CEO Honeywell: 50 lat automatyzacji stało się zbyt skomplikowane dla ludzi, którzy nią zarządzają
Najważniejsze informacje
- •Kapur powiedział, że wiele obiektów przemysłowych działa autonomicznie przez około 95% czasu, a ludzie zajmują się głównie obsługą wyjątków.
- •Strategia fizycznego AI Honeywell polega na dodaniu systemów uczących się do istniejącej automatyki w szpitalach, centrach danych, obiektach nauk o życiu i rafineriach.
- •Kapur wskazał dostęp do prywatnych, specyficznych dla lokalizacji danych operacyjnych i wiedzy dziedzinowej jako główną przeszkodę we wdrażaniu fizycznego AI.
- •C.H. Robinson odnotowała wzrost produktywności o ponad 65% w przesyłkach na pracownika dziennie od końca 2022 roku, przy czym zatrudnienie spadło o blisko jedną trzecią między 2022 a 2025 rokiem.
- •Badanie Deloitte i Manufacturing Institute wykazało, że amerykańscy producenci mogą potrzebować do 3,8 miliona dodatkowych pracowników w latach 2024–2033, a 1,9 miliona miejsc może pozostać nieobsadzonych.

Systemy automatyki, które zarządzają szpitalami, centrami danych i rafineriami, wywodzą się z lat 70. Według przewodniczącego i CEO Honeywell Technologies Vimala Kapura systemy te stały się od tego czasu zbyt skomplikowane dla ludzi, którzy wciąż mają za zadanie je nadzorować.
Mówiąc w poniedziałek na Fortune 500 Innovation Forum w Detroit, Kapur stwierdził, że takie obiekty w dużej mierze działają same — „może w 95%” — a człowiek pozostaje w pętli jedynie po to, by obsługiwać wyjątki. „Przez ostatnie 50 lat od momentu powstania te systemy stały się wysoce skomplikowane, ponieważ ciągle dodawaliśmy do nich coraz więcej oprogramowania i infrastruktury fizycznej” — powiedział. „Człowiek nie jest więc w stanie nadążyć w obecnym momencie.”
Wskazał na niedawne wydarzenia jako dowód. „To, co wydarzyło się w ciągu ostatnich dwóch tygodni, jest przykładem złożoności” — powiedział Kapur, opisując sytuacje, w których „ludzie nie są w stanie nadążyć”, co prowadzi do „niepożądanego incydentu”. Nie sprecyzował, o który chodzi, ale lista kandydatów była niemal zbyt długa, by ją policzyć.
13 listopada FAA nakazała ogólnokrajowe wstrzymanie lotów. Sekretarz transportu Sean Duffy powiedział, że agencja skupiała się na modernizacji z miedzi na światłowody przeprowadzanej przez wykonawcę L3Harris w El Dorado w stanie Arkansas, która zalała routery próbami połączeń i zakłóciła niektóre transmisje radarowe — dodając jednocześnie z zastrzeżeniem, że „tak naprawdę nie znamy przyczyny źródłowej”. Dzień wcześniej, 12 listopada, Microsoft 365 rozpoczął awarię trwającą ponad dobę; na moment pisania tego tekstu wielu Amerykanów nie mogło uzyskać dostępu do swoich kont bankowych.
Fizyczne AI, bez robotów
Proponowaną odpowiedzią Kapura jest to, co branża nazywa „fizycznym AI”, którego — jak powiedział — humanoidalne roboty stanowią jedynie „bardzo małą część”. Jego wersja obejmuje „każdy istniejący duży aktywo: szpital, centrum danych, obiekty nauk o życiu, rafinerie”, dodając „warstwę systemu uczącego się, wiedzy ludzkiej” na istniejącej automatyce, „abyś mógł uczynić człowieka bardziej produktywnym.”
Przeszkodą są dane. „Zakładamy, że dane są obficie dostępne w internecie” — powiedział Kapur. „Ale kiedy spojrzysz na system fizyczny, dane znajdują się w jakimś systemie, który jest w tym budynku albo w tym szpitalu. Te dane nie są w domenie publicznej.” Przekształcenie ich w coś użytecznego wymaga ludzi „o głębokiej wiedzy dziedzinowej” — powiedział. Nazwał dostęp do danych „pierwszym frictionem” podczas kwietniowego wystąpienia w Goldman Sachs.
To sprawia, że praktyczny test fizycznego AI jest bardziej konkretny niż pytanie, czy model potrafi wygenerować rekomendację. Systemy musiałyby łączyć ograniczone, specyficzne dla danej lokalizacji dane z wiedzą ludzi obsługujących każdy obiekt, jednocześnie pozostawiając człowiekowi możliwość reagowania, gdy zautomatyzowane procesy napotkają warunki wykraczające poza ich normalny zakres.
Honeywell sprzedaje automatykę klientom z sektora budynków, przemysłu i procesów, a obecnie sprzedaje także warstwę AI, która na niej działa. Gdy 29 czerwca wydzieliło swoją działalność kosmiczną, kończąc trójpodział firmy, spółka oświadczyła, że jest pozycjonowana do prowadzenia „przemysłowej transformacji od automatyki do autonomii”. W październiku uruchomiło Forge Cognition — platformę AI zbudowaną wspólnie z Nvidią i Dellem, zdolną zarządzać budynkami w trybie autonomicznym, który nie został jeszcze w pełni włączony, jak powiedziała wówczas jej CTO Fortune. Na scenie Kapur ujął to skromniej: „Fizyczne AI nie polega na zastępowaniu pracy; polega na zwiększaniu produktywności ludzi.” W Goldman w kwietniu powiedział: „prawdopodobnie będziemy budować systemy bardziej wspomagające i mniej autonomiczne.”
Wersja back-office
Dave Bozeman, CEO brokera freight C.H. Robinson, który dzielił scenę z Kapurem, opisał ten sam problem od strony dokumentacji. „Zmienność jest teraz strukturalna” — powiedział, a łańcuchy dostaw „nadal są niezwykle złożone.” Odpowiedzią jego firmy jest to, co nazywa „Lean AI”: agenci AI zaprojektowani do „szytych na miarę, bardzo specyficznych zadań”, z „agentami typu orkiestracyjnego” na wyższym poziomie. Pierwszym celem jest proces order-to-cash, który nazwał „bardzo manualnym procesem. Miliony transakcji.”
Bozeman przedstawił to podejście także jako wsparcie dla pracowników, którzy — jak powiedział — nie chcą „codziennie wykonywać tych monotonnych zadań” i woleliby „wspinać się w górę tej piramidy wartości.” Powołał się na „ponad 60% wzrostu produktywności od końca 2022 roku.” Wyniki finansowe z 28 października mierzą to jako liczbę przesyłek na osobę dziennie w jednostce North American Surface Transportation, wzrost o ponad 65% w tym samym okresie.
Drugą połową tej proporcji są ludzie. Według sprawozdań C.H. Robinson zatrudniało około 17 400 pracowników na koniec 2022 roku i około 11 900 na koniec 2025 roku — spadek o blisko jedną trzecią, który FreightWaves wiąże z automatyzacją i AI. „To nie znaczy, że pod względem zmiany nie będzie trudno” — powiedział Bozeman.
Ostrzeżenie z 1983 roku
Problem, który opisuje Kapur, został nakreślony ponad 40 lat temu. W 1983 roku Lisanne Bainbridge, psycholożka z University College London, opublikowała „Ironies of Automation” w czasopiśmie Automatica. Argumentowała, że projektanci automatyzują to, co potrafią, i pozostawiają operatorowi „zadania, których projektant nie umie zautomatyzować.” Te pozostałe zadania obejmują przejmowanie kontroli, gdy warunki stają się nienormalne. Jej centralną ironią było to, że „im bardziej zaawansowany jest system sterowania, tym bardziej kluczowy może być wkład operatora ludzkiego.”
Ostrzegała też przed tym, co obserwacja robi z ludźmi. „Umiejętności fizyczne operatorów pogarszają się, gdy nie są używane” — pisała, a o osobie zredukowanej do monitorowania systemu: „Ludzki monitor otrzymał zadanie niemożliwe do wykonania.” Jej artykuł argumentował, że automatyzacja „może rozszerzać, a nie eliminować problemy z operatorem ludzkim.” To pozostaje testem dla warstwy AI dodanej do systemu.
Coraz mniej rąk do pracy
Kapur powiedział, że o pilności problemu decyduje niedobór wykwalifikowanych pracowników. „Niedobór umiejętności to największy problem, przed którym wszyscy stojemy” — powiedział. „Wszędzie tam, gdzie jest praca fizyczna wymagająca od ludzi pracy rękami, ta siła robocza staje się coraz mniej dostępna.” W wystąpieniu w Goldman obwiniał częściowo przejście na emeryturę.
Badanie z 2024 roku przedstawia liczby dla produkcji. Deloitte i Manufacturing Institute ustaliły, że amerykańscy producenci mogą potrzebować nawet 3,8 miliona dodatkowych pracowników w latach 2024–2033, a 1,9 miliona tych miejsc pracy może pozostać nieobsadzonych, jeśli problemy z siłą roboczą nie zostaną rozwiązane. 65% badanych producentów nazwało przyciąganie i zatrzymywanie talentów swoim głównym wyzwaniem biznesowym.
Kapur dał swojej własnej firmie znacznie krótszy termin niż 50 lat. Honeywell Technologies zatrudnia ponad 50 000 pracowników, a on sam — jak powiedział — przeszedł szkolenie z Copilota. „W ciągu najbliższych 18 do 24 miesięcy wszyscy musimy się przekwalifikować” — powiedział.
Generatywne AI zostało użyte do wsparcia badawczego i/lub transkrypcji tego artykułu. Reporter niezależnie zebrał i zweryfikował fakty zawarte w tym artykule, a redaktor człowiek sprawdził go przed publikacją. Ta historia pierwotnie pojawiła się na Fortune.com.