Kecerdasan Buatan (AI) berpotensi untuk merevolusikan rantaian nilai pakaian tetapi patutkah ia digunakan untuk membantu menyelesaikan tenaga kerja mahir industri pakaian global yang semakin berkurangan?
Industri tekstil dan pakaian memerlukan PKS mempunyai akses kepada alatan digital yang membolehkan mereka bersaing pada skala global, jelas Rafael Cervone, pengarah eksekutif Texbrasil, yang merupakan Program Antarabangsa Industri Fesyen Brazil yang diselenggara oleh ABIT (persatuan industri tekstil dan pakaian Brazil).
Beliau meneruskan: “Sama pentingnya ialah menangani jurang kemahiran, yang merupakan isu kritikal dalam banyak industri termasuk kita. AI memacu perubahan pantas tetapi kita perlu memanfaatkan teknologi digital dengan amanah."
Semasa sesi mengenai AI dalam rantaian nilai tekstil pada persidangan tahunan bersama IAF & ITMF di Uzbekistan baru-baru ini, beliau memberitahu para hadirin: "AI mempunyai keupayaan yang luar biasa untuk merevolusikan rantaian nilai daripada proses pengeluaran yang dioptimumkan kepada pengalaman pelanggan yang dipertingkatkan, tetapi ia mesti dipandu oleh etika dan kemampanan."
Satu kajian yang diterbitkan tahun lepas mencadangkan reka bentuk kolaboratif kecerdasan buatan manusia (AI) boleh merevolusikan masa depan reka bentuk fesyen dan berfungsi sebagai alat pendidikan.
Bagaimanapun rakan kongsi Gherzi Textil Organization Robert P. Antoshak berhujah pada masa itu terdapat beberapa tanda tanya untuk menggunakan AI yang perlu dipertimbangkan pada masa hadapan, termasuk risiko AI mengambil pekerjaan orang.
Mengapakah sektor pakaian kehilangan pekerja mahirnya?
Thomas Gries, seorang profesor dan pengerusi kejuruteraan tekstil di Institut für Textiltechnik Universiti RWTH Aachen di Jerman berpendapat terdapat kekurangan pekerja mahir dalam industri pakaian, terutamanya di Eropah supaya AI boleh menjadi penyelesaian yang berpotensi.
Beliau menjelaskan: “Di Eropah, Baby Boomers akan bersara tidak lama lagi dan industri tekstil dan pakaian telah kehilangan imejnya kepada bioteknologi dan sains komputer.
"Kami perlu mencari pekerja mahir dan saya percaya automasi dan robotik mempunyai peluang besar untuk membantu dengan kekurangan pekerja mahir."
Bagi Gries, ia adalah persoalan sekarang atau tidak kerana dia mengetengahkan statistik mencadangkan syarikat yang tidak mengautomasikan sekarang tidak akan berdaya saing menjelang akhir dekad (2030).
Dia bekerja di universiti besar dengan pusat teknologi pengeluaran yang kukuh dalam AI dan ICT, tetapi dia mengakui jika anda melihat sains anda boleh menjadi lebih keliru.
Sebaliknya, beliau menasihati industri pakaian untuk mendapatkan cerapan dunia sebenar daripada makmal hidup, seperti ILC (Pusat Inovasi & Pembelajaran) di Aachen di mana anda boleh menyelami dunia ini dan mendapat gambaran tentang perkara yang berkesan dan tidak berkesan.
"Kami mempunyai pilihan kerjasama di mana syarikat boleh datang dan membangunkan projek kecil dan kami mempunyai projek yang lebih besar tentang cara mengurus penggunaan AI, seperti WIRKsam," katanya.
Yang penting, beliau percaya keperluan untuk automasi wujud dalam setiap sektor industri kami, tetapi menyenaraikan AI untuk membantu pengeluaran sebagai satu contoh sahaja. Beliau juga menekankan kerjasama adalah penting dan pemindahan pengetahuan di mana orang ramai dibawa masuk dari industri lain yang biasa dengan penggunaan AI.
Dia menjelaskan: “Terdapat beberapa perkara yang boleh dilakukan untuk menangkap maklumat dan berkongsinya tetapi anda juga perlu menterjemah maklumat itu. Terdapat beberapa alat pertama yang tersedia tetapi ia tidak mencukupi.”
Bagaimanakah eksekutif industri pakaian boleh menerima AI?
Cadangan Gries kepada pemilik syarikat pakaian adalah untuk melabur secara aktif dan menggunakan teknologi AI dalam perniagaan: “Anda perlu bermula dari kecil tetapi anda perlu bermula.”
Dia menambah: "Pada penghujung hari anda perlu pergi ke tahap pekerja dan memperbaikinya dengan AI."
Dia bertegas bahawa pendekatan berpaksikan manusia digabungkan dengan kerjasama adalah formula ajaib kepada AI dan anda perlu berinovasi dalam tenaga kerja.
“Jadilah pemimpin dalam tenaga kerja dan kemudian anda akan menarik generasi akan datang,” tegas beliau.
Dari sudut pandangan pekerja mahir, beliau menunjukkan sektor itu memerlukan pasukan antara disiplin: "Kami perlu bercakap dengan mudah dan membuat lukisan dan bukannya perkataan dan mempunyai minda penerokaan berdasarkan keinginan untuk mencuba perkara baru."
Dia juga berkongsi pentingnya untuk mempunyai budaya syarikat yang terbuka kerana pengurus tidak boleh mengajar AI dari atas ke bawah. Ia perlu berasaskan pengalaman dan kolaboratif.
Adakah AI satu-satunya penyelesaian kepada kekurangan pekerja pakaian?
AI bukan satu-satunya penyelesaian, menurut Gries dan elemen manusia kekal kritikal. Dia menerangkan: "Anda perlu melihat pelbagai jenis matematik dan melakukan sesuatu dengan pemprosesan isyarat."
Dia mendakwa penyelesaian kepada isu pekerja sektor pakaian "pastinya akan menjadi campuran model matematik yang berbeza" kerana dia percaya faedah data besarnya telah dianggarkan terlalu tinggi.
“Kita perlu melihat apa yang boleh kita lakukan dengan data besar. Pemprosesan imej dan penciptaan semua gambar berwarna-warni dalam pembentangan saya dibuat oleh AI jadi ini adalah satu kawasan yang boleh digunakan. Terdapat juga ramalan tingkah laku pengguna dan sudah tentu ada pemprosesan bahasa.”
Untuk Gries, AI sangat baik dalam menyediakan "gambar" awal tetapi jika anda mahukan data yang tepat, AI adalah alat yang salah.
Dia menambah: "AI harus dinamakan semula sebagai tekaan terbaik kerana ia membuat tekaan pertama yang baik" tetapi terpulang kepada pekerja mahir dengan latihan AI untuk menggali data dan mencari jawapan yang lengkap."
Sumber daripada Hanya Gaya
Penafian: Maklumat yang dinyatakan di atas disediakan oleh just-style.com secara bebas daripada Cooig.com. Cooig.com tidak membuat perwakilan dan jaminan tentang kualiti dan kebolehpercayaan penjual dan produk. Cooig.com secara jelas menafikan sebarang liabiliti untuk pelanggaran yang berkaitan dengan hak cipta kandungan.
