Ajatusjohtajat

Innovointi strategisen näkemyksen voimalla: AI:n rooli tutkimuksen ja kehityksen liittämisessä liiketoimintaprioriteetteihin

mm

Ei ole yllättävää, että useimmat teollisuudet kohtaavat muutoksia AI:n käytön lisääntymisen myötä – olitpa sitten valmistajana tai terveydenhuollon parissa, olet luultavasti kokenut tämän muutoksen. Yksi säie, joka kulkee jokaisen teollisuuden ja organisaation läpi, on tutkimus ja kehitys (R&D), josta on tullut katalysaattori tulevaisuuden muotoilussa AI:n näkökulmasta, ei pelkästään nykyisyyden uudelleenmäärittelyssä.

Jotta organisaatiot voivat säilyttää kilpailukykyään, niiden on vastattava perustaviin strategisiin liiketoimintaprioriteetteihin kaikilla liiketoimintansa osa-alueilla, erityisesti niillä, joita koskee teknologia. Koska teknologinen ja ohjelmistokehitys etenevät nopeasti, organisaatioiden on siirryttävä incrementalisten R&D-parannusten lisäksi AI-kehitysten tutkimiseen.

Tutkimuksen ja kehityksen liittäminen liiketoimintastrategiaan, erityisesti AI:n kautta, ei ole enää “hyvä asia”, vaan välttämätön tulevaisuuden kilpailukyvyn kannalta. Liittämällä tutkimuksen strategisiin prioriteetteihin organisaatiot voivat kiihdyttää innovaatioita, vahvistaakestävyyttä ja luoda muuntavia teknologioita, jotka vievät heidän toimialaansa eteenpäin.

Strateginen imperatiivi AI:lle tutkimuksessa ja kehityksessä

Kun AI hyödyntää tehokkaasti, se voi olla avaininnovaatioiden ajureiden ympäröivä tekijä eri toimialoilla.

Esimerkiksi energia-, liikenne- ja teollisuusautomaatiosektorit ovat parhaillaan kokemassa AI-kehitysten vaikutusta. Vaikka muutokset ovat kehittyneet useiden vuosien ajan, ammattilaiset voivat alkaa havaita muutoksia seuraavilla aloilla:

  • Energia ja kestävyys: AI-ohjattu optimointi käytetään energiankulutuksen vähentämiseen datakeskuksissa ja rakennuksissa, parantamaan verkkoresilienssiä ja mahdollistamaan resurssien tehokkaamman käytön hiilidioksidin talteenotto- ja käyttöjärjestelmissä. AI:lla on potentiaalia vähentää maailmanlaajuista kasvihuonekaasupäästöjä 5 – 10%.
  • Liikenne: AI:a käytetään liikenteen ruuhkien vähentämiseen ja ajovirran parantamiseen, laivaston huollon ja luotettavuuden lisäämiseen, tietoverkkopohjaisiin infrastruktuurisuunnitelmiin ja julkisen liikenteen tehokkuuden lisäämiseen autonomisen liikkuvuuden avulla.
  • Teollisuusautomaatio: Vaikka teollisuusala kokee työvoimapulaa, AI:a käytetään “valojen sammuttamiseen” tehtaissa, ennakoiden huoltostrategioita ja humanoidirobotiikkaa.

AI mahdollistaa nopeamman päätöksenteon, ennakointimallien ja löytöjen tekemisen, mikä tekee näiden muutosten vaikutuksen tunteville nopeammin kuin koskaan aiemmin. Kuitenkin, liikkuessasi liian nopeasti ja ilman liiketoimintatarkoitusta, organisaatiot eivät todella koe näiden muuntavien AI-työkalujen ja -teknologioiden vaikutusta.

Otetaan esimerkki fyysinen AI. AI kehittyy digitaalisen maailman rajoituksista, kuten pilvi- ja tietokoneympäristöistä, kohti soveltamista alueilla, joilla fyysiset esineet ohjataan ja liikkuvat, esimerkiksi koneissa, laitteissa ja energiasysteemeissä.

Teoreettisesti tämä on jännittävä esimerkki seuraavasta AI-kehityssta, mutta hyppäämällä trendiin ilman tarkoitusta ja strategista linjaa, vaikutukset eivät todella tunnisteta. Tässä fyysisessä AI-paradigmassa komponenttien ja järjestelmien ominaisuuksilla, kuten kitka, inertia ja lämpö, on monimutkaisia vuorovaikutuksia. Riippumatta siitä, kuinka paljon dataa AI muistaa, jos se ei noudata fysiikan lakeja, se ei voi toimia luotettavasti todellisissa maailman tilanteissa, mikä haittaa sen omaksumista.

Lisäksi, kun teknologisen innovaation tahti kiihtyy, on organisaatioiden saatava selville heidän perustavat vahvuutensa ja siellä, missä he voivat erottautua kilpailijoistaan, mutta heidän on myös tunnistettava, milloin on järkevää tehdä yhteistyötä ulkoisten tahojen, kuten startupien tai muiden yritysten kanssa. Tämä siirtyminen avoimeen innovaatiomalliin on välttämätöntä ulkoisten ideoiden, teknologioiden ja asiantuntijoiden hyödyntämiseksi – kiihdyttämällä edistystä, lyhentämällä markkinoille menoaikaa ja luomalla vahvoja ekosysteemejä, jotka tukevat pitkän aikavälin kilpailukykyä.

Samaan aikaan tutkimus ja kehitys on keskeisessä asemassa liiketoimintastrategioiden muotoilussa. Vahva yhteistyö tutkimusosastojen ja liiketoimintayksiköiden välillä takaa ratkaisujen kehittämisen, jotka ajavat tehokkaamman ja yhtenäisemmän tulevaisuuden. Koska teknologia jatkaa nopeaa kehittymistään, tutkimuksen ja kehityksen näkemyksen integroiminen strategiseen suunnitteluun on avainasemassa joustavuuden, asianmukaisuuden ja etenemisen säilyttämisessä.

Tutkimuslaboratorioista liiketoimintayksiköihin

Tällä hetkellä on vahva tarve siltojen rakentamiseen perustutkimuksen ja liiketoimintastrategian välille. AI-innovaatioiden skaalaaminen vaatii “kaiken tiimin” mentaliteetin, jotta voidaan todella nähdä siirtymisen vaikutus konseptin todistamisesta liiketoimintayksiköiden laajuiseen omaksumiseen.

Kysymys on: miten sisäiset tiimit järjestäytyvät tämän haasteen kohtaamiseksi?

Gartnerin strategisen sijoitusoppaan mukaan on useita keinoja, joilla organisaatiot voivat luoda strategisen linjauksen tutkimukselle ja kehitykselle, erityisesti koskien teknologisen suunnittelun ja päätöksentekoa.

  1. Käyttäminen markkinapull- R&D-tekniikkatienkartan mallia tunnettujen liiketoimintatavoitteiden tukemiseksi – tuoteparannusten tai markkina- ja toimialanalyytikkojen kautta, markkinapull-tienkartat auttavat tiimejä ymmärtämään, miten tulevaisuuden asiakastarpeet ja teknologisen edistys vaikuttavat liiketoimintaan.
  2. Käyttäminen teknologia-ajureiden R&D-tekniikkatienkartan mallia markkinmahdollisuuksien löytämiseksi – teknologia-ajureiden tienkartat antavat tiimille mahdollisuuden tunnistaa potentiaalisia tuote- ja markkinakehitysmahdollisuuksia, joita ajavat uudet teknologiat. Gartnerin mukaan nämä tienkartat haastavat organisaatioita ajattelemaan laajemmin kuin vain lähitulevaisuudessa ja suunnittelemaan seuraavien viiden ja kymmenen vuoden ajaksi. Tämän nopeasti muuttuvan teknologisen maiseman keskellä suunnittelun eteenpäin on paras tapa säilyttää kilpailukyky.
  3. Käyttäminen hybrid- R&D-tekniikkatienkartan mallia lyhyen ja pitkän aikavälin mahdollisuuksien löytämiseksi –hybriditienkartat yhdistävät markkinapull- ja teknologia-ajureiden mallien vahvuudet. Käyttäessään tätä mallia tiimit ja R&D-johtajat luovat suunnitelmat, jotka tukevat pitkän aikavälin innovaatioita ja laajaa kehitystä samalla, kun ne pysyvät maanpinnalla nykyisissä liiketoimintatavoitteissa.

Kaksi liiketoimintamallia eivät ole samanlaisia, ja organisaatioiden on päättävä, mitkä pyrkimykset ovat etusijalla. Kuitenkin yksi tekijä on avainasemassa, kun on kyse tulevaisuuden AI-kehitysten suunnittelusta – R&D-strategioiden on oltava linjassa liiketoimintatienkartoilla, jotta voidaan luoda merkityksellisiä ja kestäviä vaikutuksia.

Yhteiskunnallisten tarpeiden ennakointi AI:n avulla

AI:lla on ainutlaatuinen rooli yhteiskunnallisten haasteiden ratkaisemisessa, mukaan lukien ilmastonmuutoksen vaikutukset, terveydenhuollon teknologiset edistysaskelit tai kaupungistuminen sekä tieteelliset löydöt, jotka parantavat yksilöiden arkipäivää.

Kun organisaatiot linjaavat liiketoimintastrategiansa tulevaisuuden AI-kehitysten eteen, yritykset voivat luoda ratkaisuja huomisen ongelmien sijaan vain tänään. Se on hyväksi liiketoiminnalle, mutta myös yhteiskunnalle, joka kokee nopeimman teknologisen edistysaskeleen AI:n vaikutuksesta.

AI on strategisen innovaation kulmakivi

Olemme tällä hetkellä käänteenteossa AI:ssa – organisaatiot, jotka ottaa vakavasti teknologisen edistysaskeleen osana viiden tai kymmenen vuoden suunnitelmia, näkevät suurimmat palkinnot niihin verrattuna, jotka reagoivat vain jatkuvaan muutokseen. AI voi muuntavasti vaikuttaa liiketoimintasuunnitelmiin ja -strategioihin, kun sitä käytetään ei vain työkaluna vaan strategisena pilarina organisaatioissa eri osastojen ympärillä. Tutkimuksen ja kehityksen yhdistäminen liiketoimintasuunnitelmiin mahdollistaa yritysten linjaamaan AI-tutkimuksen ydinprioriteetteihin, jotta voidaan luoda liiketoiminnan kestävyys ja kilpailukyky sekä muotoilla kestävä, yhtenäinen tulevaisuus yhteiskunnalle.

Anthony Vetro liittyi MERL:iin vuonna 1996. 25+:ssa vuodessaan yrityksessä hän on osallistunut yrityksen strategisiin tutkimus- ja kehityssuuntiin, johtanut tiimejä useilla uusien teknologioiden aloilla ja osallistunut useiden teknologioiden siirtämiseen ja kehittämiseen kaupallisiin tuotteisiin. Hän on myös ollut aktiivinen useissa IEEE-konferensseissa, teknisissä komiteoissa ja toimittajaryhmissä. Tohtori Vetro sai B.S., M.S. ja Ph.D. tutkintonsa sähkötekniikasta New Yorkin yliopistosta. Hän on saanut useita palkintoja työstään transkoodauksessa ja on IEEE Fellow.