IFS har hållit sitt årliga event IFS Connect Nordics. I år på spektakulära World of Volvo i Göteborg.
Ett starkt tema på årets upplaga var industriell AI, särskilt AI-agenter och digitala medarbetare som snabbt håller på att bli en viktig konkurrensfördel bland företag inom tillverkning, energi, bygg och anläggning, telekom, flyg- och försvarssektorn samt transportindustrin.
Det finns AI-agenter för en rad olika funktioner. De övervakar och nu räcker det inte med att de föreslår åtgärder utan de kan också fatta beslut och utföra uppgifter. Ju mer de används, desto bättre blir de på att hantera olika rutinärenden. De avlastar människorna som i stället kan ägna sin kraft åt strategi och innovation.
– De digitala medarbetarna behöver precis som andra nyanställda läras upp, säger Somya Kapoor, CEO för IFS Loops som tillhandahåller AI-agenterna. Digitala medarbetare kan exempelvis användas för orderhantering. De läser av de ordrar som mejlas in till företaget och hanterar dem.
Somya Kapoor berättar om IFS Loop Studio
– I början kan det gå lite knackigt. Ordrar kan sakna uppgifter som faktureringsadress. Som alla juniora medarbetare behöver AI-agenten fråga sin mänskliga kollega hur ordern ska hanteras för att få veta var i systemet kundens adress är sparad sedan tidigare. Men snart vet AI-agenten hur ordern ska hanteras och kan självständigt besluta om åtgärd tillexempel att packa, skicka och fakturera.
Hon framhåller att AI-agenterna är den nya verkligheten som företagen behöver förhålla sig till. De digitala medarbetarna är kvar och jobbar när övriga medarbetare gått hem. På det sättet står företaget aldrig stilla, allt rutinarbete blir gjort trots helger, semestrar och sjukledigheter.
– Den som inte förstår vad som sker tappar i konkurrenskraft, säger hon.
Nästa steg i utvecklingen är IFS Loops Agent Studio, ett verktyg som gör det möjligt för företag att själva skapa och anpassa digitala medarbetare efter sina egna behov och processer.
En annan intressant nyhet är IFS Nexus Black – ett startup-företag inom det stora företaget som arbetar med att utveckla digitala medarbetare för industrin. Till skillnad från IFS Loops arbetar Nexus Black med betydligt mer komplexa processer. CEO är Kriti Sharma, en internationellt erkänd AI-expert, teknikstrateg och förespråkare för etisk AI-utveckling. Med stor entusiasm berättar hon om hur AI-baserade lösningar utvecklas för att stödja tung industri:
Nexus Black är ute på industrierna och lär AI fånga de erfarna medarbetarnas förtrogenhetskunskap.
– För att kunna utveckla fungerande AI‑lösningar som verkligen gör nytta i verksamheten behöver vi lära känna företagen på djupet, förstå hur de arbetar och vilka problem som uppstår i den dagliga driften. Industriföretag brottas i dag både med kompetensbrist och genreationsskiften, samtidigt som kraven på effektivitet och tillgänglighet ökar. Därför blir det viktigt att ta tillvara den kunskap och erfarenhet som finns i verksamheten och omsätta den i AI-stöd som kan användas direkt i arbetet.
IFS Nexus Blacks metod är att bokstavligen bosätta sig vid företaget, följa arbetet noga, låta medarbetarna på företaget lämna så mycket kunskap det bara går. Det kan vara subtila saker som hur ett tränat öra kan höra att en maskin inte låter som den ska utan visar tecken på begynnande slitage. Den typen av insikter är värdefulla när AI‑lösningar utformas för att stödja underhåll, planering och drift..
– Det kan tyckas som ett omständligt sätt att jobba men i praktiken är det ett snabbt och effektivt sätt att säkerställa att lösningarna fungerar i verklig drift, säger hon.
Samtidigt behöver arbetet inte börja om från noll för varje ny kund. Verkstadsindustrier, kärnkraftverk och vindkraftsanläggningar liknar varandra så pass mycket att de kunskaperna är överförbara.
Många fruktar att AI ska göra mänskliga medarbetare överflödiga.
Varken Somya Kapoor eller Kriti Sharma ser det som stora problem inom de industrisektorer där IFS huvudsakligen verkar. Snarare ser de AI-tjänster som nödvändiga för att möta kompetensbristen inom industrin. Något som Jonatan Gustafsson på Electronics Manufacturing Services (EMS) -företaget Kitron Group kunde vittna om:
– Vi har jättesvårt att hitta folk och behöver därför komma på nya sätt att arbeta. En digital medarbetare är som en ny kollega att lära upp från start. Det har gått snabbt att integrera digitala medarbetare och våra mänskliga medarbetare har visat stort engagemang, säger han, för då kan de fokusera på de svårare uppgifterna.
Dan Matthews, teknisk chef på IFS, förklarar skillnaden mellan en digital medarbetare och en industrirobot:
– Industriroboten tar inte självständiga beslut.
På scenen visar han upp ett intressant exempel på hur människor, digitala medarbetare och robotar kan samarbeta: Emma,erfaren servicetekniker på medicinteknikföretaget Medisolv, åskådliggör hur ett fel i en förpackningsmaskin upptäcks och åtgärdas snabbt och effektivt:
Maskinen indikerar att något är fel – ytan är varm. Maskinen behöver kollas upp, snabba åtgärder krävs, för om förpackningslinjen inte fungerar som den ska påverkar det hela den globala värdekedjan.
Emma har två möjligheter – antingen låta en mänsklig medarbetare kolla upp maskinen eller låta AI-agenten kolla. AI-kollen går snabbare. AI konstaterar vilken del som behöver bytas, beställer reservdelen, kan historiken och vet att delen fungerade utan anmärkning vid senaste inspektionen. AI har också koll på scheman och kan avgöra när bytet bör ske i tid, exempelvis påföljande dag klockan 14.00. Ett byte kan göras av en tekniker, men om det är en del som sitter på ett ställe som är svårt för en människa att arbeta i kan arbetet också utföras av en robot. Den mänskliga serviceteknikern utför arbetet på den utsatta tiden, men konstaterar också att en annan del börjar se sliten ut. AI-agenten får informationen och noterar att detta behöver åtgärdas och skriver en artikel inför nästa inspektion.
När IT-Kanalen får en pratstund med Dan Matthews förklarar han att många industriföretag är beredda att använda AI i stor skala men att förutsättningarna varierar:
– För att kunna implementera AI på ett sätt som gör verklig nytta måste företaget sedan länge ha rejäla avrapporteringar om vad som har krävt åtgärd och vilka åtgärder som vidtagits. Ett företag där teknikerna bara rapporterat ”Fixat” när de avhjälpt ett fel har inte mycket att träna upp sin AI på. AI-agenter får heller inte bli något som trycks på medarbetarna uppifrån. Man behöver arbeta med teamen ett i taget för att de ska lära upp sina AI-agenter och verkligen själva uppleva nyttan och förhoppningsvis inspirera övriga team på företaget, säger han.
