Piilotettu ongelma, joka estää tekoälyä hyödyntämästä valmistuksessa

Kaikki valmistusmaailmassa näyttävät puhuvan tekoälystä. Ennustava huolto, automaattinen laadun tarkastus, reaaliaikainen toimitusketjun optimointi. Paperilla nämä käyttötarkoitukset lupaavat vähemmän keskeytyksiä, suurempaa tuotannon määrää ja nopeampaa, tietoisempaa päätöksentekoa. Mutta kaiken jännityksen ja tekoälytyökalujen sijoittamisen keskellä monet valmistajat kamppailevat edelleen siirtymisen kanssa koekäytöistä todellisiin tuloksiin.

Tulee ilmi, että suurin pullonkaula ei ole algoritmiensa puute tai edes tietoisuuden puute tekoälyn mahdollisuuksista. Se pysyvin, piilotettu ongelma on tehokkuus. Erityisesti tekoälyn kykyjen ja valmistuslattian epäjohdonmukaisen, hajanaisen operatiivisen todellisuuden välinen kuilu.

Et tarvitse katsoa kauas, jotta näet tämän ongelman heijastuvan tietoihin. Vuoden 2024 valmistustilan kysely osoitti, että vaikka 90 % valmistajista ilmoitti käyttävänsä jonkinlaista tekoälyä toiminnassaan, 38 % koki olevansa jäljessä kilpailijoitaan toteutuksessa ja vaikutuksessa. Tämä paljastaa jonkinlaista “impostorin oireyhtymää”, jossa teknologiaa on läsnä, mutta ei ole vielä muuttanut tapaa, jolla asiat tehdään, koska se ei ole upotettu ydinkäyttöön.

Samaan aikaan laaja teollisuustutkimus osoitti, että 65 % valmistajista mainitsi tietohaittoja, kuten pääsyn, muotoilun, integroinnin ja hallinnan, tekoälyn omaksumisen suurimpana esteenä, joka ohitti muut ongelmat, kuten työvoiman taidot tai vanhentuneet laitteet.

Tietojen laadun ongelma on vielä syvempi. Globaali kysely IT- ja liiketoimintajohtajista, mukaan lukien monia valmistajia, osoitti, että 87 % oli samaa mieltä siitä, että hyvät tiedot ovat tekoälyn onnistumisen edellytys, mutta vain 42 % arvosti tietojensa täydellisyyden ja tarkin ja saman prosentin ilmoitti, että heikkolaatuinen data on este tekoälyn lisäksi.

Nämä löydökset osoittavat yhden asian selväksi: valmistajat ovat halukkaita hyödyntämään tekoälyä, mutta useimmat eivät vielä ole saavuttaneet operatiivista perustaa, jota tarvitaan tehdä niin, että se todella edistää liiketoimintaa.

Miksi “tekoälyvalmius” ja todellinen omaksuminen eivät ole sama asia

On houkuttelevaa yhdistää valmius omaksumiseen. Mutta tutkimus osoittaa yllättävän kuilun näiden käsitteiden välillä. ScienceDirectissä julkaistu tutkimus osoittaa, että vaikka yritykset osoittavat korkeaa teknistä valmiutta tekoälylle, todellinen omaksumisaste, erityisesti tuotantokonteksteissa, usein pysyy alhaisissa kymmenissä. Tämä viittaa siihen, että yritykset epäröivät tekoälyn käyttöönottoa, koska heillä ei vielä ole luottamusta siihen, miten se toimii todellisissa operatiivisissa ympäristöissä.

Tämä epäröinti ei ole yllättävää, kun otetaan huomioon, miten valmistus on perinteisesti toiminut. Toisin kuin datajohtoiset alat, kuten rahoitus tai sähkökauppa, valmistus on keskittynyt fyysisiin prosesseihin ja koneisiin, ei tietoihin. Yhteinen OECD:n johtama raportti toteaa, että valmistajat kohtaavat useammin tekoälyn omaksumisen esteitä kuin tieto- ja viestintätekniikan alan yritykset, osittain siksi, että heillä ei ole perinteistä big data -käytäntöjä ja he ovat useammin riippuvaisia perinteisistä järjestelmistä.

Mikä tämä tarkoittaa käytännössä, on, että organisaatiot kiirehtivät tekoälyn koekäyttöön ilman tarvittavan tietoinfrastruktuurin ja prosessien johdonmukaisuuden rakentamista, jotta tekoälytyökalut voisivat toimia luotettavasti. Se on kuin asettaa suorituskykyinen moottori autoon, jossa on murtunut runko, ja odottaa, että se selviää siitä.

Data, prosessit ja “tekoälytodellisuuden kuilu”

Yksi paljastavimmista kehyksistä, josta teollisuudessa keskustellaan, on “todellisuuden kuilu” -käsite. Kyselyissä valmistajat osoittavat jatkuvasti luottamusta tekoälystrategiaansa paperilla. Enemmistö sanoo, että tekoäly on tärkein prioriteetti ja kilpailuetu. Kuitenkin vain pieni osa tuntee olevansa todella valmis toteuttamaan tekoälyprojekteja tänään.

Tämä kuilu tavoitteen ja operatiivisen kyvyn välillä johtuu useista keskeisistä ongelmista:

• Hajaantuneet tietoympäristöt. Anturit, koneet, ERP-järjestelmät ja laadun lokit voivat olla erillään ilman standardoitua tapaa jakaa tietoja. Tekoälymallit tarvitsevat johdonmukaisia ja luotettavia syötearvoja. Kun nämä syötearvot ovat epätäydellisiä tai epäjohdonmukaisia, ennusteet muuttuvat vähemmän luotettaviksi.
• Manuaaliset ja erilliset prosessit. Tehtaalta voi olla tehokkaita IoT-laitteita joillakin koneilla, mutta se voi edelleen riippua paperilokista laaduntarkastuksissa. Tekoälyjärjestelmät eivät voi korvata puuttuvia tai viivästynyttä tietoa; ne vain vahvistavat, mitä ne näkevät.
• Organisaation valmius. Vaikka infrastruktuuri paraneekin, monilla tiimeillä puuttuu kokemus mallien tulosten kääntämisestä toimiin. Ilman selkeää prosessia ja ihmisten luottamusta tekoälyyn, havainnot jäävät käyttämättä.

Teon puuteen liittyvät piilevät kustannukset

Teon puuteen liittyvät piilevät kustannukset eivät ole vaarattomia. Tutkimus osoittaa jatkuvasti, että organisaatiot, jotka eivät osoita perustavanlaatuista tehokkuutta, kamppailevat tekoälysijoituksiensa arvon irti saamisessa. Esimerkiksi teollisen tekoälyn kapasiteetin raportti korosti, että lähes 80 % teollisista yrityksistä ei ole sisäisesti kykeneviä hyödyntämään tekoälyä menestyksekkäästi, vaikka merkittävä enemmistö odottaa tekoälyn parantavan laatua ja palveluja.

Ja teollisuuden ulkopuolella, liiketoimintaympäristössä tehty tutkimus paljastaa, että jopa 80 % yrityksistä epäonnistuu hyödyntämään tekoälyä, koska ne jättävät huomiotta organisaatiot, ihmiset ja muutosjohtamisen tekijät – ei siksi, että teknologia itsessään on viallinen.

Nämä havainnot ovat toistettavia: tekoälyn haaste valmistuksessa ei ole vain teknisen integroinnin ongelma. Se on prosessin suunnittelun, päätöksenteon, tietohallinnan ja niiden kanssa vuorovaikutuksessa olevien ihmisten järjestelmien kysymys.

Teon puuteen liittyvien kuilujen ylittäminen: Missä todellinen edistys tapahtuu

Miten valmistajat voivat ylittää kuilun potentiaalin ja todellisuuden välillä? Se alkaa siitä, että tekoälyä ei pidetä lisäominaisuutena, vaan se on upotettava olemassa olevaan operatiiviseen kankaaseen.

Keskity ensin tietojen valmiuteen. Kaikkien tietojen saattaminen järjestelmään, saatavuuden parantaminen ja hallintasääntöjen määrittäminen ei ainoastaan tee tekoälytyökaluista toimivampia, vaan luo myös luottamusta tuloksiin. Teollisuuskyselyt, jotka asettavat tieto-ongelmat esteiden kärkeen, osoittavat myös, että valmistajat, jotka ensin ratkaisevat nämä ongelmat, ovat todennäköisemmin siirtymään koekäytöistä skaalautumiseen.

Teon puuteen liittyvien prosessien kohdistaminen. Tekoälyä ei pidetä erillisenä kerroksena; se on integroitava ihmisten päätöksentekoon ja arkipäivän prosesseihin. Tiimien on ymmärrettävä, mitä teknologia tekee ja miksi sen tulokset ovat tärkeitä. Tämä edellyttää sisäisen koulutuksen ja hallinnon investointeja tekoälyn omaksumiseen.

Infrastruktuurin rakentaminen, joka yhdistää järjestelmiä. Onnistunut tekoälyn omaksuminen ei ole silojen luomista, vaan yhdistää tietovirtoja eri lähteistä, antureista, koneista, ERP-järjestelmistä ja laatusysteemeistä yhdenmukaiseksi, saatavaksi kerrokseksi. Todellinen edistys tapahtuu, kun yritykset aloittavat ongelmista, joita he voivat nähdä ja koskettaa. Koneet, jotka eivät kommunikoi toistensa kanssa, laadun lokit, jotka ovat edelleen kirjoitettu käsin, ja prosessit, jotka riippuvat muistista tai tavasta, luovat näkymättömiä esteitä. Kun tiimit yhdistävät järjestelmiä ja tekevät prosessit johdonmukaisiksi, teknologia alkaa tarjota ohjausta sen sijaan, että se aiheuttaa sekaannusta.

Teon puuteen liittyvät prosessit eivät korjaa itseään tekoälyllä. Se on harvoin uusimman ohjelmiston ostamista tai viimeisimmän mallin mukaan juoksemista. Yritykset, jotka menestyvät, keskittyvät olemassa olevien järjestelmien yhdistämiseen, virheiden vähentämiseen ja varmistamiseen, että tiimit saavat tarvittavat tiedot toimia.

Kun nämä osat ovat paikoillaan, tekoäly loppuu tuntumasta kokeilulta ja alkaa toimia rinnan operaattoreiden kanssa, auttaen heitä havaitsemaan ongelmat aikaisemmin ja tekemään päivittäisiä päätöksiä luottavaisemmin.