, hogy mindenképpen kell ebben a témában is a párbeszéd az orvos és a páciens között! Az orvosnak óriási segítség lehet, ha olyan vizsgálatok eredményeit hozza tálcán a beteg, amiket fel se tudna neki írni, és ezekből kaphat egy általános képet, és felfigyelhet olyan rendellenességekre, amik vagy nem okoznak még tünetet, vagy nem panaszkodik miattuk a beteg. Utána jöhet a hivatalos kivizsgálás, de már nem találomra, hanem ezekre alapozva, pontosan célozva.

Az még nagyobb segítség az orvosnak és a páciensnek is, ha évekre visszamenőleg vannak idősorok, és az egyébként alig észrevehető lassú változások is kibuknak. Ha az adatokat folyamatosan rögzítettük, akkor nem a romló emlékezet, hanem szilárd tények alapján vizsgálódhatunk. Ha egymás mellé rakjuk a fizikai aktivitás (gyalogolva és futva megtett távolság, edzés ideje, lépésszám, leúszott táv, stb.), a pulzusszám, a vérnyomás, a testsúly, a testzsír százaléka, és még sok más mérhető adat értékeit, valamint a közérzetet, a betegségeket, és ki tudja még mit, akkor a páciens és az orvos is megértheti, hogy minek milyen hatása van, és mit érdemes megőrizni, min lenne jó változtatni. Ha ezt az elemzést jó szoftver, “okos” gép végzi, akkor hamarabb, gyorsabban és több összefüggést tud feltárni, mint mi magunk tudnánk.

Hadd tegyek mellé még néhány mérést és analízist, amiket ma még nem tudunk a telefonunkkal elvégezni, de talán hamarosan igen: rendellenességek a DNS-ben, antitestek vagy specifikus fehérjék a vérben, ultrahangos vizsgálat, bőrből vagy nyálkahártyáról vett minták elemzése. Megtehetjük, hogy ezeket figyelmen kívül hagyjuk, mert nem “hivatalos” forrásból származnak? Szerintem nem!

Hogy áll most a világ ebből a szempontból? Nem tudom, próbált-e már valaki úgy menni a háziorvosához, hogy vitt magával egy halom adatot, pl.: genetikai tesztek eredményeit (mint: gyógyszerérzékenység, milyen betegségek veszélyeztetik genetikai alapon), életmóddal kapcsolatos adatokat (mint: fizikai aktivitás, alvásminőség) évekre visszamenőleg, laborvizsgálatok adatait szintén évekre visszamenőleg (több ezer adatot). Azt hiszem, hogy a háziorvosok egy része világgá szaladna, ha kezdenie kellene valamit ezzel az adattömeggel…

Van olyan orvos, aki örömmel fogadná hasznosítaná? “Véletlenül” tudom, hogy van. Talán meglepő lesz, de az általam ismert példa magyarországi. (Enyhítő körülmény: a páciens is orvos.)

Azt remélem, hogy a nem is távoli jövőben ez nem a meglepő kivétel, hanem a megszokott módszer lesz. Persze, mint mindenhol, itt is kettőn áll a vásár. Nem csak a nyitott gondolkodású és mindezekre felkészült orvosokra van szükség, hanem olyan emberekre, akiket komolyan érdekel az egészségük, és nem akkor kezdi érdekelni őket, amikor megbetegszenek, hanem viszonylag fiatalon kezdenek a hosszú és egészséges életre felkészülni. Ha okosan élünk a tudomány és a technika lehetőségeivel, akkor nyitva áll előttünk ez a lehetőség.

Ahogy eddig, ebben az írásomban is ötvöztem sok mindent, amit olvastam a saját gondolataimmal, de most nem tűzdeltem tele hivatkozásokkal. Akit érdekelnek a téma részletei, olvassa dr. Meskó Bertalan (a futurista orvos) írásait! Én is sokat olvasom őt.

Pontos célzás

Pontos célzás a mezőgazdaságban – és nem a krumplit kitúró vaddisznóra.

Burial chamber of Sennedjem

A múlt héten előhoztam a 3D nyomtatóban készült vacsorát, és sikerült néhány olvasómat megijesztenem vele. Úgy gondolom, hogy nem a nyomtatóktól kell félni, mert azokban (egyelőre) ugyanazokat az élelmiszereket használják, amiket a serpenyőbe is teszünk. Ha valami aggodalomra adhat okot, az a mezőgazdaság mai működése. A növények és az állatok csak azokat a tápanyagokat kapják meg, amik az életben maradásukhoz és a gyorsan elérendő nagy tömegükhöz kellenek, és a vegyszerezés és gyógyszerezés is erre szolgál – így a végső fogyasztó se kaphat jobbat.

Miért hozom ezt most elő? Eddig itt nem írtam az egészséges élelmiszerről – nem mintha nem foglalkoztatna a dolog, de nem vág bele a blogom témájába. Ahogy egyre többet gondolkozom rajta, rájöttem, hogy bizony mégis! A „precíziós mezőgazdaság”, ha nem is garantálja, de megadja a lehetőségét annak, hogy gazdaságosan állítsanak elő egészségeset és finomat a gazdák és a nagyüzemek. Hogyan?

Vegyük sorra az ismert példákat, a már létező és a tervezett vagy lehetséges megoldásokat! Három hónapja mutattam a salátaegyelő gépet. Akkor arról volt szó, hogy hány ember hány napi munkáját végzi el sokkal gyorsabban és pontosabban, de nem csak ez a változás! Az ügyes gép pontosan tud egy csepp mérget adni a gyomnak és egy csepp tápanyagot a salátának. A kevesebb méreg nagyon jó nekünk és a salátának is, hiszen arra nem is kerül (csak a talaj közvetítésével kaphat esetleg belőle). Így nem kell génmódosított, a mérget jól toleráló növényeket megennünk – szerintem ez nagyon jó hír!

Nem csak a kevesebb méregnek, hanem a kevesebb tápanyagnak is lehet örülni! Miért? Elsőként az jutott eszembe, hogy kevesebbe kerül a gazdának, ezért olcsóbban tudja előállítani a növényt. Jó ez nekünk? Jó, mert olcsóbb lehet a boltban is. De nem csak ezért jó: ha nem az ár csökken, hanem a gazda haszna nő, többet tud beruházásra fordítani, sőt akár jobb minőségű, kiegyensúlyozott, a növény egészséges fejlődését segítő tápanyagokat is tud adni neki. Ez végül nekünk lesz jó! Sőt, az is nekünk lesz előnyös, ha a jobb minőségű termék versenyképes lesz a piacon, nem tudja a silány kiszorítani.

Túl optimista vagyok? Talán tényleg az vagyok, de hiszek abban, hogy a világ a jót és a becsületest díjazza.

Mi mást láttunk eddig? Tehenekkel kapcsolatban láttam két érdekes megoldást, vagy inkább szolgáltatást, és mindkettő a szaporulattal kapcsolatos – a kezdetével és a végével. Röviden összefoglalva: a megtermékenyítés ideális idejét figyeli az egyik, az ellés előtt szól a másik. (A háziasított állatok már a szaporodásban is teljesen az emberre vannak utalva, maguktól nem megy nekik.) Azért írtam, hogy szolgáltatás, mert az internetre kötött eszközök (IoT), a nagy-nagy számítási felhő és egy kis tudomány így együtt áll a gazdák rendelkezésére – nekik maguknak csak abba a kis ketyerébe kell befektetniük, ami a tehén farkára vagy lábára kerül, és telefonon vagy táblagépen szólnak nekik, amikor itt az idő.

Jó ez nekünk? Nagyon! Miért? Nem csak azért, mert jobb lesz a szaporulat, kevesebb lesz az elhullás, és így boldogabb a gazda. Szerintem nagyon fontos, hogy a hagyományos hústermelés gazdaságos legyen, mert különben csak a laborban előállított mesterséges hús marad nekünk. (Amikor ez még utópia volt Szathmári Sándor Kazohiniájában, nem féltem tőle, de most már aggaszt a térnyerése.)

Miből áll össze ez a „precíziós mezőgazdaság” (precision agriculture, precision farming)? Néhány példa arra, hogy milyen eszközöket lehet használni:

  • az előbb említett salátaegyelő gép kamerája mögött egy alakfelismerő szoftver segít a saláta és a gyom megkülönböztetésében,
  • a tehén lábára erősített eszköz a toporgást méri, ezt elemzi a szoftver, ebből lehet tudni, hogy mikor fogan meg legjobban a tehén,
  • a tehén farkára erősített eszköz a csóválást méri, ezt elemzi a szoftver, ebből lehet tudni, hogy mikor várható az ellés (így nem kell éjszakákat a tehén mellett töltenie a gazdának),
  • a gépekre helymeghatározó (GPS) kerül, ami a digitális térképpel összekötve irányítja és vezeti is a gépet,
  • cseppenként lehet adagolni a vegyszert, tápszert és az öntözővizet,
  • drón figyeli a növények kelését, a kártevőket, a növények nedvességtartalmát, az érésüket (és képfeldolgozó, elemző szoftverek vannak a háttérben),
  • szenzorok mérik a talaj hőmérsékletét, nedvességtartalmát, a tápanyagok mennyiségét,
  • szenzorok egyedileg mérik a növények állapotát – ebből testre szabottan lehet vizet és tápanyagot adni nekik (a csepegtető rendszerrel),
  • a közeli és a távolabbi környezet időjárási adatait begyűjtve és elemezve konkrét, az adott helyre érvényes előrejelzést lehet adni – ebből öntözést, műtrágyázást vagy betakarítást lehet tervezni.

Milyen technológia van még a háttérben?

  • A dolgok internete (IoT), vagyis rengeteg cucc, amit hálózatba kötünk. Ezek általában egy-egy dolog mérésére alkalmas eszközök.
  • Kell többféle kommunikációs technológia: hagyományos mobiltelefon, alacsony fogyasztású és kis sávszélességet igénylő eszközök (állatokra, növényekre, talajba).
  • Kell a nagy-nagy számítási felhő, és benne okos szoftverek, amik elemeznek, jósolnak és segítik a gazdák döntéseit. Ezeket nem veheti meg mindenki magának, közösen kell használni.
  • A „jósláshoz” rengeteg régi adat, jó modellek és mesterséges intelligencia kell. Ezek forrása is a felhő lehet, otthon senkinek sincsenek meg ezek.

Mi van, ha ez a sok műszaki cucc nem áll rendelkezésünkre? Nem lehet véletlen, hogy egy brazil IBM-es mérnöktől származik ez az idézet: „A farmer could take a picture of a crop with his phone and upload it to a database where an expert could assess the maturity of the crop based on its coloring and other properties. People could provide their own reading on temperature and humidity and be a substitute for sensor data if none is available.” Így is el lehet jutni a precíziós mezőgazdaság alapjaihoz, és nem kellenek extra dolgok hozzá.

Mi lehet a precíziós mezőgazdaság optimális eredménye?

  • Elegendő és jó minőségű táplálék a Föld gyorsan növő lakosságának.
  • Az éghajlatváltozáshoz való jobb alkalmazkodás.
  • Kevésbé teszi tönkre és pusztítja a talajt, a vizeket, a rovarokat, a madarakat és általában az életünkhöz szükséges környezetet.
  • Javítja a kisebb gazdaságok versenyképességét.
  • Érdekes új feladatokat és munkát ad sok embernek.

Mi kell mindehhez? Legfőképp rendes, értelmes, tisztességes emberek!

 

 

És amit megeszünk?

Eljutunk a laborban előállított vagy az elfogyasztás után is nyomon követett élelmiszerig? Jó lenne az nekünk? Jó lesz az nekünk?

Az új technológiák ipari gyártásban, a termékek életútjának nyomon követésében, a karbantartásban, a használati tapasztalatok alapján való továbbfejlesztésében való használatáról már elég sokat tudunk. Nem csak tervek, elképzelések vannak, de a mindennapi gyakorlatban is látszik az eredményük. Az elmúlt hetekben hoztam is érdekes és sikeres példákat.

  • Milyen az, amikor egy kisbuszt a megrendelés után kezdenek el gyártani, és nem kell 24 óra ahhoz, hogy elkészüljön? Nem csak nagyon gyorsan ér el a megrendelőhöz (aki gyorsan tudja elkezdeni a szolgáltatást és a pénzkeresést vele), de rengeteg részletet szabadon tud meghatározni a vevő.
  • Milyen az, hogy a lift, mozgólépcső, automata ajtó gyártója valós időben kap információt a terméke működéséről, a használat mértékéről, az alkatrészek kopásáról, a szükséges karbantartásról, a hibákról? Mennyivel tudja így a használhatóságát növelni, amivel nagyobb értéket nyújt a vevőjének és a vevő ügyfeleinek?

Ezekhez nagyon sok új műszaki megoldás, és az azokra épülő szolgáltatás kell – és ezek már mind léteznek, széles körben elérhetők.

Mi az eredmény? A gyártó és a vevő között szoros, közvetlen kapcsolat jön létre, eltűnhetnek a közvetítők (nagyker, kisker, szerviz). A gyártó egyre inkább szolgáltatást értékesít. (Két hete a „washing-machine-as-a-service” példáján mutattam be ezt a folyamatot.)

És mi van azzal, amit megeszünk? Lesz olyan, hogy egy mezőgazdasági termék tulajdonságait a vevő határozza meg, és nagyon rövid idő alatt megkapja, amit kitalált? Mondjuk, kérek egy 8,5 cm átmérőjű, sárga színű almát, aminek az íze jonatán, és nincs benne mag – lesz ilyen? Aligha, legalábbis addig, amíg az alma fán nő, addig évek kellenek az „előállításához”, ha egyáltalán lehetséges.

Az ennivalóink teljesen kimaradnak, nem használható a sok új technológia (IoT, 3D nyomtatás, mesterséges intelligencia, felhő)? Nem kell aggódni, nem maradnak ki – de más történik, mint az iparban.

A „precíziós mezőgazdaság” a folyamatok pontos megtervezését és optimális végrehajtását tűzi ki célul, és már jó sok eredménye is van. Mik ezek?

  • A gépek jól megtervezett, optimális használata.
  • Az egyes növények egyedi fejlődésének mérése, és testreszabott öntözés, tápanyagellátás, növényvédelem.
  • A tökéletesen megfelelő időben való betakarítás.
  • Az állatok egyedi takarmányozása.
  • Az állatok életfolyamatainak percre pontos követése, optimális ápolás, gondozás, szaporítás, gyógyítás.

Ezek nem csak azért hasznosak, mert kevesebb költséggel, több és jobb minőségű élelmiszert állít elő a termelő, hanem csökken az üzemanyag-felhasználás (és a káros anyagok kibocsátása), kevesebb növényvédőszer kell, kevesebb műtrágyát használnak (és ezek miatt csökken az ipari szennyezés is), nincs szükségtelen öntözés, és a víz jobban hasznosul (és kevésbé terheli a szűkös ivóvízkészleteinket a termelés). Az eredmény: jobb minőség, olcsóbb és környezetkímélőbb termelés.

De most nem a termelésről, hanem a termékekről akarok írni. Mire képes itt az internet és a felhő?

Az ellátási lánc és az élelmiszerbiztonság területén lehetne nagyokat lépni. Azt egyre fontosabbnak tartjuk, hogy az élelmiszerek eredetét ismerjük. Tudni akarjuk, hogy hol, milyen körülmények között, mikor termelték, ki volt a termelő. Ezek az információk az esetek egy részében (és részlegesen) meg is találhatók a csomagoláson (vagy az ömlesztett termékek mellett a polcon), de az élelmiszerek útjának követése nehézkes. Mit jelent ez a gyakorlatban? Tavaly sok ember került kórházba baktériumos fertőzéssel az Egyesült Államokban, és elég gyorsan kiderült, hogy friss spenót fogyasztása állt az esetek mögött. A hatóságok (FDA és CDC) hamar ki is adták a figyelmeztetéseket. A szennyezett spenót forrásának azonosítása viszont eltartott három hétig, és ez az összes spenóttermelőt, -kereskedőt és –feldolgozót nagyon súlyosan érintette. Ha az egyes csomagok teljes útja pontosan és valós időben követhető lett volna, pillanatok alatt meglett volna a felelős. Nem kellett volna az összes többi spenótot is kivonni a forgalomból, és nem károsodott volna mindenki az értéklánc mentén (és a vevők is ehették volna kedvenc spenótjukat). Ezt papíron vagy manuálisan feltöltött és kezelt számítógépes rendszerben lehetetlen elérni – kell hozzá az automatizálás, amibe a csomagok elektronikus megjelölése is beletartozik, vagyis IoT. Élelmiszerek esetében ez nem olyan egyszerű, mint az ipari termékeknél, de ki lehet találni jó megoldásokat.

A biztonság másik eleme az lenne, hogy a visszahívott vagy lejárt termékeket ne is lehessen a polcon tartani, vagy eladni a boltokban. Az egyedi azonosítás szerepe ebben döntő lehet. Egy séta a polcok között a megfelelő kézi készülékkel, és már meg is van, hogy mit kell levenni onnan. Akár a vevők telefonja is alkalmassá tehető erre. A pénztáraknál is lehet ilyen eszköz, ami még a fizetés előtt szól, hogy nem adható el az áru. Az első lépés az elektronikus címkézés. Lesz ilyen? Szerintem lesz! Egyre olcsóbbak az effélék, és egyre nagyobbak a büntetések. Hamar kijön a matek, hogy mi éri meg…

Korábban írtam az egyedileg előállított termékekről (egydarabos szériákról). A példa az Olli kisbusz volt. Hogy van ez az ételekkel? Van erre lehetőség, lenne értelme? Igen, van, és már nem csak kutatják, hanem használják is. Az első komoly érdeklődő a hadsereg és az űrkutatás volt. Az egyforma ételek helyett testreszabott, egyedi ízlésnek és igényeknek megfelelő ennivaló mindkét területen nagy előrelépés lenne. Azonban a polgári életben már nem feltételes módban beszélünk erről. Hol és milyen esélye van az ételek “nyomtatásának”, és ez hogy változtatja meg az üzletmenetet? Arról van szó, hogy egy adott receptet sokféle változatban lehet elkészíteni (gluténmentesen, másféle ízben, másféle alakban), és ezeket nem kell előre megcsinálni (előre ismeretlen igényekre), hanem egyedileg készülhetnek. Ettől minden megváltozik, a beszerzés, a raktározás, a kiszállítás. Az egész a vevőközpontúságban kulminál – akárcsak a korábban említett ipari példák esetében. Meg is lehet kóstolni! Ha valakit a látványos ételek mellett a fenntarthatóság és az egészség is érdekel, ebben a TEDx videóban erről is hallhat (Chloé Rutzerveld, 12 perc).

Nyilván nem csak vendéglőben lehet az így előállított ételeket megenni, hanem házhoz is vihetik. Azt még nem látom, hogy mikor és hogyan tudjuk otthon „kinyomtatni” a recepteket…

Összefoglalva az új technológiák és az ételek kapcsolatát:

  • biztonság – élelmiszerek életútjának követése
  • biztonság – lejárt, kivont termékek azonnali felderítése
  • egyénileg testreszabott ételek, változatok.

Persze, nem pusztán nagyszerűség lesz itt sem. Lesznek vesztesek, akiknek csökken vagy elmúlik az üzlete. Lesznek hibák, sőt csúf visszaélések is. Sőt, van egy új törekvés: az ételek szintetikus előállítása. Megjelent már (kísérleti fázisban) az állatok nélkül, laborban előállított hús. Ebben óriási veszélyt látok. Az orvostudomány még egyáltalán nem tudja, hogy a hús melyik összetevői szükségesek a számunkra – a leegyszerűsített, néhány tucat alkotórészből álló hús lényegesen különbözik a valóditól, és nem biztos, hogy a jó irányban.

Meglátjuk…

Minden teljesen egyedi

Legyen zöld, balra nyíljon, és alul legyen az ajtaja! Az üvegpolc alatt ne egy, hanem két kisebb rekeszt legyen!

Ismerős igények? A vevő szeretné aprólékosan meghatározni a termék sok tulajdonságát, és nem a gyártó által előre kialakított modellek egyikét akarja megvenni. Tudjuk teljesíteni az ilyen igényeket? Bizonyos mértékig igen! A Subway szendvicsei nincsenek előre elkészítve, az alapanyagok keretein belül tetszésünk szerint összerakhatjuk a kedvencünket. A Mercedes kecskeméti gyárában a futószalagon különböző felszereltségű autók, sőt akár B és C-modellek vegyesen követik egymást, és a részben automatizált gyártást ez nem zavarja össze. (Mekkora lépés a Ford-féle első futószalagjához képest, ami akkor maga is óriási ugrás volt.) Bár kétpercenként gurulnak ki az új autók, mégis elég sok hónapot várnak a megrendelők. Azt hiszem, épp ez a hosszú idő az egyik tényező, ami lehetővé teszi az egyedi igényekhez alkalmazkodó gyártást. Valójában mennyire lehetnek egyediek ezek az igények?

Mit szólna a Whirlpool, ha a vevő olyan igényekkel jönne, amiket a cikk elején írtam? Ezek, meg még több is, teljesíthetők lennének, de ahhoz alaposan át kellene alakítani a beszerzési, raktározási, logisztikai, megrendelési, szállítási folyamatokat. Vannak ilyen igények? Nem tudom. Egy gyakran látható reklámfilmecske szerint vannak.

Mit lehet az effajta igényekkel kezdeni? Először is: nevet adunk nekik, hiszen, aminek neve van, azt már jobban tudjuk kezelni. Mi legyen a neve? Van neki több is, pl.: mass customization, build to order, hypercustomization.

Hogy történik az ilyesmi?

  • A leendő vevő kiválasztja, hogy mit szeretne: színek, bevonatok, extra tulajdonságok, stb.
  • A beszerzési és raktározási rendszer ellenőrzi a készleteket, és automatikusan beszerzi a hiányzó anyagokat és részegységeket, majd megjelöli a vevőnek készülő konkrét darab számára. (Itt már szerepet kap az IoT, a dolgok internete is, ha aktív vagy passzív jeladókat használnak.)
  • A gyártósoron találkoznak az alkatrészek és a részegységek, amiket emberek vagy robotok építenek össze. A jeladók alapján találják meg, hogy mit kell összeépíteni, milyen bevonatokat és színeket kell alkalmazni.
  • A gyártási folyamat során akár teljesen automatizálni is lehet a minőségellenőrzést, biztosítva, hogy pont az és pont úgy kerül bele a késztermékbe, ahogy azt a vevő megrendelte.

Ez volt az, ami a gyárban történt. Mit látott ebből a vevő? Minthogy a kezdetektől kezdve neki, pont neki gyártottak, akár követhette is az egész folyamatot a mobilján. Sőt, akár magát a szállítást is követheti. (Aki rendelt már interneten, mennyire örült volna annak, ha tudja, hogy hol jár a futár a cuccal, mikorra várható az érkezése!) Ja, és mindez nem kerül se neki, se a gyártónak extra erőfeszítésébe. Nem kell az ügyfélszolgálatot hívni, vagy naponta beugrani a weblapra.  

A termék – ellentétben a megszokott forgatókönyvvel – nem veszti el a kapcsolatát a gyártóval, amikor elér a vevőhöz! A benne lévő érzékelők gyűjtik és továbbítják a használatával, a működésével, a hibáival kapcsolatos adatokat. Ezeket fel lehet használni a konstrukció javítására, jobb és hasznosabb termékek megtervezésére.

Mekkora mindezek realitása? Mennyire távoli jövőről beszélünk?

A szükséges technológia már rendelkezésünkre áll. Az alkatrészek épületen belüli követésére sok olcsó és rugalmas megoldás van, például ez: UWINLOC’s Industrial IoT Tracking Device. Sőt, azért se kell messzire mennünk, ha kis fogyasztású (egy töltéssel akár 10 évig működő) és egész pici hálózati sávszélességet igénylő kültéri megoldást keresünk, ez már Magyarországon is elérhető.

Ami még hiányzik, az az üzleti modellek kitalálása és megvalósítása. Ehhez okos emberek és jó ötletek kellenek. Vannak ilyenek? Vannak, csak össze kell találkozniuk a technológiával, és hagyni kell szárnyalni a gondolataikat…

Sikerült már valakinek megvalósítania a gyakorlatban, ipari környezetben a teljesen egyedileg előállított terméket? Többeknek is! Az egyikről írtam is nemrégiben, ez az Olli. Akkor úgy került képbe, hogy a Watson segítségével beszélgetni is tud az utasokkal ez a teljesen vezető nélküli kisbusz.

Más érdekessége is van az Ollinak: nagyon gyorsan elkészül! 3D nyomtatással 10 óra alatt készítik el az elemeit, majd 11 óra alatt összeszerelik. Szép teljesítmény! Mit is jelent ez? Az “ipar 4.0” (és a benne megjelenő technológiák) teljesen egyedi járművek (egydarabos szériák) előállítására alkalmas. Szabadon állíthatja össze a megrendelő a kisbuszt a lehetséges komponensek és opciók felhasználásával, és egy késztermék szokásos internetes szállítási idején belül kapja meg azt a teljesen egyedi terméket, amit csak a megrendelése után kezdtek el legyártani (nulláról kezdve). Impozáns, ugye?

Jó ez, kell ez? Majd eldönti a piac!

Komolyabb kérdéseket is fel lehet tenni az egész változás társadalmi hasznosságáról vagy káráról. Én is sokat töprengek rajtuk, és talán egyszer eljutok odáig is, hogy írok ezekről a gondolataimról. A gyártókat, a megrendelőket, a vevőket ezek aligha érdeklik, a “kapitalizmus szelleme” csak az egyéni hasznosságot ismeri, a társadalmi haszon és kár csak akkor érinti, amikor válságba vagy forradalomba torkollik. Itt most megállok, ki-ki gondolja tovább (ha akarja)…

Előzmények: