Fra Generativ AI til Pålidelig AI: Høje Indsatser i Fremstillingsindustrien

AI-hype-cyklen eksploderede i 2023 med debuten af generativ AI og efterfølgende investeringer. Med det kom en følelse af blind AI-optimisme, hvor organisationer forkæmper for teknologien uden en klar forståelse af dens ROI og praktiske anvendelsesmuligheder. Nogle fulgte blot AI-mængden, da de havde frygt for at blive efterladt. Når vi ser tilbage og tænker på, hvad der kommer i 2025, er der sket meget med hensyn til AI-forventninger? Er vi stadig på det stadium af blind AI-optimisme?

Kort sagt, nej. Vi er heldigvis kommet længere på modningsstien. Vi kan se, hvordan hype-cyklen forsvinder, og vi går fra blind AI-optimisme til bevist AI-optimisme – eller pålidelig AI. Fremstillingsindustrien, som har gjort enorme fremskridt med pålidelig AI, fungerer som en case-study for denne rejse, og en, som andre industrier kan lære af. Men før vi går ned ad denne vej, må vi først adressere den virkelige mulighed for en AI-boble, der sandsynligvis vil briste.

Irrationel AI-Eufori?

Blind AI-optimisme – eller begejstring over den nyeste, skinnende AI-teknologi uden en klar forståelse af dens implikationer og konkrete resultater – har genereret meget opmærksomhed og kapital. For eksempel ser analytikere på, hvordan Microsoft, Meta og Amazon investerer betydelige beløb i Nvidias AI-drevne GPU’er, men der er bekymringer over, om disse investeringer vil give de ønskede indtægtsgevinster for disse virksomheder.

Vi begynder at se hvisken om, at denne specifikke AI-boble vil briste. MIT-økonom Daron Acemoglu advarede om, at pengene, der er investeret i AI-infrastruktur, måske ikke vil give de forventede afkast for investorerne. Folk var begejstrede for AI’s løfte, men nu begynder de at bekymre sig om, at det vil ligne dot-com-boblen. Sådan en begivenhed kunne udløse, at andre investorer bliver mere skeptiske over for AI-narrativen og søger hurtigere afkast eller reducerer disse investeringer. Desillusionen bobler op.

Der skal ikke være nogen tvivl, AI vil ændre, hvordan industrier arbejder, men det vil ikke ske ved at følge det skinnende objekt. Pålidelig AI er kvantificerbar og leverer virkeligt indflydelse, typisk bag kulisserne og integreret i eksisterende processer.

Så, hvad er et eksempel på pålidelig AI, der allerede viser succes og vil bestå tidens prøve? Fremstillingsindustrien præsenterer betydelige anvendelsesmuligheder.

Måling af Fremstillingsindustriens Succes

En førende kemivirksomhed ønskede at forbedre effektiviteten og pålideligheden i deres maskiner for at undgå planløse nedlukninger og driftsforstyrrelser. De investerede i en AI-drevet præventiv vedligeholdelsesløsning, der udstyrer deres hold med maskinens sundhedsindikatorer og anbefalinger til at proaktivt løse problemer. De opnåede 7 gange ROI på under ét år.

På samme måde ønskede en af verdens førende fødevare- og drikkevarevirksomheder at reducere produktspild og optimere deres fabrikskapacitet, så de iværksatte en pilotprojekt med AI-aktiveret maskinovervågning på fire fabrikker. De så en kapacitetsøgning på 4.000 timer om året og en reduktion i spild på over 2 millioner pund produkt. Resultaterne var så betydelige, at pilotprojektet blev udvidet til alle deres nordamerikanske faciliteter.

Disse virkelige eksempler demonstrerer den målbare indvirkning af pålidelig AI, og de stemmer overens med bredere branchetendenser. I en nyeste undersøgelse af 700+ globale fremstillingsvirksomheder var de øverste områder for at kvantificere AI’s indvirkning på forretningsmål leverandørstyring/optimering (41%), forbedring af beslutningstagning med preskriptive analytik (41%) og proceshelse/maksimering af kapacitet (40%).

År-for-års-resultaterne afslører den sande fremgang, der er gjort på denne rejse fra blind optimisme til beviste resultater. I sammenligning med året før kan tre gange så mange respondenter nu kvantificere AI’s indvirkning på proceshelse, og dobbelt så mange kan måle dens indvirkning på uventede maskin-nedlukninger. Dette viser, at fremstillingsvirksomhederne bliver bedre og mere komfortable med at bruge AI, hvilket hjælper dem med at realisere en mere betydelig afkast på investeringen.

Med denne øgede tillid vil 83% af globale fremstillingsledere øge deres AI-budgetter – hvilket er nøgle til forretningsvækst og effektiv visualisering og handling af fabriksdata. Så, hvad med andre industrier, der er langsomme til at opnå AI-succes? De skal ikke skalere hurtigt nok.

Langsom til at Skalere

Indtil nu har fremstillingsvirksomheder og andre industrier været langsomme til at skalere AI, hvilket har hæmmet hastigheden, hvormed vi har set betydelige resultater. Faktisk er næsten 7 af 10 (67%) forretningsledere langsomme til at adoptere AI, ifølge en tech.co-rapport.

AI er et værktøj, ikke et resultat. Der skal være en kulturfornyelse for at realisere de sande fordele af disse investeringer – det skal være mere end bare at sætte sensorer på maskiner. Dygtig arbejdskraft er allerede svær at fastholde og endnu sværere at finde. Den amerikanske befolkning er aldrende i en hurtigere rate med færre mennesker, der kommer ind i arbejdsmarkedet. Nu er tiden til at fremme pålidelig AI, fordi det er afgørende for at fastholde viden og fremme industrierne.

Generativ AI-værktøjer som ChatGPT er imponerende, men forretningsverdenen har brug for mere end det. Den kræver formål-bygget AI, der er rettet mod specifikke og vanskelige problemer – og den har brug for resultater. Det er, hvor pålidelig AI kommer ind, og fremstillingsindustrien har leveret en imponerende playbook.