قادة الفكر
المشكلة الخفية التي تعوق تبني الذكاء الاصطناعي في التصنيع
يبدو أن الجميع في عالم التصنيع يتحدثون عن الذكاء الاصطناعي. الصيانة التنبؤية، وتفتيش الجودة الآلي، وتحسين سلسلة التوريد في الوقت الفعلي. على الورق، توعد هذه الحالات بوقت توقف أقل، وإنتاجية أعلى، وصنع قرارات أسرع وأكثر إطلاعا. ولكن على الرغم من tất الإثارة والاستثمار في أدوات الذكاء الاصطناعي، ما زال العديد من المصنعين يجدون صعوبة في الانتقال من التجارب إلى النتائج الفعلية.
يتضح أن العائق الأكبر ليس نقص الخوارزميات أو حتى نقص الوعي ب潜ential للذكاء الاصطناعي. المشكلة الخفية الأكثر صمودا هي عدم الكفاءة. بالتحديد، الفجوة بين قدرات الذكاء الاصطناعي والواقع التشغيلي المتناثر وغير المتسق الموجود في معظم أرضية المصنع.
لا تحتاج إلى النظر بعيدا لترى هذه المشكلة تعكَس في البيانات. وجد استطلاع حالة التصنيع لعام 2024 أن بينما 90% من المصنعين يبلغون عن استخدام بعض أشكال الذكاء الاصطناعي في عملياتهم، ما زال 38% يشعرون بأنهم متأخرون عن نظرائهم في التنفيذ والتأثير. هذا يكشف عن نوع من “متلازمة المخادع” حيث تتواجد التكنولوجيا ولكنها ليست قابلة للتحويل لأنها لا تكون متأصلة في العمليات الأساسية.
في الوقت نفسه، تشير دراسة قطاعية واسعة إلى أن 65% من المصنعين يشيرون إلى تحديات البيانات التي تتراوح من الوصول إلى التنسيق والتكامل والإدارة كأعلى عائق لتبني الذكاء الاصطناعي، متجاوزا قضايا أخرى مثل مهارات القوى العاملة أو المعدات التقليدية.
تعمق مشكلة جودة البيانات أكثر. وجد استطلاع عالمي لقادة الأعمال والتكنولوجيا، بما في ذلك العديد من المصنعين، أن 87% يتفقون على أن البيانات الجيدة ضرورية لنجاح الذكاء الاصطناعي، ولكن فقط 42% يقيّمون كمال وprecision بياناتهم على أنها ممتازة، ونسبة مماثلة تقول إن سوء جودة البيانات يعوق الاستثمار المتزايد في الذكاء الاصطناعي.
تجعل هذه النتائج واحدة cosa واضحة: المصنعون يرغبون في استغلال الذكاء الاصطناعي، ولكن معظمهم لا يزالون يفتقرون إلى الأساس التشغيلي اللازم للقيام بذلك بطريقة تتقدم فعلا في الأعمال.
لماذا “جاهزية الذكاء الاصطناعي” والتبني الفعلي ليسا نفس الشيء
من الم诱ي أن نعتبر الجاهزية متساوية مع التبني. ولكن البحث يظهر فجوة مفاجئة بين هذه المفاهيم. تشير دراسة نشرت في ScienceDirect إلى أن حتى في الحالات التي تظهر فيها الشركات مستوى عال من الجاهزية الفنية للذكاء الاصطناعي، فإن معدل التبني الفعلي، خاصة في سياقات الإنتاج، يبقى غالبا في حدود منخفضة من عشرات الأرقام. هذا يشير إلى أن الشركات تتردد في تنفيذ الذكاء الاصطناعي لأنها لا تزال تفتقر إلى الثقة في كيفية أدائه في البيئات التشغيلية الفعلية.
ليس من المفاجئ أن نجد هذا التردد عندما ننظر إلى كيفية عمل التصنيع تقليديا. على عكس الصناعات التي تقودها البيانات مثل المالية أو التجارة الإلكترونية، ركز التصنيع على العمليات المادية والآلات، وليس على البيانات. تشير دراسة مشتركة من منظمة التعاون والتنمية الاقتصادية إلى أن المصنعين يجدون عوائق لتبني الذكاء الاصطناعي أكثر من الشركات في تكنولوجيا المعلومات والاتصالات، جزئيا لأنهم يفتقرون إلى تقليد ممارسات البيانات الكبيرة ويعتمدون بشكل أكبر على الأنظمة التقليدية.
هذا يعني في الممارسة أن المنظمات تتسرع إلى تجربة الذكاء الاصطناعي دون بناء البنية التحتية للبيانات أو توحيد سير العمل المطلوب لتقديم أدوات الذكاء الاصطناعي نتائج موثوقة. إنه مثل وضع محرك عالي الأداء في سيارة ذات هيكل متصدع وتوقعها أن تتعامل مع ذلك.
البيانات والعمليات وفجوة الواقع
إحدى الإطارات الأكثر إظهارا التي تناقشها الصناعة هي فكرة “فجوة الواقع”. في الاستطلاعات، يظهر المصنعون باستمرار ثقة في استراتيجيتهم للذكاء الاصطناعي على الورق. يقول غالبيةهم إن الذكاء الاصطناعي هو أولوية وفرصة تنافسية. ومع ذلك، يشعر فقط جزء صغير حقا بالتحضير لتنفيذ مشاريع الذكاء الاصطناعي اليوم.
تنبع هذه الفجوة بين التطلعات والقدرة التشغيلية من عدة قضايا أساسية:
- بيئات البيانات المتناثرة. الأجهزة الحساسة، والآلات، وأنظمة تخطيط الموارد، وسجلات الجودة غالبا ما توجد في صوامط منفصلة بدون طريقة موحدة للمشاركة في المعلومات. نماذج الذكاء الاصطناعي تحتاج إلى مدخلات متسقة وموثوقة. عندما تكون هذه المدخلات غير كاملة أو غير متسقة، تصبح التنبؤات أقل موثوقية.
- العمليات اليدوية غير المتصلة. قد يكون لمصنع أجهزة إنترنت الأشياء قوية على بعض الآلات، ولكنه ما زال يعتمد على سجلات ورقية لتفاصيل الجودة. أنظمة الذكاء الاصطناعي لا يمكنها تعويض البيانات الناقصة أو المتأخرة؛ إنها فقط تعزز ما تراه.
- استعداد المنظمة. حتى عندما تحسّن البنية التحتية، يفتقر العديد من الفرق إلى الخبرة في ترجمة مخرجات النماذج إلى إجراءات. بدون سير عمل واضح وثقة بشرية في الذكاء الاصطناعي، تبقى الإشارات غير مستخدمة.
التكلفة الخفية للعدم
تجاهل هذه العوائق ليس بأذى. يظهر البحث باستمرار أن المنظمات التي لا تتناول الكفاءة الأساسية تعاني في استخلاص القيمة من استثماراتها في الذكاء الاصطناعي. على سبيل المثال، أشارت تقرير عن قدرة الذكاء الاصطناعي الصناعي إلى أن ما يقرب من 80% من الشركات الصناعية تفتقر إلى القدرة الداخلية لاستخدام الذكاء الاصطناعي بنجاح، على الرغم من أن غالبية كبيرة ت期待 أن يحسن الذكاء الاصطناعي الجودة والخدمات.
وبeyond قطاع التصنيع، تظهر دراسات في بيئات الأعمال أن ما يصل إلى 80% من الشركات تفشل في الاستفادة من الذكاء الاصطناعي لأنها تتغاضى عن العوامل التنظيمية والبشرية وإدارة التغيير — وليس لأن التكنولوجيا نفسها معيبة.
هذه النصائح تستحق التكرار: تحدي الذكاء الاصطناعي في التصنيع ليس مجرد مشكلة دمج التكنولوجيا. إنه حول تصميم سير العمل، والعمليات القرارية، وتنظيم البيانات، والنظم البشرية التي تتفاعل مع هذه الأدوات.
إغلاق الفجوة: حيث يحدث التقدم الحقيقي
فكيف يمكن للمصنعين جسر الفجوة بين الإمكانات والواقع؟ يبدأ ذلك بالاعتراف بأن الذكاء الاصطناعي لا ينبغي أن يكون إضافة، بل يجب أن يكون متأصلا في النسيج التشغيلي الحالي.
ركز أولا على جاهزية البيانات. جلب جميع البيانات إلى نظام، وتحسين الوصول، ووضع قواعد الحوكمة لا يجعل فقط أدوات الذكاء الاصطناعي تعمل بشكل أفضل، بل يخلق ثقة في المخرجات. الاستطلاعات التي تضع قضايا البيانات في قمة قائمة العوائق تظهر أيضا أن المصنعين الذين يعالجون هذه القضايا أولا هم أكثر احتمالا للانتقال بعيدا عن مشاريع التجربة وصولا إلى التوسع.
تنظيم الذكاء الاصطناعي مع سير العمل الفعلي. الذكاء الاصطناعي لا ينبغي أن يكون طبقة منفصلة؛ يجب أن يكون متكامل مع صنع القرارات البشرية والعمليات اليومية. يجب على الفرق فهم ما الذي تقوم به التكنولوجيا ولماذا تهم مخرجاتها. هذا يعني الاستثمار في التعليم الداخلي والحوكمة حول تبني الذكاء الاصطناعي.
بناء البنية التحتية التي تصل الأنظمة. بدلا من خلق المزيد من الصوامط، يتضمن التبني الناجح للذكاء الاصطناعي توحيد تدفقات البيانات من مصادر متفرقة، وأجهزة حساسة، وآلات، وأنظمة تخطيط الموارد، وسجلات الجودة، إلى طبقة متسقة ويمكن الوصول إليها. يحدث التقدم الحقيقي عندما تبدأ الشركات بالمشاكل التي يمكن رؤيتها والتعامل معها. الآلات التي لا تتكلم مع بعضها، وسجلات الجودة التي لا تزال مكتوبة باليد، والعمليات التي تعتمد على الذاكرة أو العادة كلها تخلق عوائق غير مرئية. عندما تأخذ الفرق وقتها لتوصيل الأنظمة، وجعل سير العمل متسقا، تبدأ التكنولوجيا في تقديم التوجيه بدلا من الارتباك.
الذكاء الاصطناعي لا يصلح العمليات المعطوبة بنفسه. نادرا ما يتعلق الأمر بشراء أحدث البرامج أو مطاردة أحدث نموذج. الشركات التي تنجح تركز على ربط الأنظمة الحالية، وتقليل الأخطاء، وضمان حصول الفرق على المعلومات التي تحتاجها للعمل.
عندما تكون هذه القطع في مكانها، يتوقف الذكاء الاصطناعي عن الشعور وكأنه تجربة ويتبدأ بالعمل جنبا إلى جنب مع المشغلين، مساعدا إياهم على ملاحظة المشاكل في وقت مبكر واتخاذ القرارات اليومية بثقة أكبر.
