ENEOS Materials، ChatGPT Enterprise را به تولید می‌آورد.

ENEOS Materials در سال 2022 به عنوان یکی از نهادهای اصلی گروه ENEOS تأسیس شد که به کسب‌وکار مواد این گروه اختصاص دارد. این شرکت طیف گسترده‌ای از محصولات را توسعه، تولید و عرضه می‌کند؛ از جمله لاستیک‌های مورد استفاده در تایر خودرو و توپ‌های گلف، محصولات لاستیکی صنعتی، مواد اتصال‌دهنده برای باتری‌های لیتیوم-یون و مواد پیشرفته نسل بعد.

ENEOS Materials با درک نیاز به افزایش بهره‌وری در شرایط کمبود نیروی کار و افزایش هزینه‌ها، و برای استفاده ایمن از AI در داده‌های اختصاصی، از نخستین شرکت‌های ژاپنی بود که ChatGPT Enterprise را به کار گرفت و آن را به سرعت در سراسر سازمان گسترش داد.

تأثیر این پذیرش را می‌توان در نتایج زیر مشاهده کرد:

• 80% از کارکنان در مرحله آزمایشی، بهبود قابل‌توجهی در جریان‌های کاری خود گزارش دادند
• کاهش 90% در زمان تجمیع و تحلیل داده‌های منابع انسانی
• با استفاده از قابلیت تحقیق عمیق در ChatGPT، زمان بررسی‌ها از چند ماه به چند دقیقه کاهش یافته است.

یک تیم بین‌بخشی با OpenAI همکاری کرد تا ChatGPT Enterprise را پیاده‌سازی کند و موارد استفاده مؤثری در چندین بخش ایجاد شود.

در ژاپن، صنعت تولید با چالش‌هایی مانند کمبود نیروی کار ناشی از کاهش نرخ زاد و ولد و سالمند شدن جمعیت، و همچنین افزایش هزینه‌های مواد اولیه و انرژی روبرو است. ENEOS Materials نیز از این قاعده مستثنی نیست. Yoshirou Sakura، مدیر بخش فناوری تولید، اظهار داشت: «استفاده از ابزارهای دیجیتال برای افزایش بهره‌وری ضروری است، زیرا نیروی کار ما در حال کاهش است. بهبود کارایی و گسترش دامنه کارهایی که کارکنان می‌توانند انجام دهند، برای حفظ رقابت‌پذیری کلیدی است.»

برای رفع این چالش، ENEOS Materials به ChatGPT Enterprise روی آورد. یک تیم داوطلبانه بین‌بخشی با این هدف شکل گرفت که «ابتدا خودمان بر این فناوری مسلط شویم و سپس ظرفیت‌های آن را در صنعت تولید بررسی کنیم»، که به پذیرش آن منجر شد. Taku Ichibayashi، مدیر دپارتمان تحقیق و توسعه، توضیح می‌دهد، «برای به حداکثر رساندن نتایج کسب‌وکارمان با هوش مصنوعی، اطمینان از وجود یک محیط امن برای مدیریت اطلاعات اختصاصی ضروری بود.» ChatGPT Enterprise الزامات امنیت سایبری داخلی‌مان را برآورده کرد و دقت خروجی موردنیازمان را فراهم کرد.»

از زمان پذیرش ChatGPT Enterprise، ENEOS Materials پذیرش سریعی را تجربه کرده و بیش از ۱٬۰۰۰ GPT سفارشی ایجاد کرده است. در سراسر شرکت، بیش از ۹۰٪ از کارکنان حداقل به‌صورت هفتگی از ChatGPT استفاده کرده‌اند و بیش از ۸۰٪ نیز از بهبودهای قابل‌توجه در جریان‌های کاری خود خبر داده‌اند. در ادامه این روند، ENEOS Materials ChatGPT Enterprise را در سراسر سازمان پیاده‌سازی کرده است و این ابزار به محور اصلی تلاش‌ها برای خلق ارزش جدید تبدیل شده است. «ChatGPT به شریکی برای تک‌تک کارکنان ما تبدیل شده است»، Sakura گفت.

«تحقیق عمیق به ما امکان می‌دهد بر موانع زبانی غلبه کنیم»، Kenichi Sakemi از بخش توسعه فرایند و مهندسی در ENEOS Materials، که کارخانه‌ای در مجارستان اداره می‌کند، می‌گوید. «کاری که قبلاً ماه‌ها طول می‌کشید، اکنون با جستجوی منابع محلی در عرض چند دقیقه انجام می‌شود، زیرا تحقیق عمیق می‌تواند مطالب محلی را به طور جامع جستجو کند.»

این بخش با تمرکز بر افزایش بهره‌وری، ارتقای کیفیت محصول و کاهش اثرات زیست‌محیطی، به تحقیقات سریع و دقیق در فناوری‌های پیشرفته متکی است. تیم با به‌کارگیری پژوهش عمیق، آن بلندپروازی را به نتایج قابل‌اندازه‌گیری تبدیل کرده است:

• بررسی‌هایی که قبلاً ماه‌ها طول می‌کشید، اکنون در چند دقیقه انجام می‌شوند.
• محتوای مجاری به ژاپنی دقیق ترجمه می‌شود تا بینش‌ها به درستی منتقل شوند.
• محاسبات و تحلیل‌هایی که قبلاً نیم‌روز زمان می‌بردند، اکنون در چند دقیقه انجام می‌شوند.

تحقیق عمیق در حوزه‌های تخصصی مانند مهندسی شیمی نیز عملکرد درخشانی دارد و امکان انجام سریع محاسبات پیچیده را فراهم می‌کند.

بخش مهندسی از یک GPT سفارشی برای طراحی کارخانه بر اساس استانداردهای شرکت استفاده می‌کند. این ابزار به سرعت مشخصات بهینه را بر اساس ورودی‌هایی مانند نوع سیال، دبی، قطر لوله، افت فشار و الزامات مواد تولید می‌کند.

Sakemi می‌گوید: «قبلاً تأیید ریسک خوردگی مواد و مبانی طراحی زمان‌بر بود، اما اکنون با GPT سفارشی در چند ثانیه انجام می‌شود.» "با GPT سفارشی، این کار اکنون در عرض چند ثانیه انجام می‌شود."

ChatGPT با شناسایی ریسک‌های انتخاب مواد در طراحی، ایمنی را افزایش می‌دهد و استفاده مستمر از آن قابلیت اطمینان را تقویت می‌کند.

این ابزار علاوه بر تسریع طراحی، استانداردهای ایمنی و بهره‌وری هزینه را نیز بهبود می‌دهد. با ارجاع‌دهی متقابل به استانداردهای داخلی و بهره‌گیری از توان محاسباتی و دانش تخصصی ChatGPT، طراحی بهینه کارخانه را امکان‌پذیر می‌کند و قابلیت‌های تولیدی ENEOS Materials را ارتقا می‌دهد.

بخش منابع انسانی سالانه جلسات آموزشی متعددی برای کارکنان برگزار می‌کند و بازخوردهای پس از آموزش را برای بهبود برنامه‌های آینده جمع‌آوری می‌کند. Marie Takeda از واحد منابع انسانی می‌گوید: «پیش‌تر، محدودیت منابع مانع از تحلیل دقیق اثربخشی آموزش می‌شد.»

معرفی GPT سفارشی برای تحلیل آموزش، فرآیندهای منابع انسانی را به طور قابل‌توجهی ساده کرد:

• وظایفی که قبلاً 1 تا 2 ساعت زمان می‌بردند، اکنون در 20 ثانیه انجام می‌شوند.
• سیستم مبتنی بر هوش مصنوعی آموزش را بر اساس چارچوب‌های آموزشی ارزیابی و تحلیل می‌کند
• بینش‌های مبتنی بر داده به طور مستمر محتوای آموزشی را بهبود می‌دهند

با وجود نداشتن هیچ تجربهٔ قبلی در کدنویسی، تاکدا همچنین به‌طور مستقل یک ابزار داخلی برای ساده‌تر کردن فرایند تجمیع داده‌ها ساخت. او توضیح می‌دهد: «این اولین تجربه من در کدنویسی بود، اما با ChatGPT توانستم بدون دانش قبلی این ابزار را خودم ایجاد کنم.» در نتیجه، زمان موردنیاز برای تجمیع داده‌ها تقریباً 90% کاهش یافت.

• بیش از 90% از کارکنان به صورت هفتگی از ChatGPT Enterprise استفاده می‌کنند
• 80% از کارکنان گزارش دادند که در مرحله آزمایشی خود، بهبودهای قابل‌توجهی در جریان‌های کاری داشته‌اند
• تحقیقات با تحقیق عمیق از ماه‌ها به چند دقیقه کاهش یافت
• 90% کاهش در زمان تجمیع و تحلیل داده‌های منابع انسانی
• بیش از 1000 GPT سفارشی در سراسر سازمان ایجاد شده است.
• طراحی سریع‌تر و ایمن‌تر کارخانه و بهبود اثربخشی آموزش

Ichibayashi می‌گوید: «ChatGPT فراتر از صرفاً بهینه‌سازی ساعات کاری، ارزش ایجاد می‌کند.» مزیت‌های برجسته پلتفرم در ENEOS Materials، سرعت و سادگی هستند. برخلاف ابزارهای پیچیده، ChatGPT به کارکنان اجازه می‌دهد نیازهای خود را به زبان ژاپنی بیان کنند و بلافاصله نتایج باکیفیت دریافت کنند، بدون نیاز به مهارت کدنویسی. با افزایش اطمینان، تیم‌ها به طور طبیعی به گردش‌های کاری پیشرفته روی می‌آورند و نوآوری‌های غیرمنتظره را کشف می‌کنند.

ENEOS Materials قصد دارد استفاده از AI را فراتر از ChatGPT گسترش دهد و آن را در سراسر عملیات ادغام کند تا با کمبود نیروی کار مقابله کرده و رقابت‌پذیری خود را در داخل و خارج کشور تقویت کند. Sakura در نظر دارد مدل‌های هوش مصنوعی آموزش‌دیده در داخل سازمان را مستقیماً در تجهیزات ادغام کند و امکان کنترل با زبان طبیعی را در محیط تولید فراهم نماید.