Vertaald uit het Engelse origineel. De cijfers en bronnen zijn ongewijzigd. Lees het Engelse origineel
Toyota Motor Corporation
Toyota geeft 800 aandrijflijn-ingenieurs O-Beya, een team van AI-agenten dat ontwerpvragen beantwoordt
Toyota bouwde O-Beya, een systeem van negen generatieve AI-agenten dat vragen van aandrijflijn-ingenieurs beantwoordt over onderwerpen als trillingen, brandstofverbruik en regelgeving. Ongeveer 800 ingenieurs hebben sinds januari 2024 toegang. Toyota meldt het gebruik, maar heeft de bespaarde tijd nog niet gemeten.
Kerncijfers
Letterlijk overgenomen uit de bronnen. Kopieer elk cijfer met bronvermelding.
zo'n 800
Aandrijflijn-ingenieurs met toegang tot O-Beya sinds januari 20241
negen
AI-agenten in O-Beya ten tijde van het artikel van Microsoft1
honderden keren
Gebruiksfrequentie per maand, volgens de projectleider1
meer dan 100
Verzoeken per maand, volgens de blogpost van Toyota over Azure Cosmos DB2
Wat het kostte
Kosten, teamgrootte en doorlooptijd zijn in de bronnen niet openbaar gemaakt.
Het probleem
Auto's veranderen snel. Hybrides, elektrische voertuigen, accu's en laden voegen meer onderdelen toe die ontworpen moeten worden, terwijl veel ervaren ingenieurs met pensioen gaan. De afdeling aandrijflijn van Toyota, die de motor, de transmissie en de aandrijfsystemen ontwerpt, leunt op specialisten wier kennis zit in eerdere ontwerprapporten en in hun hoofd. Het juiste document vinden kostte vroeger veel tijd.
Wat ze bouwden
O-Beya, vernoemd naar een Toyota-term die 'grote kamer' betekent, is een set generatieve AI-agenten die werken als een kamer vol experts die altijd beschikbaar is. Elke agent behandelt één onderwerp, zoals trillingen, brandstofverbruik of regelgeving. Een ingenieur kiest een of meer agenten en het systeem voegt hun antwoorden samen tot één antwoord. De projectleider zegt dat het systeem uiteindelijk zelf agenten moet kiezen.
Hoe ze het aanpakten
Het systeem draait op Microsoft Azure en gebruikt het GPT-4o-model van OpenAI. Het is gebaseerd op Toyota's eigen data: eerdere technische ontwerprapporten, geldende regelgeving en handgeschreven documenten van ervaren ingenieurs. Deze aanpak, retrieval-augmented generation, betekent dat het model bedrijfsdocumenten opzoekt voordat het antwoordt. Gespreksgeschiedenissen en de beoordelingen van de AI-antwoorden door menselijke experts worden opgeslagen, zodat de agenten kunnen verbeteren. De agenten draaien parallel, dus extra agenten vertragen de antwoorden niet. Toyota's eigen blogpost zegt dat de grootste uitdaging was om de antwoorden van elke agent juist te krijgen.
Resultaten
Sinds januari 2024 hebben ongeveer 800 aandrijflijn-ingenieurs toegang. De projectleider zegt dat het honderden keren per maand wordt gebruikt. Toyota's blogpost zegt dat de exacte bespaarde tijd niet is gemeten, maar gebruikers zeggen dat informatie zoeken veel sneller is geworden. Een ingenieur noemde het antwoord over meetapparatuur voor uitlaatemissies gedetailleerd en juist. Toyota wil meer agenten toevoegen, zoals een die veelvoorkomende klachten van consumenten samenvat.
Lessen voor uw project
Richt u op expertise die met pensioen gaat. Toyota's uitgesproken doel is de kennis van oudere ingenieurs vast te leggen voordat zij vertrekken en door te geven aan de volgende generatie.
Gebruik veel smalle agenten in plaats van één algemene assistent. Elke agent heeft eigen data en eigen afstemming, en nieuwe agenten kunnen worden toegevoegd zonder de antwoorden te vertragen.
Baseer antwoorden op uw eigen documenten, waaronder oude ontwerprapporten en handgeschreven notities van ervaren ingenieurs, en laat menselijke experts de antwoorden van de AI beoordelen.
Bepaal vroeg hoe u de waarde meet. Toyota had de bespaarde tijd nog niet gemeten en vertrouwt op gesprekken met gebruikers.
Kanttekeningen
- Beide bronnen zijn publicaties van Microsoft: een reportage en een blogpost die samen met een manager van Toyota is geschreven. Geen enkele onafhankelijke bron bevestigt de cijfers.
- Toyota meldt geen cijfer voor bespaarde tijd of kosten. De blogpost zegt dat de exacte bespaarde onderzoekstijd niet is gemeten; ingenieurs zeggen dat informatie vinden veel makkelijker is.
- De gebruikscijfers zijn klein en in de twee bronnen verschillend geformuleerd (honderden keren per maand tegenover meer dan 100 verzoeken per maand). Ze worden hier niet met elkaar in overeenstemming gebracht.
- De blogpost beschrijft een eerdere versie met vier agenten (accu, motor, regelgeving en systeemsturing). De reportage spreekt van negen agenten. De blogpost noemt geen modelversie; GPT-4o komt uit de reportage.
- De datum januari 2024 is volgens de reportage het moment waarop ingenieurs toegang kregen. De reportage van Microsoft is gelezen via een gearchiveerde kopie.
Bronnen
- Toyota is deploying AI agents to harness the collective wisdom of engineers and innovate faster
Microsoft Source Asia · 2024-11-19 · Casestudy van leverancier · news.microsoft.com
- How Toyota uses Azure Cosmos DB to power their multi-agent AI system for enhanced productivity
Microsoft Azure Cosmos DB Blog · 2024-11-19 · Casestudy van leverancier · devblogs.microsoft.com
In eigen woorden samengevat op basis van de bovenstaande bronnen. Een fout gezien? Zie correcties.