Episode Details

Leanesti tegevjuhi Marko Saviaugu sõnul ei ole tehisaru tööstuses kasutuselevõtu peamine küsimus enam selles, kas AI suudab ülesande lahendada, vaid selles, kuidas viia tehnoloogia tootmisliinile ja saavutada mõõdetav majanduslik kasu. Kuigi tehisaru kasutamise vastu tunnevad huvi paljud ettevõtted, on näiteid selle otsesest mõjust toodangule, praagile ja kuludele veel suhteliselt vähe. Kiiremini tasuvad end ära näiteks masinnägemisel põhinevad kvaliteedikontrolli lahendused, mille tasuvusaeg võib jääda mõne kuu ja aasta vahele. Samuti saab AI abil märkimisväärselt tõhustada ettevõtte tugiprotsesse, näiteks müügipakkumiste koostamist, millele kuluv aeg võib Saviaugu hinnangul väheneda 70–80 protsenti. Otsuste eest vastutab siiski üldjuhul inimene. Tootmises pidurdab tehisaru laiemat kasutuselevõttu vajadus siduda tarkvara füüsiliste masinate ja robotitega. Olemasolevatele tootmisliinidele ei saa uut tehnoloogiat alati lihtsalt lisada, vaid see võib nõuda ulatuslikke masinaehitustöid või uue tootmisüksuse rajamist. Saviauk näeb järgmise arengusuunana võimalust juhtida masinaid tavakeeles, nii et operaator saaks anda ülesande ning AI koostaks ise vajaliku programmi. Leanest on katsetanud seda lähenemist, ühendades väikese keelemudeli Hiinast ostetud robotiga. Kuigi tehnoloogia on suuresti olemas, arenevad masinad, nende riistvara ja liidesed tarkvarast aeglasemalt ning seadmete projekteerimine, valmistamine ja katsetamine võib võtta kuni aasta. Tehisaru muudab ka tarkvaraarendust. Saviaugu sõnul võimaldab vibe coding ehk rakenduste loomine AI abil ettevõtetel kiiresti lihtsaid lahendusi ja prototüüpe katsetada ning anda nende põhjal tarkvaraarendajatele täpsema lähteülesande. See ei vähenda aga vajadust professionaalsete arendajate järele, eriti kriitiliste süsteemide puhul, kus olulised on süsteemiarhitektuur, integratsioonid, andmehaldus ja küberturvalisus. Samal ajal võib lihtsamate arendusülesannete automatiseerimine raskendada alustavate IT-spetsialistide töö- ja praktikakoha leidmist, tekitades küsimuse, kuidas kasvatada uusi eksperte olukorras, kus AI võtab üle üha rohkem algtaseme ülesandeid. Saviauk soovitab tehisaru kasutuselevõttu kavandavatel tööstusettevõtetel alustada konkreetse äriprobleemi määratlemisest, mitte tehnoloogia valimisest. Eduka rakendamise eeldused on korrastatud andmed ning selged reeglid selle kohta, millisele teabele AI ligi pääseb. Mida rohkem asjakohaseid andmeid mudel kasutab, seda tõhusamalt saab see töötada, kuid samal ajal tuleb vältida liigsete või tundlike andmete kättesaadavaks tegemist. Saviauk ei prognoosi, kui palju AI Eesti tööstuse tootlikkust lähiaastatel kasvatada võiks, sest ettevõtete vajadused ja võimalused on erinevad. Tema hinnangul on aga suurem osa tehisaru võimalikust mõjust tööstuses alles ees. Saadet juhtis Mart Valner. Foto: Imago/Scanpix