میشلن، رهبر لاستیک در جهان است اما عملکرد فوق‌العاده او بر تحولات دیجیتال استوار است. در همین‌زمینه سایت «republik-it.fr» که درزمینه علوم رایانه و هوش مصنوعی فعالیت می‌کند، با ایو کازئو؛ مدیرارشد تحولات دیجیتال کمپانی میشلن گفت‌وگویی انجام داده است که در ادامه می‌خوانید.
پیش‌از هر چیز گروه میشلن در بازار جهانی چه چیزی را نمایندگی می‌کند؟
میشلن با ۲۸.۵۹ میلیارد یورو گردش مالی و ۱۲۰هزار کارمند در سراسر جهان ازجمله پیشگامان صنعت تایر است. به‌طور خلاصه میشلن فراتر از یک کمپانی و تایرساز است. وقتی می‌گوییم «لاستیک»، در واقع در مورد انواع مختلف آنها صحبت می‌کنیم یعنی خودرو، کامیون، دوچرخ‌ها، هواپیما، حتی تجهیزات ساختمانی یا معدن… که اساسا باعث رشد ما می‌شوند. البته چند شرکت را هم خریداری کرده‌ایم.
ازسوی‌دیگر پیشرفت‌هایی هم در زمینه ارائه خدمات در بخش مدیریت ناوگان یا بهینه‌سازی جاده برای کاهش تصادفات انجام داده‌ایم.
اما نکته مهم این است که امیدواریم تکنولوژی دیجیتال؛ جان تازه‌ای به مجموعه بدهد، البته از نظر گردش مالی، این یک فعالیت کوچک است. بخش دیگر فعالیت ما متمرکز بر ترکیبات شیمیایی پلیمرها و کامپوزیت با کارایی بالاست.
دلیل کیفیت بالای لاستیک‌های میشلن همین تسلط بر شیمی است. از این فرمول امروزه در کشتی‌ها، محصولات زیست‌پزشکی و غیره کاربرد دارند. البته سرمایه‌گذاری مشترکی هم با Faurecia داریم تا فعالیت خود را توسعه دهیم.
در کنار حضور جهانی و فعالیت‌های متنوع؛ فناوری اطلاعات، داده‌ها و عملکردهای دیجیتال چگونه سازماندهی می‌شوند؟
امروزه ما یک راهبرد واحد جهانی داریم. البته کمتر از سه سال پیش این فعالیت‌ها را در بخش فناوری اطلاعات گروه‌بندی کردیم. امروزه این بخش شامل ۴هزار نفر است. ابتدا بخش دیجیتال تاسیس شد اما به سرعت تکمیل شد و دیگر نیازی به تجمیع‌داده‌ها نیست. در درواقع پیش‌نیاز فنی داده‌ها فناوری اطلاعات است.
تا زمانی که توابع با هم جمع شدند، بخش BI/AI در کمون دیجیتال بود. IS میشلن جهانی است. درواقع بسیاری از کسب‌وکارها تیم‌های اختصاصی هم برای بخش نرم‌افزار دارند، هم برای در فعالیت‌های بزرگ و هم در واحدهای جانبی کوچک مانند بخش خدمات، Viamichelin و غیره.
معیار اصلی ساختار معماری میشلن چیست؟
به‌آرامی Move۲Cloud را انجام می‌دهیم. ابتدا به دنبال یک‌فضای ابری هستیم، چون میراث مهمی داریم. آنچه مسلم است باید بعضی داده‌ها حفظ کنیم و برخی را به‌صورت پیش‌فرض نگه داریم. مالکیت معنوی، انعطاف‌پذیری استراتژیک، واکنش درست و از همه مهم‌تر حفظ محرمانه آنها بسیار مهم است. باید مهارت‌های مدیریت IT را در داخل خود حفظ کنیم.
امروزه، به استثنای SaaS، فناوری اطلاعات ما حدود ۲۰درصد در فضای ابری است، عمدتا در Microsoft Azure، اما یک AWS کوچک نیز وجود دارد. در واقع با مایکروسافت شراکت داریم.
هنگامی که حجم IaaS را می‌خواهید، به نفع شماست که چنین توافقی با یک شریک واحد داشته باشید. البته برای نیازهای خاص، بهترین‌ها را در اختیار داریم.
در حال حاضر، یک ERP داخلی نیز از Oracle داریم. ازسوی‌دیگر درحال برنامه‌ریزی برای بازنگری کلی فضای ابری طی پنج سال هستیم. از چند SaaS استفاده می کنیم مانند Workday،Salesforce و برای زنجیره تامین، هم از راه‌حل JD Edwards سود می‌بریم. ما یک فرهنگ بسیار قدیمی داریم به‌نام کار ترکیبی که بعد از دوران کووید تقویت شده به‌این شکل که می‌توانید سه‌روز دورکار و دو روز نیز در دفتر باشید. اما برای عملکردهای اساسی، ما به راه‌حل‌های «خارج از قفسه» متوسل می‌شویم.
برعکس، وقتی به یک راه حل متمایز نیاز داریم، مثلاً از نظر علم داده یا الگوریتم‌های تحقیق و توسعه، بیشتر در حالت «ساخت» هستیم تا «خرید» شاید جاه‌طلبی ما این است که می‌خواهیم «نرم‌افزارمحور» باشیم.
درست است که تایر می‌فروشیم اما کیفیت عملکرد به برتری ما در نرم‌افزار بستگی دارد. پنج سال پیش یک استراتژی برای مجموعه تعریف کردیم. پیش‌ازهرچیز کیفیت خدمات قرار دارد.
سپس می‌خواهیم از شر بدهی‌های فنی خلاص شویم و به‌روز باشیم. به‌همین‌دلیل شیوه داده‌محور بودن را اتخاذ می‌کنیم. البته، چند دهه است که براساس داده‌ها تصمیم می‌گیریم.
همچنین می‌خواهیم سیستم به سیستم مجموعه را توسعه دهیم و البته روابط شفافی با شرکای خود و حرکت از EDI به APIها داشته باشیم. وقتی فعالیت B۲B۲C داریم، توزیع‌کنندگان می‌خواهند بتوانند از سیستم های خود استفاده کنند و از طریق API به سیستم ما دسترسی داشته باشند. درنتیجه ما بر تجربه کاربر تمرکز می‌کنیم و سیستم‌ها را مانند یک شرکت مهندسی می‌سازیم ولی باید سهولت استفاده و ارگونومی آنها را بهبود بخشیم.
شما به‌عنوان یک صنعتگر آیا یک سیستم صنعتی جدا از سیستم مدیریت دارید؟
پیش از این، فناوری اطلاعات صنعتی (OT) را در کنار فناوری اطلاعات داشتیم. اما از سه سال پیش یک تغییر اساسی را پذیرفتیم به‌خصوص در لایه‌های پایین (به ویژه سخت‌افزار) که درحال‌حاضر فعالیت‌ما با تکیه‌بر فناوری اطلاعات است اما لایه‌های بالایی (نرم‌افزار) همچنان توسط خطوط تجاری مدیریت می‌شوند.
ولی نکته بسیار مهم در این بخش، امنیت‌سایبری است زیرا با یک اشتباه می‌توانید میشلن را بکُشید. برای جلوگیری از اتفاقات ناگوار پیش‌از هر اقدامی OT روی رایانه‌های شخصی استاندارد نصب شد.
به طور خلاصه، ما به فناوری اطلاعات مدرنِ واقعی نیاز داریم. لایه‌های زیرین باید از بتن ساخته شوند تا از نشتی مانند جلوگیری شود. زیرساخت‌ها تقسیم‌بندی شده‌اند اما به‌هرحال قوانین برای امنیت سایبری دست‌وپاگیر هستند.
صنعت فرآیندهای سنگینی دارد. آیا برای چابک‌سازی باید آنها را کنار بگذاریم؟
چابک‌سازی زمانی اتفاق می‌افتد که بدانیم دقیقا به چه چیزی نیاز داریم تا تصمیمات درست اتخاذ شوند. در صورت تحقق این مهم، چابک‌سازی می‌تواند در صنعت اتفاق بیفتد. به‌عنوان‌مثال، وقتی یک نوار نقاله یا یک ربات را در کارخانه نصب می‌کنید، این چابکی چیزی به ارمغان نمی‌آورد. بنابراین نیاز به همزیستی بین فرآیندهای چابک و غیرچابک وجود دارد.
برای مشتریان حرفه‌ای B۲B خود، به جای فروش لاستیک، خدماتی را ارائه کرده‌اید. این اقدام برای IT چه معنایی دارد؟
پیشنهاد ما بر اساس سه نکته است. اول از همه، تایر که همچنان به عنوان یک محصول وجود دارد. بنابراین طرح «پیشنهاد تایر» به عنوان یک سرویس را ارائه کرده‌ایم یعنی تایرهای پیشنهادی را اجاره می‌دهیم. این طرح شامل هواپیماها (با دریافت هزینه برای تعدادی از فرودها) و برای کامیون‌ها (با قیمت هر تن/کیلومتر حمل و نقل) است. در اقدام بعدی، جعبه‌های الکترونیکی را برای مدیران ناوگان برای استفاده بهتر بهینه‌سازی می‌کنیم.
البته در بخش فناوری اطلاعات، لازم است پلت‌فرم‌های خدماتی بسازید و داده‌های مفید را جمع‌آوری کنید. به‌عنوان‌مثال دوربین‌هایی را زیر کامیون‌ها قرار می‌دهیم تا با استفاده از آنها، کیفیت جاده و در نتیجه فرسودگی لاستیک‌ها را تخمین بزنیم. چنین فرآیندی از توقف غیرضروری کامیون یا دستکاری تایر جلوگیری می‌شود. اما آنچه این ویژگی‌های جدید را مشخص می‌کند، هوش مصنوعی است. با تکیه بر هوش مصنوعی کنترل کامل بر رفتار تایرهای خود داریم البته باید اطلاعات مربوط به تایرها را بازیابی کنیم.
به‌طور سنتی برای مردم، در زمینه توزیع غیرمستقیم یک B۲B۲C هستید. آیا داده‌های مشتری B۲C نیز برای شما وجود دارد؟ در این صورت چه استفاده‌هایی از آن دارید؟
تجهیزات اصلی (OEM) همیشه از طریق تولیدکنندگان انجام می‌شود، بنابراین در B۲B۲C و برای مدت طولانی مشتریان ما خودشان لاستیک خودرو را جایگزین می‌کنند. حتی به طور فزآینده دنبال ارتباط مستقیم با رانندگان هستیم. به‌عنوان‌مثال، در بریتانیا، Black Circle را خریداری کردیم که در فروش آنلاین تایر تخصص دارد.
صادقانه بگویم ما در ابتدای این راهیم اما به دنبال توسعه آن هم هستیم، به ویژه از طریق دیجیتال. در چین و ایالات متحده شروع به شناسایی مشتریان واقعی و توسعه برنامه‌های خود کرده‌ایم. شاید حالا این برنامه بیشتر یک جاه‌طلبی است تا یک واقعیت ملموس ولی نزدیکی با کاربران بسیار مورد علاقه من است. نزدیکی به کاربران برای من بسیار جالب است.
برخلاف لوک ژولیا (متخصص علوم رایانه) شما مروج استفاده از هوش مصنوعی و حتی AGI وChatGPT هستید. آیا می‌توانید موضع خود را در این مورد به ما بگویید؟
درواقع هر دوی ما در یک میزگرد شرکت می‌کنیم بنابراین، موضع ما چندان از هم دور نیست… حتی اگر من نسبت به لوک ژولیا خوشبین‌تر باشم. البته مواضع و نگرانی‌های او را به خوبی درک می‌کنم چون او درست می‌گوید، سردرگمی غیرقابل‌وصفی در مورد اینکه هوش مصنوعی چیست و به ویژه درباره AGI وجود دارد.
به‌حال در مبحث هوش مصنوعی، مفاهیم زیادی نهفته است؛ سیستم‌های باز/بسته، الگوریتم‌ها، شبکه‌های عصبی… که اکثر مردم به‌سادگی آنها را درک نمی‌کنند. اگر یک دوقلو دیجیتال بسازیم (ازجمله کلمات کلیدی!)، می‌توانیم شبیه‌سازی‌هایی را با آن اجرا کنیم. هدف هم همین است. اما هرگز نمی‌توانیم با ChatGPT شبیه‌سازی کنیم. به همین سادگی!
با هوش مصنوعی در میشلن چه کاری می‌توانیم انجام دهیم؟
بیایید با شبیه‌سازی اعداد شروع کنیم. مدل‌های سه بعدی لاستیک‌هایمان را می‌سازیم و بر اساس این مدل‌ها، شبیه‌سازی‌های بسیاری را اجرا می کنیم. هوش مصنوعی با افزایش سرعت تست و در نتیجه تحقیق و توسعه، صرفه جویی قابل توجهی در زمان می‌کند برای یک قرن، ما آزمایش های بیشتری نسبت به رقبای خود انجام داده ایم، که اساس برتری ماست. اکنون می‌توانیم خیلی بهتر از مهندسان، محاسبات پیچیده و یادداشت‌برداری‌ها با کمک یک مداد انجام دهیم.
کاربرد دوم هوش مصنوعی در فرآیندهای صنعتی، در مدیریت و کنترل کیفیت است. که شامل شناسایی نقص در کامپیوتر است. تایر یک شیء بسیار پیچیده است پس هوش مصنوعی می‌تواند به کنترل واقعی آن کمک کند. همچنین به ما این امکان را می‌دهد تادر سطوح صنعتی چابک‌تر باشیم.
همچنین باتوجه به نوع ماده می‌توانیم کنترل تطبیقی را انجام دهیم. اگر مقدار مواد بازیافتی، مواد زیستی و غیره را افزایش دهیم؛ مواد همگن کمتری نسبت به مواد پتروشیمی خواهند داشت. برای این کار مدیریت دقیق‌تری لازم است. البته مدت‌هاست از هوش مصنوعی در زنجیره تامین یا کمک به مدیریت ناوگان استفاده می‌شود.
بیایید به هوش مصنوعی مولد معروف (AGI) برسیم که ChatGPT نماد آن شده است. یک IAG می‌تواند کار «کارگران دانش» را سرعت بخشد، اما تنها در صورتی که تحت کنترل باشد. در واقع، یک AGI یک ابزار شگفت‌انگیز برای تولید کد است اما باید مراقب باشیم، به عنوان مثال در مسائلی مانند مالکیت معنوی.
به طور معمول، یک IAG می‌تواند SQL را از یک درخواست تولید کند که بسیار خوب است. وقتی صحبت از پشتیبانی مشتری به میان می‌آید، با دقت آن را انجام می‌دهیم زیرا اگر یک IAG اطلاعات نادرستی در مورد تعمیر و نگهداری بدهد، می‌تواند بسیار آسیب‌رسان باشد.
یک AGI برای پاسخ به یک سوال از پایگاه دانش مرتبط کمک می‌گیرد. ولی به‌هرحال دقت لازم است به خصوص اگر IAG در SaaS است باید بتوان از نشت اطلاعات جلوگیری کرد.
گفته می‌شود اگر یک AGI را روی یک پایگاه دانش «خنثی» آموزش دهیم، می‌توانیم آن را بازیابی کرده و روی یک پایگاه دانش محلی اجرا کنیم. پس باید همیشه مراقب باشید و بررسی کنید تا خطر نشت اطلاعات وجود نداشته باشد.
شما و تیم‌تان شناخته شده هستید اما آیا استعدادیابی جدیدی انجام می‌دهید؟
بله، تلاش می‌کنیم. سعی خواهیم کرد جریان‌های ورودی را افزایش و جریان های خروجی را کاهش دهیم. به‌همین‌منظور یک «بخش استعدادیابی» برای توسعه آموزش تاسیس کردیم، جایی‌که فناوری اطلاعات وجود دارد. به عنوان مثال، در هند استعدادهای استثنایی دیده می‌شوند اما برای حفظ استعداد، باید آموزش مداوم را هم برنامه‌ریزی کنیم.
شما در طول دوران کاری خود، کتاب‌های متعددی نوشته اید. علاوه بر این، عضو آکادمی فناوری هستید. این فعالیت‌ها چگونه عملکرد شما را در میشلن غنی می‌کنند؟
مهم‌ترین چیز برای من، آکادمی فناوری شبکه‌ای اطلاع‌رسان است. آنها چشم و گوش من هستند تا از پیشرفت‌های تکنولوژیک مطلع شوم.به‌هرحال یک جامعه علمی بزرگ است که بسیاری از رویدادهای را سازماندهی می‌کند. آکادمی فناوری‌ها زیرمجموعه CADAS (کمیته کاربردی آکادمی علوم) است که ۲۰ سال پیش از آن مشتق شد و این یک آکادمی مستقل است.
البته این جداسازی بیشتر از آلمان یا انگلیس طول کشید که این ویژگی فرانسه است؛ برای ما فکر کردن مهم‌تر از انجام دادن کار است اما در آمریکا یا جاهای دیگر کاملا برعکس است. علاوه بر این، برای حفظ ارتباط با تیم‌ها و کابرد فناوری‌های جدید باید به‌روز باشم پس دیگر لازم نیست برای دانستن آنچه در حال وقوع است کار زیادی انجام بدهم.
چالش یا چالش‌های بعدی شما چه خواهد بود؟
جای تعجب ندارد اگر که به موضوعاتی در مورد هوش مصنوعی اشاره کنم. من به عنوان یک مدیرارشد و دانشگاهی، نقش آشکاری به عنوان تاثیرگذار دارم.
ما باید در مورد هوش مصنوعی در سیستم‌های تطبیقی و همچنین در شبیه‌سازی نیاز به فکر کنیمبیشتر و برنامه‌ریزی دقیق‌تر داریم. در هیمن زمینه می‌خواهم رویکرد E DA (معماری مبتنی‌بر رویداد) را ادامه دهم تا از توالی «گوش دادن/بازتاب/عمل به یک واکنش» همزمان بهره ببرم به عنوان مثال، امروزه، برای زنجیره تامین خود، داده‌ها را جمع‌آوری کرده و در حالت دسته‌ای بهینه‌سازی می‌کنیم. مثلا اگر یک کامیون در طول روز مشکلی داشته باشد، واکنش باید در زمان واقعی انجام شود. این تحولی است که با رضایت مشتری کسب خواهد شد.
همچنین امیدوارم بتوانیم از مزایای IAG برای کمک به «توسعه‌دهندگان شهروند» استفاده کنیم. این همان چیزی است که آن را «توانمندسازی» می‌نامیم. دفاتر طراحی، فناوری‌ها را ارائه می‌دهند اما اپراتورهای میدانی ابزارهای خود را ایجاد می‌کنند. در این در مورد IAG به کمک آنها می‌آید. اما هرچه ابزار قدرتمندتر باشد، بیشتر ممکن است اشتباه کند. بنابراین اپراتورها باید در استفاده صحیح از AGI آموزش ببینند. نباید فراموش کنیم می‌توانیم از ChatGPT بخواهیم پاسخ‌هایش را توجیه کند!
در پایان باید بگویم آنچه از یک IS انتظار می‌رود، با AGI تغییر می‌کند. IAG می‌تواند به درِ ورودی و رابط کاربری عمومی تبدیل شود، اما نه یک راه‌حل هوشمند. چرخاندن دستگیره همیشه راحت‌تر و سریع‌تر خواهد بود. برای تعامل با IS، چت‌بات بدون‌شک آسان‌تر خواهد بود. من نمایش‌هایی از ماژول ChatGPT را در PowerApps دیده‌ام و می‌توانم به وضوح بگویم این همان رویکردی است که تعاملات ما را تغییر می‌دهد.
منبع: دنیای خودرو