С одной стороны, это жестокий способ увольнения сотрудников из компании. С другой, когда на предприятии работает 4 миллиона человек, то это наиболее эффективный метод работы всего административного аппарата. При этом даже не нужно задействовать сотрудников отдела кадров ни для найма, ни для увольнения. А все управление подразделением доставки состоит из нескольких программистов, специалистов по данным и менеджера.

Техническое отделение – это производственный цех на предприятии. Тут осуществляется вся работа.

Если компания предоставляет услуги или продукты, которые нельзя потрогать руками, к примеру, программное обеспечение, то весь рабочий процесс проходит в информационных системах, где без особых затрат можно создать систему учета выработок сотрудников. Но если предприятие выпускает материальные продукты, которые можно подержать в руках, то первое, чем должны озадачиться управленцы, это создание серийных номеров для выпускаемых единиц товара.

Маркировка каждой детали нужна на случай гарантийного обслуживания и для улучшения качества как отдельных деталей, так и составных продуктов. Деталям необходимо не только присваивать серийные номера, но и заносить дополнительные сведения в информационную базу предприятия, чтобы по каждому серийному номеру можно было восстановить любую информацию:

• Дату и время производства.

• Место производства, если цехов несколько.

• Серийный номер станка, на котором была изготовлена деталь.

• Серийный номер конечного изделия, в который вошла деталь.

• Сотрудника, изготовившего деталь.

• Температуру и влажность в цехе и на улице во время изготовления.

• Напряжение в электрической сети, давление воздуха в системе пневматического инструмента.

• Потребление сотрудником перловой каши столовой цеха в день производства…

Это выглядит как несколько безумный сбор информации обо всем, даже с посягательством на частную жизнь сотрудника. Но взгляните на это с точки зрения доходов компании. Допустим, клиент прислал бракованную деталь на замену. По ее номеру можно определить всю историю продукта и обстоятельства его изготовления. То есть, благодаря собранным в процессе производства данным, по одной гайке можно сказать, с какого автомобиля она была снята. Можно даже отказать клиенту в гарантийном ремонте, потому что гайка не от его купленного автомобиля.

С другой стороны, можно оптимизировать производство и сократить издержки, предсказав заранее, какие именно детали будут бракованными. Для этого необходимо использовать все собранные данные по бракованной детали (не ограничиваясь списком выше) для машинного обучения. В процессе тренировки модели нужно указать, что при такой комбинации значений параметров появляется бракованная деталь. А когда машина обучится, предприятие получит систему предсказаний брака, которая с точностью, близкой к 100 %, будет определять бракованное изделие и не допускать его до продажи. Но для этого надо собирать все возможные большие данные.

Посмотрите на последний пункт в списке (про перловую кашу). Даже в нем есть логика. Допустим, сотрудник пришел в цех после обеда, на котором полакомился перловой кашей. А у него непереносимость глютена[8], о которой он даже не подозревает. В итоге, из-за аллергена следующую половину дня его когнитивные способности будут снижены. Он станет медленным, невнимательным, забывчивым. Его мышцы будут слабее, чем обычно. Пострадает мелкая моторика рук. Это может привести к браку, к финансовым потерям компании. Определить же степень влияния рациона сотрудника на вероятность брака может только машина. И сделает это она настолько точно, что собственник и топ-менеджер моментально заменят перловку на пюрешку в столовой. Потому что компании невыгодно терять деньги и репутацию из-за брака как результата собственного гастрономического творчества.

Остается еще вопрос этики: как собрать все необходимые данные о производстве и сотрудниках так, чтобы они этого не замечали, чтобы им было безразлично, ведется ли учет каждого их движения или нет. Единственный способ осуществить это – сделать процесс полностью автоматическим, чтобы сотрудник не заносил данные в компьютер вручную и даже не писал цифры серийного номера на детали. Все это должна делать машина, и неважно, каким именно способом: выбивать цифры или выжигать лазером QR-код. Главное, чтобы все происходило автоматически.

Отделение квалификации и качества проверяет качество услуг и товаров, производимых компанией. Если оно низкое, то принимаются необходимые меры, к примеру, персонал отправляют на повышение квалификации. Указанное отделение непрерывно получает отзывы клиентов, собирает информацию об их впечатлениях от продукта или услуги. Затем на основе этих данных товары улучшаются, поступают на рынок и PDCA цикл Деминга (планирование-действие-проверка-корректировка) повторяется вновь.

В современных компаниях, которые давно провели цифровизацию, отзывы не собираются и не анализируются вручную, потому что это рутинная работа. Поручать ее человеку – это непростительно дорогое удовольствие. Тем более что программа может обрабатывать миллионы отзывов в сутки, тогда как рядовой сотрудник только десятки или сотни. А если отклики не приходят на определенный почтовый адрес или не принимаются через форму жалоб на сайте производителя, то собирать их приходится по всему интернету. Что еще больше говорит о необходимости в программном анализе информации.

Рассмотрим интересный случай, который произошел с крупной южнокорейской компанией Samsung. В нашей стране она в первую очередь знаменита своими сотовыми телефонами и бытовой техникой. Однако в действительности эта компания намного больше, чем мы себе представляем, и она производит очень широкий ассортимент товаров, среди которых есть даже крупнотоннажные грузовые корабли. При таком разнообразии продукции сбор отзывов и их систематизация представляют собой крайне трудоемкий процесс, которым в основном занимаются машины. То есть программа просматривает в интернете все страницы всех социальных сетей, чтобы определить, появились ли новые сообщения с упоминанием продуктов бренда. Несмотря на то, что мониторинг происходит автоматически, процесс этот все же довольно медленный, да и компьютер иногда пропускает нужные отзывы, если в них отсутствуют «правильные» контрольные слова.

Недавно Samsung зарегистрировала неблагозвучный для русского уха бренд Gnusmas[9], название которого представляет собой перевернутое Samsung. Возможно, производитель не знал, что в нашей стране это слово стало довольно популярным и используется в негативном ключе, в том числе в качестве нарицательного для отзывов о неудачных продуктах рассматриваемой нами компании. А теперь представьте, что произойдет, если Samsung официально попросит всех владельцев ее устройств использовать слово Gnusmas в качестве ругательства, чтобы выражать недовольство продуктами компании на просторах интернета. Очевидно, что с наличием контрольного слова поиск и обработка отзывов, оставленных во всемирной паутине, будут занимать намного меньше времени. Благодаря чему отдел качества сможет быстрее получать обратную связь от пользователей, и данные станут точнее. Наличие такого слова-метки в интернет-публикациях – бесценная находка для компании, позволяющая действительно улучшить выпускаемые ею продукты за счет анализа огромного количества реальных откликов.

К слову, обычно небольшие компании, у которых еще нет наработок в области искусственного интеллекта, используют сервисы «Google Alerts» или «Яндекс.Медиана» для обнаружения в интернете с помощью контрольных слов отзывов о своих товарах. Такие сервисы автоматически отправляют пользователю уведомление на почту, если в глобальной сети появляется заданное контрольное слово. То есть если у вашего товара достаточно уникальное название, можно настроить отслеживание прямо по нему и собирать обратную связь. Полученные отзывы необходимо классифицировать на положительные и отрицательные, определяя в каждом, какое преимущество или недостаток продукта озвучены как основные. В небольшой компании с этим может справиться один человек, но с ростом популярности продукта приходится создавать свой машинный интеллект для столь кропотливой и нудной работы. В любом случае без обработки и сбора больших данных по комментариям пользователей невозможно улучшить продукт и удовлетворить клиентов.