Текст книги "Человек + машина"

Глава 1. «Умный» цех

Искусственный интеллект в промышленности, логистике и дистрибуции

Веками завод считался образцовым воплощением автоматизации, поэтому рабочих часто оценивали по тем же показателям, что и машины. Следует ли удивляться, что в промышленности между людьми и машинами сложились непростые отношения и рабочий чувствовал, что он находится в заведомо проигрышном положении. И не без основания. С 2000 года промышленность США лишилась пяти миллионов рабочих мест, причем половину сократили из-за повышения производительности и автоматизации производства[4]4
  Correll N. “How Investing in Robots Actually Helps Human Jobs”, Time, April 2, 2017, http://time.com/4721687/investing-robots-help-human-jobs/.


[Закрыть].

Однако ситуация не столь однозначна, как может показаться на первый взгляд. Как уже говорилось во введении, вторая волна трансформации бизнеса была сосредоточена на автоматизации существующих процессов, именно в тот период многие люди проиграли конкуренцию машинам. Напротив, третья волна включает внедрение полностью переосмысленных адаптивных бизнес-процессов, призванных обеспечить взаимодействие человека и машины. На этом этапе благодаря искусственному интеллекту человек отчасти возвращается на производство; например, рабочие места на сборочных линиях принципиально изменились по характеру и смыслу выполняемых операций, растет и их количество. Искусственный интеллект повышает ценность инженеров и менеджеров. Благодаря искусственному интеллекту возникают совершенно новые специальности и новые возможности для людей, занятых на всех этапах производства.

В эпоху трансформации бизнес-процессов на основе искусственного интеллекта ирония заключается в том, что на заводах и промышленных предприятиях мы наблюдаем возрождение человеческого труда. Все, от рабочего сборочной линии и специалиста по техническому обслуживанию до инженера по робототехнике и руководителя операционного отдела, ощущают, как под влиянием искусственного интеллекта меняется само понятие труда. Искусственный интеллект высвобождает время, потенциал для творчества и ресурсы, позволяя людям не выполнять работу роботов. Значит, с помощью искусственного интеллекта человек сможет работать более творчески и более эффективно, благодаря чему возрастет производительность и снизятся издержки. В долгосрочной перспективе огромное значение приобретает то обстоятельство, что компании заняты переосмыслением своих бизнес-процессов: для людей открываются совершенно новые профессии и возникают новые способы ведения бизнеса, о чем мы подробно поговорим во второй части книги.

Давайте не будем торопить события. Нас ждет трудное путешествие. (Те, кто интересуется историческим контекстом, смогут многое почерпнуть из врезки «Краткая история искусственного интеллекта».) Прежде чем приступать к трансформации бизнес-процессов, должностных обязанностей и бизнес-моделей, нужно ответить на следующие вопросы: с какими задачами лучше всего справляются люди, а с какими – машины? Есть ли такие рабочие места и задачи, которые будут постепенно переходить к роботам, поскольку те лучше людей выполняют рутинные операции и обрабатывают данные? Однако трансформация труда идет не в одностороннем порядке. В этой главе мы поговорим о компаниях, которые уже решили проблему интеграции человека и машины на производстве, при эксплуатации оборудования, в логистике и в аграрном секторе. Эти первопроходцы привлекают к работе как людей, так и машины с искусственным интеллектом, предоставляя им те рабочие места, которым они оптимально соответствуют, – и тем самым оказываются в выигрыше.

На токийском заводе начинается третья смена – и наступает звездный час роботизированных манипуляторов, которые за ночь могут освоить новые навыки. Манипулятор оснащен видеокамерой и программой на основе машинного обучения, и эти вращающиеся конечности могут без посторонней помощи определить наиболее эффективные способы сборки деталей, после чего передать их далее по конвейеру. Такие операции не требуют дополнительного программирования[5]5
  Will Knight, “This Factory Robot Learns a New Job Overnight”, MIT Technology Review, March 18, 2016, https://www.technologyreview.com/s/601045/this-factory-robot-learns-a-new-job-overnight/; Pavel Alpeyev, “Zero to Expert in Eight Hours: These Robots Can Learn for Themselves”, Bloomberg, December 3, 2015, https://www.bloomberg.com/news/articles/2015-12-03/zero-to-expert-in-eight-hours-these-robots-can-learn-for-themselves.


[Закрыть].

Роботизированные манипуляторы применяются на заводах, к примеру, для нанесения горячего клея, для установки лобовых стекол, для выравнивания кромок металла после его резки. Их предварительно программируют на выполнение конкретной задачи, а когда она меняется, роботов приходится перепрограммировать. Новые роботизированные манипуляторы, разработанные Fanuc в партнерстве с производителем программного обеспечения Preferred Networks (обе фирмы расположены в Японии), могут обучаться самостоятельно благодаря одному из способов машинного обучения – глубокому обучению с подкреплением. Демонстрируем успешный результат роботу, а он самостоятельно учится его достигать методом проб и ошибок.

По свидетельству Шохеи Хидо, ведущего научного сотрудника Preferred Networks, роботу требуется восемь часов, чтобы успешно выполнять задачу в 90 % случаев. Практически столько же времени ушло бы у инженера на программирование робота, а так как роботизированный манипулятор умеет обучаться самостоятельно, у программиста высвобождается время для более сложных задач, в частности таких, где требуется вынести суждение, оценить и интерпретировать результаты. Освоив новый навык, робот может делиться приобретенными знаниями с другими роботами, подключенными к сети. Таким образом, восемь манипуляторов, поработавших вместе в течение часа, могут освоить такой же объем навыков, как и один манипулятор, работавший над задачей восемь часов. Этот процесс Хидо называет «распределенным обучением»: «Можете представить тысячу заводских роботов, обменивающихся информацией»[6]6
  Knight, “This Factory Robot Learns a New Job Overnight.”.


[Закрыть].

Теперь представьте людей, работающих бок о бок с роботами. Самообучающиеся промышленные роботы прекрасно справляются с рутинными повторяющимися операциями, а также с тяжелой работой. Но на любом предприятии всегда будут задачи, слишком сложные для роботов, – например, подключение многочисленных мелких проводов или работа с движущимися или неудобными для захвата предметами. Для всего этого по-прежнему нужен человек.

Итак, может ли быть успешной совместная работа людей и роботов? История не дает однозначного ответа. Роботы, двигаясь быстро и резко, могут быть полезными и эффективными, но в то же время и опасными для людей. Их часто помещают за защитные барьеры, но это типичное разделение роботов и людей обещает со временем исчезнуть. Так называемые коботы[7]7
  Кобот (коллаборативный робот) – автоматическое устройство, способное взаимодействовать с человеком и совместно с ним создавать разные продукты. Коботы используются в тех бизнес-процессах, которые не могут быть полностью автоматизированы. Прим. ред.


[Закрыть] от компаний вроде Rethink Robotics, основанной одним из пионеров робототехники и искусственного интеллекта Родни Бруксом, оснащаются датчиками, позволяющими им различать предметы и избегать столкновения с людьми. Если робот относительно ловок, он прекрасно взаимодействует с человеком. На заводах, оснащенных устройствами Rethink Robotics и подобных компаний, работа часто распределяется между людьми и роботами, трудящимися «плечом к плечу», причем задачи подбираются наиболее соответствующие их возможностям.

Искусственный интеллект на заводе

В течение целого века заводские цеха были главным полигоном роботизации. Здесь можно найти все – от умных конвейерных транспортеров до роботизированных манипуляторов и операционных систем с элементами искусственного интеллекта; завод «умнеет» день ото дня.

Hitachi использует искусственный интеллект для анализа больших данных и выполняемых рабочими-людьми рутинных операций, передавая эту информацию роботам, которые, в свою очередь, передают инструкции сотрудникам, чтобы в режиме реального времени удовлетворять меняющийся спрос и постоянно совершенствовать производственный процесс. В рамках пилотного проекта компания добилась восьмипроцентного роста производительности труда в логистике[8]8
  Gershgorn D. “Hitachi Hires Artificially Intelligent Bosses for Their Warehouses”, Popular Science, September 8, 2015, www.popsci.com/hitachi-hires-artificial-intelligence-bosses-for-their-warehouses.


[Закрыть].

В Siemens используется группа роботов, отпечатанных на 3D-принтере и напоминающих пауков. При помощи искусственного интеллекта эти роботы коммуницируют друг с другом и занимаются сборкой в лаборатории Siemens (Принстон, штат Нью-Джерси). Каждый робот оснащен датчиками с функцией компьютерного зрения и лазерными сканерами, все вместе они подключаются к производственной цепочке «на лету»[9]9
  Murphy M. “Siemens is building a swarm of robot spiders to 3D-print objects together”, Quartz, April 29, 2016, https://qz.com/672708/siemens-is-building-a-swarm-of-robot-spiders-to-3d-print-objects-together/.


[Закрыть].

В Inertia Switch роботы благодаря системам искусственного интеллекта и сенсорным датчикам могут работать вместе с людьми. Компания использует роботов Universal Robotics, которые могут обучаться на ходу и гибко переключаться между задачами. Таким образом, они становятся прекрасными помощниками работникам-людям в цеху[10]10
  “Company Information: History of iRobot” http://www.irobot.com/About-iRobot/Company-Information/History.aspx, дата обращения: 2 ноября 2017 года.


[Закрыть].

Пока длилась вторая «зима» искусственного интеллекта, Родни Брукс выступил с критикой одной из фундаментальных идей, на которых давно базируются исследования искусственного интеллекта. Речь идет о постижении роботами окружающего мира на основе использования заранее определенных наборов символов и взаимосвязей между ними (подробнее см. врезку «Две зимы искусственного интеллекта»). Он высказался в защиту гораздо более надежного подхода: вместо того чтобы заранее каталогизировать окружающий мир, а затем представлять его в виде символов, почему бы не изучать среду при помощи датчиков? «Мир – лучшая модель самого себя», – написал он в знаменитой статье 1990 года под названием «Слоны не играют в шахматы». (Впоследствии Брукс создал компанию iRobot, разработавшую робот-пылесос Roomba, и основал Rethink Robotics. К настоящему времени iRobot выпустила больше всего автономных роботов в мире; в период с 2002 по 2013 год продано более 10 миллионов[11]11
  Robotiq, “Inertia Switch Case Study – Robotiq 2-Finger Adaptive Gripper – ROBOTIQ”. Видео доступно по ссылке https://www.youtube.com/watch?v=iJftrfiGyfs, опубликовано 28 июля 2014 года.


[Закрыть].)

Сегодня бруксовская трактовка искусственного интеллекта актуальна как в исследовательской, так и в производственной сфере. Rethink Robotics продемонстрировала возможности манипулятора, оснащенного встроенными датчиками и алгоритмами контроля движения, которые помогают роботу «ощущать» свои действия и корректировать их в режиме реального времени. В манипуляторе есть эластичные приводы и сочленения, способные возвращаться в исходное положение; таким образом, он может отклоняться при контакте, гася энергию. Следовательно, даже если он столкнется с объектом (или человеком), удар будет заметно слабее (по сравнению с обычным роботизированным манипулятором).

Что произойдет, когда «железные руки» смогут самостоятельно учиться, как, например, в Fanuc? Либо если манипулятор будет действовать аккуратнее и точнее, как в машинах Rethink? Рабочие на сборочных линиях смогут трудиться вместе с самообучающимися роботизированными манипуляторами. Допустим, человек занят сборкой автомобиля и ему нужно закрепить приборную панель. Робот может поднять ее и установить, а рабочий подкорректирует его действия и закрепит панель, не опасаясь, что громоздкая машина ударит его по голове. Искусственный интеллект помогает как роботам, так и людям проявлять свои сильные стороны, так что весь рабочий процесс на сборочной линии преображается.

Две зимы искусственного интеллекта

Взаимодействие человека и машины – важнейший аспект третьей волны трансформации бизнес-процессов – оказалось тернистым. Изначально искусственный интеллект встречали с большим энтузиазмом, но ожидания не оправдались: за разочарованием вскоре последовал заметный прогресс, что привело ко второй волне ажиотажа и новым разочарованиям. Два этих спада стали называть двумя «зимами» искусственного интеллекта.

Работы в области искусственного интеллекта начались в 1950-е годы, и в последующие десятилетия исследовательский прогресс шел крайне неравномерно. К 1970-м годам финансирование было почти свернуто, тот период называют «первой зимой» искусственного интеллекта. Затем, в течение нескольких лет в 1980-х годах, исследователям удалось добиться отличных результатов в разработке так называемых экспертных систем – компьютерных программ, способных анализировать и делать выводы. Они позволили машине выносить простейшие суждения, а не работать по строгому, заранее предопределенному алгоритму. В то же время набирала обороты революция персональных компьютеров, все внимание переключилось на них, они становились все более доступными для простого человека. Финансирование искусственного интеллекта вновь сократилось, настала «вторая зима» искусственного интеллекта. Такая ситуация сохранялась до начала 2000-х годов.

Появление искусственного интеллекта способствовало трансформации сборочных линий. Инженеры из Фраунгоферовского института логистики (Fraunhofer IML) давно испытывают встраиваемые датчики для создания самонастраиваемых сборочных линий на автомобильных заводах. В сущности, сам конвейер может модифицировать отдельные операции технологического процесса, меняя дополнительные модули и комплектацию для создания автомобилей под заказ. Таким образом, инженеры проектируют не просто конвейер, на котором собирается одна стандартная модель, а конвейер, способный самостоятельно перенастраиваться. Андреас Неттштретер, занимающийся координацией стратегических инициатив в IML, отмечает: «Если одна рабочая станция откажет или сломается, ее функции легко можно будет перекинуть на другие станции конвейера»[12]12
  Wilson H.J., Alter A., Sachdev S. “Business Processes Are Learning to Hack Themselves”, Harvard Business Review, June 27, 2016, https://hbr.org/2016/06/business-processes-are-learning-to-hack-themselves; из интервью Андреаса Неттштретера авторам книги, 8 февраля 2016 года.


[Закрыть].

Рабочие на сборочной линии решают более сложные задачи, недоступные роботам, а инженерам-технологам не требуется перенастраивать линию при каждом изменении характеристик или поломке. Они могут уделить время более творческим задачам – например, как сделать машины еще эффективнее.

То, что начинается с умных манипуляторов, распространяется по всему заводу и даже за его пределами. Технологии на основе искусственного интеллекта на производстве и, шире, в промышленности освобождают человека. Так, искусственный интеллект изменил сферу технического обслуживания. Сложные ИИ-системы заранее прогнозируют грядущую поломку, а значит, персонал тратит меньше времени на плановые проверки и диагностику и больше – на непосредственно ремонт.

Искусственный интеллект для ускоренного внедрения машин

Sight Machine, стартап из Сан-Франциско, использует аналитику и машинное обучение, помогая клиентам сокращать простои при запуске нового оборудования в цехах. Так, в одном случае удалось сократить время простоя, неизбежное при внедрении новых роботизированных систем, на 50 %. Когда все основные средства были введены в эксплуатацию, производительность возросла на 25 %. Благодаря новой технологии выросла эффективность производства, а инженеры и специалисты по техобслуживанию смогли сосредоточиться на других, более существенных задачах[13]13
  “Jump Capital, GE Ventures, and Two Roads Join $13.5 Million Series B Investment in Sight Machine”, Sight Machine, March 22, 2016, http://sightmachine.com/resources/analytics-news-and-press/jump-capital-ge-ventures-and-two-roads-join-13-5-million-series-b-investment-in-sight-machine/.


[Закрыть].

Компания General Electric отслеживает работу поставленного клиентам оборудования. Для этого применяется платформа Predix, оснащенная искусственным интеллектом. В ее основе лежит концепция «цифрового двойника», согласно которой все основные средства на заводе и за его пределами – от болта до ленты конвейера и турбинной лопасти – моделируются и отслеживаются на компьютере. Predix собирает и анализирует огромный объем данных; эти данные можно использовать для переосмысления бизнес-процессов по трем фундаментальным направлениям:

• Переосмысление технического обслуживания. General Electric собирает статистические данные со всех точек, где установлено ее оборудование, и использует технологию машинного обучения для прогнозирования сроков отказа тех или иных деталей (в зависимости от их текущего состояния).

Ранее специалисты по техническому обслуживанию заменяли детали в соответствии с рекомендациями производителя. Так, автомобильные свечи требовалось менять после 120 000 километров пробега. Теперь же заменять их можно по мере износа. Прогнозирование на основе искусственного интеллекта позволяет экономить время и деньги, одновременно повышая заинтересованность ремонтников в своей работе[14]14
  Steve Lohr, “G.E., the 124-Year-Old Software Start-Up”, New York Times, August 27, 2016, https://www.nytimes.com/2016/08/28/technology/ge-the-124-year-old-software-start-up.html.


[Закрыть].

• Переосмысление разработки продукта. Дополнительные данные облегчают проведение НИОКР. General Electric устанавливает датчики на деталях турбин, испытывающих наибольшую нагрузку, чтобы отслеживать происходящие в них изменения. В диапазоне рабочих температур датчики буквально сгорают, однако успевают собрать информацию о разогреве турбины. Это помогает лучше понять термодинамику материалов, используемых при изготовлении турбин, и оптимизировать условия эксплуатации. Благодаря датчикам, в распоряжении инженеров оказывается подробнейшая информация, проливающая свет на работу тех или иных систем[15]15
  Charles Babcock, “GE Doubles Down on ‘Digital Twins’ for Business Knowledge”, Information Week, October 24, 2016, http://www.informationweek.com/cloud/software-as-a-service/ge-doubles-down-on-digital-twins-for-business-knowledge/d/d-id/1327256.


[Закрыть].

• Переосмысление эксплуатации. General Electric может создавать цифровые двойники на основе полевых данных, собираемых с работающих объектов, например реактивных двигателей. В ходе виртуальных полетов самолет подвергается воздействию низких и высоких температур, пыли, дождя и даже атаке птиц[16]16
  Charles Babcock, “GE Doubles Down on ‘Digital Twins’ for Business Knowledge”, Information Week, October 24, 2016, http://www.informationweek.com/cloud/software-as-a-service/ge-doubles-down-on-digital-twins-for-business-knowledge/d/d-id/1327256.


[Закрыть]. Компания ведет мониторинг десятков тысяч ветряков, а их цифровые двойники позволяют корректировать работу в режиме реального времени. Анализ этих данных позволил сделать очень важный вывод: в зависимости от направления ветра имеет смысл снижать скорость вращения ведущей турбины по сравнению с расчетной. Когда передняя турбина поглощает меньше энергии, те, что расположены за ней, работают в режиме, близком к оптимальному, увеличивая общую выработку электроэнергии. Этот пример демонстрирует, что модель цифрового двойника не только применима к единичному устройству, но и позволяет оптимизировать работу всей ветряной электростанции. По данным General Electric, цифровые двойники позволяют увеличить производство ветровой энергии на 20 %, что эквивалентно $100 миллионам за весь срок эксплуатации ветряной электростанции мощностью 100 мегаватт[17]17
  Tomas Kellner, “Wind in the Cloud? How the Digital Wind Farm Will Make Wind Power 20 Percent More Efficient”, GE Reports, September 27, 2015, http://www.gereports.com/post/119300678660/wind-in-the-cloud-how-the-digital-wind-farm-will/.


[Закрыть].

Искусственный интеллект на местности: беспилотные транспортные средства

Дроны, оснащенные искусственным интеллектом, могут послужить человеку «искусственными глазами» в небе или под водой. Благодаря им можно больше не подвергать опасности людей, позволяя удаленно обследовать потенциально опасную территорию.

Австралийская компания Fortescue Metals Group, разрабатывающая железный рудник Cloudbreak, использует дронов для сбора информации о горизонтальном залегании рудных пластов. Парк летающих роботов значительно снижает риск работы на самых опасных участках[18]18
  Allie Coyne, “Fortescue deploys survey drones at Cloudbreak mine”, IT News, August 31, 2015, https://www.itnews.com.au/news/fortescue-deploys-survey-drones-at-cloudbreak-mine-408550.


[Закрыть].

В австралийской горнодобывающей компании BHP Billiton Ltd беспилотные летательные аппараты, оснащенные инфракрасными датчиками и телескопической оптикой, выявляют проблемы, связанные с кран-балками и дорогами, на которых ведутся ремонтные работы. Они также контролируют зоны подрыва, чтобы гарантировать: перед детонацией там нет людей[19]19
  Rhiannon Hoyle, “Drones, Robots Offer Vision of Mining’s Future”, Wall Street Journal, July 28, 2016, http://www.wsj.com/articles/drones-robots-offer-vision-of-minings-future-1469757666.


[Закрыть].

Echo Voyager от компании Boeing – беспилотный глубоководный робот, который используется для мониторинга подводной инфраструктуры, забора воды и составления карт дна океана, кроме того, он помогает при разведке нефтяных и газовых месторождений[20]20
  “Boeing’s Monstrous Underwater Robot Can Wander the Ocean for 6 Months”, Wired, March 21, 2016, https://www.wired.com/2016/03/boeings-monstrous-underwater-robot-can-wander-ocean-6-months/.


[Закрыть].

Во всех трех случаях Predix освобождает сотрудников от однообразной работы и позволяет им сосредоточиться на более креативных задачах. Специалист по техническому обслуживанию уделяет больше времени устранению сложных неисправностей, не отвлекаясь на рутинный мониторинг. Инженер получает больший объем данных, позволяющих судить, исправно ли функционирует система или дает сбой, что в дальнейшем поможет успешно справляться с более трудными задачами. Наконец, моделирование цифровых двойников открывает огромные возможности для экспериментирования – гораздо шире нынешних. Такие модели помогают применять более креативные подходы к решению проблем, а также выявлять скрытые ранее причины неэффективности – а значит, потенциально экономить время и деньги.

Сегодня вы не удивитесь, если, проходя по современному складу или распределительному центру, увидите, как мимо вас катятся роботы. (Небольшая подборка таких умных цепочек поставки и складских роботов приведена во врезке «Искусственный интеллект в складском деле и логистике».)

Искусственный интеллект в складском деле и логистике

Искусственный интеллект решает задачи транспортировки и размещения продукции на складе, меняя наши представления о проектировании складов.

• После того как Amazon в 2012 году приобрела Kiva Robots, стало понятно, что мобильные роботы, передвигающиеся по ее складам, стали главным преимуществом ее бизнес-модели. Роботы помогают поднимать и складывать пластиковые контейнеры, наполненные разными товарами, а также самостоятельно транспортируют товары к людям-«сортировщикам», комплектующим заказы. Благодаря такой скорости компания может обеспечить доставку «день в день»[21]21
  Nick Wingfield, “As Amazon Pushes Forward with Robots, Workers Find New Roles”, New York Times, September 10, 2017, https://www.nytimes.com/2017/09/10/technology/amazon-robots-workers.html.


[Закрыть].

• L’Oreal использует технологию радиочастотной идентификации (RFID) и машинное обучение для предотвращения несчастных случаев с погрузчиками на итальянском складе компании. Система мониторинга предупреждает операторов погрузчиков и рабочих, проходящих мимо, о том, что поблизости находится такая машина, – и количество несчастных случаев удается снизить[22]22
  Claire Swedberg, “L’Oreal Italia Prevents Warehouse Collisions via RTLS”, RFID Journal, August 18, 2014, http://www.rfidjournal.com/articles/view?12083/2.


[Закрыть].

Такие роботы зачастую весьма продвинуты, чтобы видеть, куда движутся, и понимать, что делают, но и у них есть недостатки. Например, коробка с хлопьями Cheerios может быть повреждена, из-за чего машине не удастся ее захватить. Большинство роботов с такой проблемой не справится. Придется пропустить эту коробку и перейти к следующей. Однако роботы компании Symbotic оснащены алгоритмами машинного зрения, позволяющими оценить очертания упаковки неправильной формы и в любом случае взять ее. Робот может быстро замерить свободное пространство на полке, чтобы убедиться, что коробка туда встанет. В противном случае он оповестит центральную систему управления, которая автоматически перенаправит этот товар на другую полку, куда он точно поместится. Роботы курсируют по складу со скоростью 40 км/ч, переносят грузы, оценивают обстановку при помощи датчиков и действуют по обстоятельствам.

Разница между обычным складом и оснащенным машинами Symbotic разительна. Как правило, паллеты с товаром выгружаются с фуры на специальную платформу; паллеты находятся там до тех пор, пока люди не распакуют их, после чего упаковки с товарами укладываются на ленточные транспортеры и развозятся по разным частям склада. Роботы Symbotic без промедления разбирают товары с паллет и раскладывают их по полкам, поэтому не требуется выделять место для временного размещения паллет. Не нужны и ленточные транспортеры. Таким образом, на складе, оснащенном оборудованием Symbotic, высвобождается дополнительное пространство под стеллажи. Джо Каракаппа, вице-президент Symbotic по развитию, сообщает, что при самом оптимистичном сценарии на складе можно будет разместить вдвое больше товаров или уменьшить его площадь в два раза. Более того, компактные склады легче вписать в сложившиеся микрорайоны, а скоропортящиеся продукты можно хранить ближе к точкам реализации.

Поскольку вся работа персонала сводится к загрузке и разгрузке фур, уместен вопрос: что будет со складскими рабочими? Джо Каракаппа говорит, что многих из них Symbotic переучивает. Например, те, кто занимался ремонтом ленточных транспортеров, обучаются ремонтировать роботов. Появляются и новые специальности. Каракаппа отмечает, что системные операторы отслеживают весь процесс перемещения роботов. «Как правило, до автоматизации на складе не было рабочих таких специальностей, – объясняет он, – но мы набираем их среди сотрудников при активном участии клиента»[23]23
  Из интервью Джо Каракаппы авторам книги, 13 октября 2016 года.


[Закрыть]. (Во второй части этой книги мы подробно поговорим о новых специальностях в рамках дискуссии о «недостающей середине».)