Streszczenie: Michelin traktuje dane i AI jako dźwignie o wysokiej wartości dodanej w całym łańcuchu wartości. Pod kierownictwem Ambiki Rajagopal spółka osadziła AI w kluczowych procesach: predykcyjnym utrzymaniu ruchu, automatyzacji powtarzalnych zadań i optymalizacji łańcucha dostaw. Flagowym przykładem jest IRIS — opracowany wewnętrznie, opatentowany system wizyjnej kontroli jakości, który przyspiesza pracę inspektorów, pozostawiając finalną decyzję ludziom. Innowacje napędzają zespoły w 13 krajach, a ekosystem rozwijają partnerstwa (m.in. Microsoft, Rockwell Automation) i narzędzia (Databricks, Dataiku), wsparte inicjatywami takimi jak AI Challenge w Indiach i AI for Business Day. Silne ramy etyczne — prymat człowieka, wyjaśnialność, jasna odpowiedzialność — łączą się z celami ESG i ambicją net-zero. Efekt biznesowy wzmacniają dojrzałe metody zarządzania wartością (od POC po ocenę po wdrożeniu) oraz liczne zastosowania generatywnej AI, m.in. w podatkach, marketingu i analizie przyczyn źródłowych. Rezultat: stabilny, szybko rosnący ROI oraz kultura, w której każdy pracownik rozumie swoją rolę w tworzeniu wartości z danych.
Czy firma produkcyjna założona w XIX wieku może wykorzystać dane i sztuczną inteligencję (AI), by przekształcić swój biznes? Michelin Group, francuskie, międzynarodowe przedsiębiorstwo założone w 1889 roku przez braci Édouarda i André Michelinów, dowodzi, że tak. Michelin jest drugim co do wielkości producentem opon na świecie, a także wytwarza inne materiały inżynieryjne. Wśród nich są komponenty do zastosowań krytycznych w tak różnych dziedzinach jak mobilność, budownictwo, lotnictwo, niskoemisyjna energetyka i opieka zdrowotna. Firma ma 128 zakładów produkcyjnych i zatrudnia blisko 130 000 osób w 63 krajach. (Jest też znana z przewodników turystycznych oraz gwiazdek Michelin przyznawanych najlepszym restauracjom świata, ale to temat na inny dzień).
Michelin koncentruje się na wykorzystywaniu danych i AI jako dźwigni o wysokiej wartości dodanej, które zwiększają efektywność w całym łańcuchu wartości. Wysiłki te obejmują dwa główne obszary: doskonalenie kluczowych procesów biznesowych oraz tworzenie innowacji.
Osadzanie AI w kluczowych procesach biznesowych
Działaniami Michelin w obszarze danych kieruje Ambica Rajagopal, grupowa dyrektorka ds. danych i AI (Group Chief Data and AI Officer). Dołączyła do firmy w 2020 roku jako Group Chief AI Officer po tym, jak prowadziła funkcje związane z danymi, analityką i AI w innych organizacjach, m.in. w Cummins i Fidelity Investments. „W ciągu ostatnich trzech lat zbudowaliśmy kompetencje w zakresie AI, co przełożyło się na większe tworzenie wartości” — powiedziała nam Rajagopal.
Dane, analityka i AI są dobrze zintegrowane z procesami biznesowymi Michelin. Firma ma już ponad 200 przypadków użycia AI wspierających kluczowe funkcje i linie biznesowe. Sztuczna inteligencja jest już wykorzystywana w procesach produkcyjnych do poprawy predykcyjnego utrzymania ruchu, doskonalenia analizy danych i modeli symulacyjnych oraz automatyzacji precyzyjnych, powtarzalnych zadań.
Przykładem może być końcowa, wzrokowa kontrola opon. Wyszukiwanie defektów to krytyczny proces, który bywa czasochłonny i kosztowny. Michelin wykorzystuje wspomagane przez AI maszyny, zwane IRIS, aby częściowo zautomatyzować proces inspekcji wad produkcyjnych. Technologia poprawiła zarówno efektywność, jak i komfort pracy inspektorów. „Sto procent naszych opon jest kontrolowanych ręcznie i wzrokowo” podczas procesu inspekcji — powiedziała Rajagopal. „To złożone zadanie ergonomiczne — zarówno pod względem fizycznym, jak i wymaganej koncentracji”. Jak dodała, IRIS opracowano wewnętrznie i chroni je ponad 20 patentów.
„Ambicją takich narzędzi jak IRIS jest zwiększanie produktywności pracowników” — wyjaśniła Rajagopal. To pozwala zespołom produkcyjnym skupić się na wykorzystaniu swoich unikalnych umiejętności. Gdy IRIS identyfikuje potencjalną wadę, ostateczne rozstrzygnięcie należy do człowieka: operatorzy ponoszą odpowiedzialność za finalną decyzję. Ich wiedza i doświadczenie są angażowane w sprawy kluczowe, a nie w powtarzalne czynności.
AI jest również wykorzystywana do optymalizacji łańcucha dostaw i zarządzania zapasami. W łańcuchu dostaw firmy narzędzia prognozowania oparte na uczeniu maszynowym pomagają Michelin poprawiać trafność prognoz popytu i proaktywnie wykrywać ryzyko braków magazynowych.
Liderowanie innowacjom AI w branży oponiarskiej
Michelin uważa, że dane, analityka i AI mogą odgrywać centralną rolę w innowacjach, nad którymi pracuje ok. 6000 pracowników w 13 krajach. Jednym z przypadków użycia jest stosowanie „analitycznej AI” do modelowania ilościowego i przewidywania. Celem jest wykorzystanie AI do „wchłaniania” złożoności i wspierania podejmowania decyzji przez pracowników Michelin. „Od wielu lat budujemy kompetencje poprzez eksperymenty i badania nad AI” — powiedziała Rajagopal.
Inne rodzaje AI — takie jak prognozowanie, widzenie komputerowe i obecnie generatywna AI — napędzają innowacje w obszarach jakości, monitorowania energii, wiedzy o kliencie oraz przewidywania wydajności w Michelin. „Zdolność AI do modelowania złożonych procesów i wykrywania sygnałów predykcyjnych sprawia, że jest ważną dźwignią maksymalizacji wartości dla naszych klientów, pracowników i partnerów”.
Michelin organizuje zewnętrzne wydarzenia poświęcone innowacjom i eksploracji, które pomagają mu skanować globalny ekosystem startupów, identyfikować najlepsze rozwiązania AI na rynku i włączać je do swoich platform. W 2024 roku firma zorganizowała w Indiach wydarzenie „AI challenge”. Jego celem było zainicjowanie szerokiego wykorzystania agentów AI w Michelin poprzez wykorzystanie dynamicznego ekosystemu startupowego w tym kraju. W 2024 roku spółka zorganizowała też pierwszy „AI for Business Day”. Ponad 1100 uczestników w czterech lokalizacjach globalnych Michelin poznawało, jak AI jest wykorzystywana w całej firmie. Michelin rozwija obecnie swoje Centrum Doskonałości AI (AI Center of Excellence), prowadzi pilotaże AI w liniach biznesowych. Tworzy też strategiczne partnerstwa z liderami branży, w tym z Microsoftem i Rockwell Automation, aby współtworzyć rozwiązania AI.
Odpowiedzialne wdrożenia
Firma przywiązuje ogromną wagę do etycznego wdrażania AI. Odpowiedzialne wykorzystanie AI w Michelin opiera się na trzech zasadniczych pryncypiach:
- systemy AI powinny być skoncentrowane na człowieku;
- tam, gdzie to potrzebne, firma zobowiązuje się budować i stosować wyjaśnialne systemy AI;
- musi być jasno określone, kto odpowiada za każdy używany system AI.
„Widzimy wiele zastosowań, w których AI będzie działać jako copilot, łącząc swoje możliwości z umiejętnościami człowieka, wspierając ludzką inteligencję i poprawiając zdolność do podejmowania decyzji” — powiedziała Rajagopal. Odpowiedzialna adopcja AI, powiązanie AI z celami środowiskowymi, społecznymi i ładu korporacyjnego (ESG) oraz wykorzystanie AI do wspierania ambicji firmy w obszarze zerowych emisji netto i gospodarki o obiegu zamkniętym — w tym stosowanie odnawialnych, zrównoważonych materiałów w oponach — należą do najwyższych priorytetów organizacyjnych. Odpowiedzialne podejście data scientistów i ekspertów AI Michelin polega na tworzeniu aplikacji zgodnych z wartościami przejrzystości, niezawodności i etyki. Podejście to utrzymywane jest zarówno w fazach eksploracji, jak i wdrożeń, zapewniając priorytetowe traktowanie dokładności danych i prywatności.
Przywództwo w obszarze AI w Michelin
Kierownictwo Michelin aktywnie promuje dane i AI oraz wspiera podnoszenie kompetencji cyfrowych, etyczne wykorzystanie AI i współpracę międzyfunkcyjną. Zespół zarządzający bierze udział w „learning expeditions”, szkoleniach wewnętrznych i wymianach z rówieśnikami. Chodzi o to, by kształtować wizję wykorzystania AI w procesach i biznesach firmy. Liderzy ustanowili również struktury ładu, w tym biuro danych, by ukierunkować budowę fundamentów danych Michelin i dużych programów AI.
Poza typowymi obowiązkami dyrektorki ds. danych i AI — wyznaczaniem strategii spójnej z misją firmy oraz nadzorowaniem transformacji funkcjonalnych, technicznych i behawioralnych potrzebnych, by grupa stała się rzeczywiście napędzana danymi — zadaniem biura jest monitorowanie efektywności w kategoriach rezultatów i kosztów — wyjaśniła Rajagopal. Kluczową dźwignią adopcji AI jest ocena potencjalnej wartości projektów typu proof of concept, a następnie ocena wartości dostarczonej po wdrożeniu. Rajagopal zauważyła, że Michelin odniósł znaczne korzyści z projektów wykorzystujących generatywną AI, w tym z przetwarzania dokumentów w dziale podatkowym, social listeningu w marketingu oraz analizy przyczyn źródłowych w produkcji, a także wielu innych mniejszych przypadków użycia. Według niej wysiłki firmy przynoszą rezultaty. Zaangażowanie Michelin w transformację AI przełożyło się na zwrot z projektów AI przekraczający 50 mln euro rocznie, przy wzrostach o 30%–40% rok do roku w ciągu ostatnich trzech lat.
Zaangażowanie na wszystkich szczeblach
Oczywiście prawdziwa transformacja AI wymaga nie tylko strategicznego podejścia kierowanego przez najwyższe kierownictwo, ale także podejścia oddolnego, w którym pracownicy zyskują sprawczość. Rajagopal powiedziała, że w Michelin każdy pracownik rozumie siłę danych oraz swoją rolę w tworzeniu wartości i wspieraniu strategii firmy. „Koncentrujemy się na tym, by nasze biznesy miały dostęp do wysokiej jakości danych, ukierunkowanej analizy i narzędzi AI, tak by szybko wprowadzać innowacje na rynek” — stwierdziła. Narzędzia te — dodała — są projektowane tak, by upraszczać i konsolidować procesy, czyniąc je mądrzejszymi i bardziej intuicyjnymi.
Patrząc w przyszłość, Rajagopal pozostaje pełna nadziei i entuzjazmu. „Sztuczna inteligencja stanowi znaczącą szansę, a jej rozwój koncentruje się na poprawie atrakcyjności naszych miejsc pracy, zrównoważenia naszych fabryk i konkurencyjności naszych produktów” — powiedziała. „Jako firma produkcyjna postrzegamy AI jako technologię o ogromnym potencjale, by czynić pracę bardziej satysfakcjonującą dla naszych ludzi. Zwiększa ich produktywność i uwalnia czas na kreatywność oraz współpracę”.
