Як МХП розробляє та впроваджує AI-рішення

МХП — міжнародна компанія у сфері харчових та агротехнологій, заснована в Україні 1998 року. Сьогодні МХП має активи у кількох країнах Європи, експортує продукцію до понад 80 країн та є одним із технологічних лідерів галузі.

В МХП не просто експериментують із впровадженням штучного інтелекту, а створюють власні рішення АІ-based та системно застосовують нові технології у щоденній роботі — від птахівництва до маркетингу. 

Використання АІ в МХП — це про конкретні продукти, які вже сьогодні працюють на результат. Яскравими прикладами є Smart Technology Assistant (Smart TA), Data Model Meat Processing (DMMP) та MHP4U. Це одні з ключових рішень, які демонструють потужність і масштабність AI-розробок в МХП.

SPEKA поспілкувалась з ІТ- та диджитал-директором МХП Тарасом Гошовським, аби дізнатися, як працюють ключові АІ-розробки МХП, як компанія створює інноваційні рішення, що змінюють ринок, та які плани компанії на майбутнє.

Цифрова трансформація в МХП офіційно розпочалася у 2020 році, коли запустили програму впровадження систем SAP (ERP, CRM, MDG тощо). Ця трансформація стала найбільшою у Східній Європі, охопивши ключові бізнес-напрями МХП. Основна мета — побудова цифрової платформи для ефективного управління ресурсами, взаємовідносинами з клієнтами, закупівлями, майстер-даними та персоналом.

Частиною розвитку ІТ- та диджитал-екосистеми МХП є розроблення власних технологічних рішень. Такими продуктами є:

Ці рішення стали невід’ємною частиною щоденної роботи компанії та суттєво підвищують ефективність виробничих і бізнес-процесів.

Як МХП балансує між in-house-розробленням та залученням зовнішніх фахівців до створення та впровадження АІ-рішень

Розроблення продуктів на основі штучного інтелекту в МХП — це переважно робота in-house-команди. Внутрішні фахівці ініціюють більшість ідей і гіпотез, адже глибоко розуміють виробничі процеси, специфіку бізнесу та реальні виклики. Далі до роботи підключається команда архітекторів, data scientists і розробників, яка підбирає оптимальні інструменти для реалізації цих гіпотез.

Втім, з огляду на стрімкий розвиток ШІ, неможливо зібрати всю необхідну експертизу під одним дахом. Тому МХП також активно залучає зовнішні ресурси у різних формах взаємодії: як виконання проєкту під ключ, так і залучення аутсорсу чи аутстафу. Зовнішні спеціалісти долучаються і до проведення пілотних проєктів, перевірки MVP і POC. 

Попри це, більшість рішень — понад 50-60%, а в окремих випадках і до 70-80% — реалізуються силами внутрішньої команди.

Одним із перших прикладів власних технологічних рішень МХП, створених командою після запуску цифрової трансформації, є Smart Technology Assistant (Smart TA).

Smart Technology Assistant (Smart TA) 

Це внутрішня цифрова розробка компанії МХП, яка використовує штучний інтелект для моніторингу й автоматичного управління умовами в інкубаторах та пташниках, перше у світі end-to-end-рішення для управління процесами вирощування птиці.

Smart TA у реальному часі аналізує температуру, вологість, вентиляцію тощо та автоматично коригує параметри для забезпечення оптимальних умов вирощування птиці. IT-розробка отримала міжнародне визнання — номінацію Honorable Mention щорічної премії SAP Innovation Award 2022.

Залученість людей до контролю та коригування роботи 

На сьогодні люди залучаються не до виконання рутинних завдань, як-от фізичний обхід сотень об’єктів, а до контролю системи. Smart TA допомагає спланувати виробництво, оперативно контролювати показники життєзабезпечення, розраховує оптимальні параметри утримання птиці та автоматично керує важливими факторами.

Підписуйтеся на наші соцмережі

Від ідеї до результату: скільки часу знадобилося на створення Smart TA

Два роки спеціалісти МХП займалися накопиченням даних та формування гіпотез. Далі пішов процес їхнього структурування й запуску у розробку.

Потім ще пів року на моделювання та підтвердження гіпотез й до 9 місяців на реалізацію: створення POC, MVP та, власне, самого продукту. 

Чому так довго? Бо інструменти Big Data, які з’явились у 2023 році, — це небо і земля порівняно з 2019-2020 роками. Здавалося б, різниця лише у три роки, але між ними прірва за рівнем розвитку інструментарію.

З якими викликами зіткнулася команда МХП під час реалізації Smart TA

Архітектура Smart TA базується на рішеннях від вендорів SAР та Microsoft. На базі MS PowerApps команді МХП вдалося швидко зробити необхідні зрозумілі та зручні інтерфейси для користувачів.

Це було критично важливо, адже першим викликом стало не технічне впровадження, а зміна підходу. Найскладніше — переконати людей відмовитись від звичного інструментарію: фізичних кнопок, ручного керування. І саме тут спрацював ключовий принцип: зміни мають бути зручними. Коли новий інструмент справді полегшує щоденну роботу, переконувати вже не потрібно — команда приймає його як щось природне.

«З погляду архітектури, інтеграції це ще один чи не найбільший виклик. Сьогодні майже не існує компаній, навіть у сегменті МСБ, які б працювали на єдиному технологічному стеку чи у межах одного програмного забезпечення. Завжди має бути ERP, інтегрована з CRM, до CRM під’єднується телефонія, до цього — поштова система, Active Directory тощо. Тобто навіть малий та середній бізнес інтегрує щонайменше п’ять різних систем», — підкреслює Тарас Гошовський.

Коли до цього багатофакторного процесу підключаються великі міжнародні виробники кліматичного, вентиляційного обладнання, систем подання води чи корморозподілу, виникають додаткові труднощі. Зазвичай такі компанії не поспішають відкривати внутрішній код своїх систем або надавати доступ до інтеграції стороннього програмного забезпечення з їхнім обладнанням. Особливо це стосується інтеграції з їхніми SCADA-системами, які часто є закритими або мають обмежену функціональність для зовнішніх рішень.

У таких випадках інтеграція складного виробничого обладнання з корпоративними системами стає не лише технічним завданням, а й питанням комунікацій, довіри та переговорного процесу.

Smart TA відкрив шлях до подальших інноваційних розробок МХП, наприклад, Data Model Meat Processing (DMMP) для оптимізації м’ясопереробки. 

Data Model Meat Processing (DMMP)

Це внутрішня AI-система МХП, розроблена для оптимізації процесів на м’ясопереробних підприємствах компанії. Вона аналізує дані про фізичні характеристики бройлерів у режимі реального часу й допомагає автоматизувати налаштування виробничого обладнання — від змін положень ручних агрегатів до автоматичного управління інтелектуальним технологічним обладнанням.

Це забезпечує оперативне реагування та внесення змін у налаштування обладнання або технологічні процеси. Як результат — підвищення коефіцієнта виходу м’яса із певних анатомічних частин курки.

Для МХП поштовхом до створення DMMP стала проблема частого переналаштування обладнання за різних параметрів вхідної сировини. Часті переналаштування обладнання впливали на стабільність процесів та ефективність виробництва. Реалізація цього завдання й була тригером для створення Data Model Meat Processing. DMMP створений повністю силами команди МХП — від формування гіпотези до повної реалізації.

«Це було б великою управлінською помилкою — у продукт, де настільки залучена команда, одразу залучати зовнішній ресурс», — говорить Тарас Гошовський.

Майбутні покращення DMMP

Тарас Гошовський пояснив, що у сам продукт DMMP вносити зміни не доведеться — його вже спроєктовано з урахуванням широкого діапазону можливих калібрів тушок бройлерів. Натомість зміни можуть знадобитися саме на рівні виробничого обладнання. За значних відхилень у вазі бройлерів система DMMP автоматично сигналізує, що потрібно переналаштувати лінію, наприклад, змінити положення ножів чи параметри різки.

«DMMP вже працює як стабільний, самонавчальний механізм, який не просто збирає дані, а й активно підказує, як діяти операторам»

Модель розрахована на повний діапазон мас. Навіть якщо з певної причини на лінії з’явиться нетипово велика тушка, система зреагує: вона ідентифікує її як виняток і запропонує окремий сценарій дій. Таким чином, система залишається гнучкою й масштабованою без потреби у частому доопрацюванні самої моделі.

Залучення людей до роботи DMMP

Тарас розповідає, що це звичайний виробничий процес, day-to-day. Він був і до впровадження дата-модуля, але основна різниця — у підході: раніше переналаштування виконувалися на основі досвіду та даних з розрізнених систем, тепер — згідно з чіткими параметрами. Це забезпечує більшу точність і знижує ризики помилок.

Використання інструментів ШІ в МХП не обмежується суто виробничим напрямом. АІ-рішення впроваджуються у різних сегментах бізнесу, як-от MHP4U у рекрутингу.

Це карʼєрна платформа МХП, яка автоматизує процес підбору персоналу та робить його зручним як для кандидатів, так і для рекрутерів. Вона поєднує базу вакансій, профілі посад, воронку талантів, базу кандидатів, систему аналітики. А завдяки елементам штучного інтелекту платформа допомагає автоматизовувати рутинні завдання рекрутера. 

MHP4U складається з внутрішньої системи SAP Success Factors, зовнішнього кар’єрного сайту MHP4U та чатбота MHP4U, які є основними точками входу для кандидатів. Усе це разом створює інтегровану систему залучення та підбору талантів — MHP Recruitment Ecosystem. 

Усе, що під капотом екосистеми MHP4U, працює за принципом єдиного вікна: від ініціації заявки до виходу кандидата на роботу, автоматизовано та з необхідними точками контролю, з якісною аналітикою. 

Зміни після впровадження MHP4U у процес рекрутингу

За словами HR-підрозділу після впровадження елементів штучного інтелекту в процес рекрутингу досить швидко стали помітними відчутні зміни. Насамперед це автоматизація рутинних завдань, як-от створення описів вакансій і формування повноцінних профілів кандидатів. ШІ допомагає рекрутерам у підготовці висновків щодо кандидатів, аналізуючи надані дані та резюме. Крім того, система формує персоналізовані відповіді кандидатам, що підвищує якість комунікації та покращує досвід кандидатів.

Завдяки MHP4U та рекрутинг-боту з елементами штучного інтелекту HR-команда МХП суттєво зменшила рутинне навантаження й отримала більше часу для стратегічної та творчої роботи. За підрахунками, щомісяця команда з 20 рекрутерів економить обсяг часу, еквівалентний повній зайнятості одного фахівця.

Втім, попри автоматизацію, є сфери, де участь людини залишається критично важливою: контроль і координація всього процесу підбору, усна комунікація з кандидатами, взаємодія з іншими учасниками процесу наймання, а також пошук і залучення кандидатів.

Як працює механізм навчання системи? 

«Це в хорошому сенсі ефективне використання можливостей LLM»

Система донавчається на основі накопиченого досвіду, підлаштовується до вимог рекрутерів і з кожною взаємодією краще реагує на запити. 

Наступним кроком є навчання системи під вимоги рекрутерів — щоб мати підґрунтя для більш складних процесів, як-от підбір відповідних кандидатів на конкретні вакансії, оцінювання та ранжування кандидатів, планування календарів, розуміння вподобань кандидатів на базі аналітики тощо.   

Майбутнє АІ-розробок МХП

«В МХП сьогодні паралельно розробляються десятки, а можливо, й сотні AI-рішень»

Тарас Гошовський упевнений, що компанія перебуває на етапі, коли ширина застосування ШІ стає одним із ключових векторів розвитку:

«Цьогоріч у межах програми визнання для всіх співробітників ми запустили окрему номінацію Artificial Intelligence Leadership. Мета — відзначити тих, хто рухає бізнес-процеси за допомогою інноваційних технологій, змінює підходи і відкриває нові можливості для всієї компанії. У нашому колективі з понад 30 тис. людей кожен може висунути гіпотезу, взяти участь у реалізації своєї ідеї — і справді щось змінити».

На тлі стрімкого розвитку LLM-технологій у компанії панує усвідомлення: ці інструменти трансформують роботу. Поки частина ринку з недовірою ставиться до ШІ як до чергового хайпу, інша — вже бачить у ньому джерело реальної бізнес-цінності. МХП — серед тих, хто діє, навчається й масштабує.