Üretken yapay zeka – veya Gen AI – otomotiv sektörünün birçok alanına girecek. Ancak önemli ölçüde fark yaratacağı nokta, tam da üreticilerin işleri optimize etmek ve kâr elde etmek için mücadele ettiği sektördeki yeni mesleklere neler getirebileceği olacak.
“2023 verimlilik yılı olmalı” Geçtiğimiz Mart ayında Volkswagen’in finans direktörü tarafından açıklanan slogan, otomobil sektörünün tüm tarihi oyuncuları tarafından pekala benimsenebilir. Bu olgun, karmaşık ve rekabetçi piyasada, işletme marjları baskı altındadır ve yeni pazar payları sayesinde mevcut ilerleme kapasiteleri sınırlıdır.
Üreticiler orta vadedeki büyüme faktörlerini zaten net bir şekilde belirlediler ancak yakın gelecekte finansal sağlamlıklarını korumak için verimlilik puanları kazanmaları hayati önem taşıyor. Son aylarda tam bir kuantum sıçraması yaşayan Yapay Zeka Kuşağı, bu arayışta değerli bir müttefik olduğunu kanıtlayabilir.
Yeni ekonomik verimlilik
Yapay zeka otomotiv endüstrisinde yeni değilse, genAI yeni ve çok boyutlu bir esneklik getiriyor: Yetenekleri ve sorunlara yaklaşma şeklini artırarak, daha önce ulaşılamayan denklemlerin çözülmesini mümkün kılabiliyor ve böylece yeni ekonomik verimliliğin anahtarları.
Somut olarak bu, tüm endüstride sistematik bir devrimle sonuçlanmayacak, daha ziyade belirli alanların optimizasyonunda benzeri görülmemiş ilerlemelerle sonuçlanacak. Örneğin bu sektörde önemli bir işlev olan satın alma yönetimi. İçeriği analiz etme ve üretme yeteneği, onu sözleşme taslakları, ihale çağrıları ve kategori stratejileri hazırlamak, orijinal kaynak bulma planları tasarlamak ve hatta insanların düşünemeyeceği gruplamalar önermek için çok güçlü bir araç haline getiriyor. Zamandan tasarruf, yeni bir vizyon ve alıcıların pazarlığa daha iyi konsantre olmalarını sağlar.
Yenilik için test paradigmasını değiştirme
Bir diğer önemli boyut: genAI, fabrikaların daha iyi yaratılmasına yardımcı olabilir. Yeni hatlar üretin, mevcut olanları hızlı bir şekilde uyarlayın… Günümüzde operasyonlar uzun ve karmaşıktır, özellikle de montaj robotlarına yeni davranışları öğretmek için kullanılan tekniklerin yavaş olması ve genellikle basit görevlerle sınırlı olması ve çok denetlenen ortamlarda gerçekleştirilmesi nedeniyle. Yeni bir montaj hattı kurmak, karmaşık kodların zaman alıcı bir şekilde yazılmasını ve/veya davranışları programlamak için deneme-yanılma döngülerinin kapsamlı bir şekilde kullanılmasını gerektirir. Toyota Araştırma Enstitüsü yakın zamanda bu konuda, robotlar için büyük dil modellerine (“LLM”) benzer “büyük davranış modelleri” (“LBM”) oluşturmayı mümkün kılan, insan örneğiyle öğrenme yöntemini duyurdu. Konuşmaya dayalı yapay zekada devrim yarattı.
Yenilikleri pazarlama süresini kısaltın
genAI aynı zamanda yeniliğe de kanat açabilir. Otomobil endüstrisinde fikir sıkıntısı yok ancak gelişmelerin test edilmesi uzun ve pahalı. genAI, sentetik veriler ve gerçeğe yakın “test” ortamları üreterek mevcut kaynakları on kat artırır.
Sürekli test etmesi ve öğrenmesi gereken otonom araçlara örnek. genAI, şu anda tabi olduğu kültürel ve düzenleyici engelleri sınırlandırarak bu alanda ilerlemeyi mümkün kılacaktır. Üretken yapay zeka ile artık, özellikle Avrupa’da, her zaman arabanın bulunmasının istenmediği yollarda arabayı terk etmeye gerek yok.
Aynı doğrultuda genAI, yeni malzemeler ve sentetik yakıtlar üzerine yapılan araştırmalar hakkında farklı düşünmeyi mümkün kılabilir. Günümüzde testlerin zahmetli bir şekilde yapılmasının gerekli olduğu durumlarda, malzemeler arası yeteneklerin çok daha hızlı tespit edilmesi ve sınırlı miktar ve kullanılabilirlikteki kaynakların optimize edilmesi mümkün olacaktır.
Dahası, büyümeyi sağlayacak itici güçler arayışında olan üreticiler, yavaş yavaş, yeni bir araç piyasaya sürmek zorunda kalmadan yeni özelliklerin pazarlanmasını mümkün kılan yazılım üreten “teknoloji” şirketleri haline geldi. Bu onları çeşitli zorluklarla karşı karşıya bırakıyor: gergin bir piyasada geliştiricileri işe almak, ortaklıklar kurduklarında son müşteriyle teması kaybetmek (aracılığı ortadan kaldırmak), iki kültürün bir arada var olmasını sağlamak, teknolojiye çok az yer bırakan otomobil sorunu. Geliştirmede ortak pilot çalışma ve tek bir dilin paylaşılmasını vaat eden genAI, iki dünyanın birbirini daha iyi anlamasını sağlayarak ve üreticileri büyük teknoloji oyuncularına daha az bağımlı hale getirerek işleri kolaylaştırmalı.
Yabancı dünyaları bir araya getiriyoruz
genAI’nin otomobil endüstrisindeki potansiyeli etkileyicidir. Ancak kullanım senaryolarının tasarlanması nispeten kolay olsa da bunları uygulamak başka bir hikaye.
Tüm zorluk genAI’nin operasyonelleştirilmesinde olacaktır: akıllı modellerin rasyonelleştirilmesi ve geçici mimarilerin uygulanması, niteliksel verilerin optimal bir güvenlik çerçevesinde sağlanması. Sonunda yapay zekayı kurumsal ortama entegre edin, en uygun modelleri bulun, sistemlerin bir arada var olmasını sağlayın… Ve üreticinin kurum kültürü ile start-up’ların teknolojileri için kaçınılmaz olarak başvurulacak teknik olanaklarını bir araya getirmeyi başarın.
Üretken yapay zeka, doğal dili kullanma ve üretme ve toplu verileri sentezleme yetenekleriyle durumu basitleştirir ve bazen birbirini anlamakta zorluk çeken dünyaların birlikte daha iyi çalışmasına olanak tanır. Çok eksik olduğu yerde akışkanlığı devreye sokuyor ve sonuç olarak ortaya çıkacak ihtiyaçlara ve fırsatlara göre kaynakların daha iyi tahsis edilmesine olanak tanıyor.
İyi kullanıldığında genAI, daha önce aşılamaz olan optimizasyon engellerini ortadan kaldırabilir ve üreticilere, gelişmeye devam etmek için çaresizce ihtiyaç duydukları değerli üretkenlik noktalarını sunabilir. Onu pragmatizm ve çeviklikle nasıl kullanacağını bilen herkes şüphesiz başarılı olacaktır.