Οταν ένας πελάτης καλεί το τηλεφωνικό κέντρο μιας εταιρείας για να λύσει ένα πρόβλημα ή να ζητήσει διευκρινίσεις, αγνοεί πως, μόλις κλείσει το τηλέφωνο, ένα σύστημα έχει ήδη καταγράψει και αναλύσει το συναίσθημα που κυριάρχησε στη συνομιλία. Για τον ίδιο, η αίσθηση αυτή μπορεί να είναι στιγμιαία. Για την εταιρεία όμως η θετική ή αρνητική της χροιά μετατρέπεται σε ένα διαχρονικό εργαλείο για τη βελτίωση των υπηρεσιών της. Και αυτό είναι μόνον ένα από τα παραδείγματα του πώς η τεχνητή νοημοσύνη επαναπροσδιορίζει σήμερα τη λειτουργία των επιχειρήσεων. «Η τεχνητή νοημοσύνη θα κρίνει την ανταγωνιστικότητα πολύ πιο γρήγορα από όσο φανταζόμαστε. Και αυτό αφορά το σύνολο της αγοράς καθώς επηρεάζει όλες τις λειτουργίες τους». Με αυτή τη φράση ο πρόεδρος του ΣΕΒ Σπύρος Θεοδωρόπουλος θέλησε να υπογραμμίσει την ανάγκη ενσωμάτωσης καινοτόμων τεχνολογιών στην επιχειρηματικότητα κατά την εναρκτήρια ομιλία του για τις εργασίες του συνεδρίου «AI στην πράξη» που διοργάνωσε πρόσφατα για πρώτη φορά ο ΣΕΒ. Στο συνέδριο, εκπρόσωποι επιχειρήσεων παρουσίασαν χειροπιαστά παραδείγματα για το πώς αξιοποιούν την τεχνητή νοημοσύνη και τι οφέλη έχουν αποκομίσει μέχρι σήμερα. Πρόκειται στην πλειονότητά τους για μεγάλες και εδραιωμένες εταιρείες, οι οποίες δείχνουν τον δρόμο προς τις μικρότερες. Η «Κ» παρουσιάζει ορισμένες από τις πιο χαρακτηριστικές εφαρμογές που αναλύθηκαν στο συνέδριο και αξίζει να κρατήσει κανείς.
Η τεχνητή νοημοσύνη θα κρίνει την ανταγωνιστικότητα πολύ πιο γρήγορα από όσο φανταζόμαστε στο σύνολο της αγοράς, τονίζει ο πρόεδρος του ΣΕΒ Σπ. Θεοδωρόπουλος.
Motor Oil: Αναλύοντας το συναίσθημα στη συνομιλία
Μέχρι πριν από περίπου ένα χρόνο, το τηλεφωνικό κέντρο της Energy, θυγατρικής εταιρείας ηλεκτρικής ενέργειας και φυσικού αερίου του ομίλου Motor Oil, λειτουργούσε με τον παραδοσιακό τρόπο. Αυτό όμως άλλαξε ριζικά όταν η εταιρεία ενσωμάτωσε λύσεις τεχνητής νοημοσύνης στην εξυπηρέτηση πελατών. Με πάνω από 35.000 κλήσεις τον μήνα και έναν τεράστιο όγκο δεδομένων που μέχρι τότε έμενε ανεκμετάλλευτος, η Energy υιοθέτησε ένα σύστημα που μετατρέπει κάθε κλήση σε κείμενο, δημιουργεί περιλήψεις και εφαρμόζει ανάλυση συναισθήματος και συμμόρφωσης με τα σενάρια επικοινωνίας. Ολες οι πληροφορίες αποθηκεύονται, προσφέροντας στους υπεύθυνους της εξυπηρέτησης μια εντελώς νέα εικόνα για την εμπειρία του πελάτη. Το σύστημα παρακολουθεί τη συναισθηματική πορεία της συνομιλίας και αποκαλύπτει κατά πόσο ο εκπρόσωπος ανταποκρίθηκε στις ανάγκες του πελάτη. Κάθε τηλεφώνημα βαθμολογείται με τρία διαφορετικά σκορ: θετικό, αρνητικό και ουδέτερο συναίσθημα. Οσο για το κόστος της εφαρμογής, αν και αρχικά ήταν υψηλό, σήμερα ανέρχεται σε 0,15 ευρώ ανά κλήση. Το σημαντικότερο, όπως ανέφερε ο Ιάσων Ορφανίδης, διευθυντής Νέων Τεχνολογιών και Λιανικής της Motor Oil, είναι ότι πλέον αναλύεται το 100% των κλήσεων, αντί για δειγματοληπτικό έλεγχο. Ετσι, οι επικεφαλής ομάδων διαθέτουν ένα ισχυρό εργαλείο παρακολούθησης και βελτίωσης της εξυπηρέτησης, μετατρέποντας το τηλεφωνικό κέντρο σε κόμβο στρατηγικής πληροφορίας, με εφαρμογές και σε άλλες επιχειρησιακές λειτουργίες.
Coca-Cola HBC: «Ψηφιακό δίδυμο» στην παραγωγή
Ενα από τα πιο φιλόδοξα εγχειρήματα ψηφιακού μετασχηματισμού στη βιομηχανία τροφίμων και ποτών υλοποιεί η Coca-Cola HBC. Με περισσότερους από 1.700 εργαζομένους και τέσσερα εργοστάσια στη χώρα, ο όμιλος ενσωμάτωσε την τεχνητή νοημοσύνη στην παραγωγική διαδικασία μέσω της εφαρμογής Ψηφιακό Δίδυμο (digital twin). Πρόκειται για ένα εικονικό αντίγραφο του φυσικού εργοστασιακού περιβάλλοντος, το οποίο αντλεί και επεξεργάζεται δεδομένα από τις γραμμές παραγωγής και τον εξοπλισμό. Χάρη στη μηχανική μάθηση και στα advanced analytics, η πλατφόρμα εντοπίζει αποκλίσεις από την προβλεπόμενη απόδοση σε κάθε στάδιο της παραγωγικής αλυσίδας. Για παράδειγμα, σε ό,τι αφορά την κατανάλωση ενέργειας, μπορεί να εντοπίσει την οποιαδήποτε διακύμανση με ακρίβεια σε επίπεδο λεπτού, κάτι που επιτρέπει στη διοίκηση να λαμβάνει πιο γρήγορες και πιο στοχευμένες αποφάσεις. Οπως ανέφερε η Ελένη Παπαθανασοπούλου, Digital & Technology Platform Director στην Coca-Cola HBC, το πρόγραμμα, που ξεκίνησε πιλοτικά σε μικρή κλίμακα, έχει οδηγήσει ήδη σε μείωση της ενεργειακής κατανάλωσης κατά 9%, ενώ η Coca-Cola HBC σχεδιάζει μέχρι το 2027 να έχει επεκτείνει την τεχνολογία σε όλες τις 51 γραμμές παραγωγής του ομίλου.
Uni-Pharma: Εργαλείο ανάπτυξης νέων προϊόντων
Ενας ιστορικός ελληνικός φαρμακευτικός όμιλος με παρουσία άνω των 60 ετών, η Uni-Pharma, επενδύει συστηματικά στην καινοτομία και πλέον αξιοποιεί την τεχνητή νοημοσύνη για να επιταχύνει και να βελτιστοποιήσει τον σχεδιασμό νέων προϊόντων. Ενα τέτοιο παράδειγμα αποτελεί η διαδικασία για την ανάπτυξη ενός νέου αντηλιακού, το οποίο εκτός από τη βασική του ιδιότητα, που είναι η προστασία από τον ήλιο, πρέπει να συγκεντρώνει και άλλα κρίσιμα χαρακτηριστικά όπως η υφή και το άρωμα, τα οποία καθορίζουν την αποδοχή του από τον καταναλωτή. «Οταν, για παράδειγμα, το τμήμα Ερευνας & Ανάπτυξης (R&D) αναλαμβάνει να αναπτύξει ένα νέο αντηλιακό με συγκεκριμένο δείκτη SPF, έτοιμο για παραγωγή μέσα σε έξι μήνες, η συμβολή της τεχνητής νοημοσύνης και πιο συγκεκριμένα της πλατφόρμας Loominus Studio γίνεται καθοριστική», ανέφερε χαρακτηριστικά ο Σπύρος Κίντζιος, διευθυντής Επιχειρηματικής Ανάπτυξης της Uni-Pharma. Η πλατφόρμα, την οποία χρησιμοποιεί ακόμα και ένας entry-level ερευνητής, βασίζεται σε τρία στάδια: το πρώτο αφορά στην εκπαίδευση του ψηφιακού βοηθού με δεδομένα, το δεύτερο στη μείωση του πειραματικού χώρου, μέσω της επιλογής κρίσιμων παραμέτρων της σύνθεσης και το τρίτο στον προσαρμοσμένο πειραματισμό, με τη διεξαγωγή συγκεκριμένου αριθμού δοκιμών στο εργαστήριο ώστε να εντοπιστεί η βέλτιστη σύνθεση. Το αποτέλεσμα είναι εντυπωσιακό καθώς με μόλις 15 πειράματα, η ομάδα μπορεί να καταλήξει σε δύο optimal συνταγές που πληρούν τα αισθητικά, λειτουργικά και χρονικά κριτήρια που έχει θέσει η εταιρεία.
Metlen: Προβλέψεις των τιμών της ενέργειας
Στην τεχνητή νοημοσύνη στράφηκε ο όμιλος Metlen για την πρόβλεψη των τιμών ενέργειας στη χονδρεμπορική αγορά, αυτοματοποιώντας μια διαδικασία που μέχρι πρότινος βασιζόταν σε μεγάλο βαθμό στη χειροκίνητη επεξεργασία δεδομένων. «Χρησιμοποιούσαμε εκατοντάδες χιλιάδες ωριαία δεδομένα, τα οποία συλλέγαμε από πολλαπλές πηγές, όπως στοιχεία για τη θερμοκρασία, την ένταση του ανέμου και την ηλιοφάνεια, όχι μόνο από τα δικά μας συστήματα αλλά και από όλα τα διασυνδεδεμένα, καθώς η αγορά ενέργειας είναι πλέον πλήρως ενοποιημένη. Η τιμή στη Γερμανία, στη Γαλλία ή στην Ιταλία μπορεί να επηρεάσει και την ελληνική αγορά, έστω και για λίγες ώρες», ανέφερε ο Δημήτρης Σιμόπουλος, Head of Thermal Asset Optimization της Μ Energy Generation & Management, μέλος του ομίλου Metlen.Ολα αυτά τα δεδομένα έπρεπε να συλλεχθούν, να καθαριστούν και να εισαχθούν σε ένα ενιαίο σύστημα, ώστε να αξιοποιηθούν για την πρόβλεψη των ωριαίων τιμών. Με την ενσωμάτωση προηγμένων αλγορίθμων μηχανικής μάθησης, η διαδικασία αυτοματοποιήθηκε και το σύστημα προβλέπει πλέον τις ωριαίες τιμές ενέργειας για 12 ευρωπαϊκές χώρες, έως και 31 ημέρες μπροστά. «Η δύναμη της τεχνητής νοημοσύνης είναι ότι, εφόσον ορίσεις σωστά τις μεταβλητές που σχετίζονται με αυτό που θέλεις να προβλέψεις, μπορείς να εκπαιδεύσεις το μοντέλο ώστε να παράγει συνεχώς αυτόματες, αξιόπιστες προβλέψεις, χωρίς την ανάγκη ανθρώπινης παρέμβασης», κατέληξε ο κ. Σιμόπουλος.
Με τη βοήθεια της ΑΙ το σύστημα της Metlen προβλέπει πλέον τις ωριαίες τιμές ενέργειας για 12 ευρωπαϊκές χώρες, έως και 31 ημέρες μπροστά.
Archirodon: Γρήγορη αναζήτηση πληροφορίας
Η κατασκευαστική εταιρεία Archi-rodon κλήθηκε να αντιμετωπίσει ένα σύνθετο πρόβλημα που προέκυψε από το τεχνικό της τμήμα, το οποίο εδρεύει στην Αθήνα: την αξιολόγηση ενός μεγάλου αριθμού προσφορών για έργα που επιδιώκει να συμμετέχει μέσω διαγωνισμών, σε συνδυασμό με την ανάγκη άμεσης ανταπόκρισης σε τεχνικά ερωτήματα από υφιστάμενα έργα, που προέκυπταν στα εργοτάξια. Το κοινό στοιχείο σε αυτές τις διαδικασίες ήταν ο τεράστιος όγκος τεχνικής τεκμηρίωσης. Κάθε έργο συνοδεύεται από εκατοντάδες αρχεία, πολλά εκ των οποίων ξεπερνούν τις 300 σελίδες, με προδιαγραφές που θέτουν οι εκάστοτε πελάτες. Μέχρι πρότινος, η αναζήτηση των απαραίτητων πληροφοριών γινόταν μέσω απλών λέξεων-κλειδιών, μια χρονοβόρα και συχνά αναποτελεσματική διαδικασία. Αναζητώντας λύση, η Archirodon απευθύνθηκε στη Microsoft, η οποία συνέβαλε στην επιλογή της κατάλληλης τεχνολογίας. Το αποτέλεσμα ήταν η ανάπτυξη ενός ψηφιακού βοηθού βασισμένου στην τεχνητή νοημοσύνη, ο οποίος καθοδηγεί τον χρήστη στην εύστοχη και γρήγορη ανάκτηση της πληροφορίας μέσα από ογκώδη τεχνικά έγγραφα.
«Ξεκίνησε ως ένα πείραμα AI, αλλά τελικά άλλαξε την εσωτερική κουλτούρα μας. Πλέον, εργαζόμαστε με πιο έξυπνο, αποδοτικό και μεθοδικό τρόπο», σχολίασε ο Κωνσταντίνος Καφούρος, IT Operations Manager της Archirodon.
