Inga produkter i varukorgen.
AI-modellen som förutspår fel – halverade antalet anmälningar
AI
Den finska industrijätten Kone har sedan länge använt sig av AI i sitt förbättringsarbete, men de senaste två åren har ett särskilt system revolutionerat såväl resultat som kundnöjdhet och klimatavtryck.
– Det är den mest effektfulla satsningen vi har gjort, säger Tero Hottinen, chef över strategiska teknikpartnerskap på Kone.
Tero Hottinen, Kone.
Kone är ett av världens ledande företag inom hiss- och rulltrappsbranschen. För cirka sex år sedan började företaget använda sig av maskininlärning för att skapa ett förutseende system som kan förutspå när en hiss eller rulltrappa kommer att behöva repareras, och exakt vad som behöver åtgärdas.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsmagasinet premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Hissnande effekter uppstod
För drygt två år sedan, när systemet hade tränats ordentligt på stora mängder data från hela världen, började man se massiva effekter. Då försvann också barnsjukdomarna – det vill säga de felaktiga uppgifterna om hissar och rulltrappor som behövde repareras trots att de var fungerande. Tero Hottinen, chef över strategiska teknikpartnerskap på Kone, menar att AI har raketlyft företagets förbättringsarbete.
– Det här systemet har minskat antalet felanmälningar med 50 procent. Vi hade inte varit där vi är idag om vi inte hade litat på att AI fungerar så bra som det faktiskt gör, säger han.
300 000 hissar och rulltrappor världen över är uppkopplade mot systemet, vilket innebär att Kone idag använder den förutspående tekniken i en större omfattning än något annat företag. Antalet plötsliga fel, som hissar som fastnar, har också halverats.
– En hiss som står stilla länge med passagerare i är ju en ganska vanligt mardrömsscenario för många, och det elimineras nu mer och mer.
Klimatsmart med få transporter
Utöver att kostnaderna har minskat och kundnöjdheten har ökat har satsningen också gett en rejäl minskning på företagets klimatavtryck.
– I och med våra tekniker vet precis när de ska åka ut och vad de behöver ta med sig för verktyg så har utryckningarna minskat drastiskt. Förut kunde en tekniker behöva åka fram och tillbaka flera gånger för att åtgärda ett problem, idag räcker det med ett besök, säger Tero Hottinen.
Kone använder också en intern teknisk service-desk som hanteras AI-assistenter.
– En människa kan inte på kort tid ta fram all information som kan behövas vid ett reperationstillfälle, när teknikern är på plats och ringer in för få fram information. Det är helt enkelt för mycket material att gå igenom. Men en dator kan det. I 90 procent av fallen är det nämligen ett problem som har skett förut, säger han.
Omfamna framtiden
Den klassiska frågan om rädsla för att AI ska stjäla arbetstillfällen avfärdar Tero Hottinen med emfas.
– Den tar inte jobb, den gör att våra anställda kan fokusera på med avancerade tekniska problem vilket är mer stimulerande för dem, säger han.
Tero Hottinen ser att den största utmaningarna för Kone är desamma som de stora vinsterna: att världen inte kommer bli mindre digitaliserad, utan mer och mer för var dag.
– Alla avdelningar inom alla verksamheter och organisationer behöver lära sig att använda generativ AI. Det ska inte vara en särskild grupp som har det som uppgift. Och det fina med den här tekniken är just att den är lättillgänglig och användarvänlig. Utmaningen ligger i att skapa ett gemensamt engagemang kring detta, för vi har allting att vinna på det.
Teros tre viktigaste tips inför en AI-implementering
- Förstå problemet du försöker lösa. Även om många verktyg är ganska generiska finns det skillnader, och vissa verktyg och lösningar passar bättre för vissa ämnen än andra. Så i huvudsak säkerställer du att du har rätt verktyg för uppgiften
- Ha en stor vision men börja smått. Man måste alltid ha det slutgiltiga målet i åtanke, men att experimentera och lära sig längs vägen är superviktigt. Det är det enda sättet att spara tid, eftersom du kan se till att misstag (som alla gör) sker i förväg och i mindre skala.
- Bygg lösningar på ett modulärt/mikroservicesätt. Hela AI-scenen utvecklas så snabbt att några av de verktyg du använder idag, är äldre tidigare än du tror. För att vara framtidssäker måste man ha en arkitektur som gör att man kan byta olika delar utan att behöva börja om från början.
