Od sztucznej inteligencji generatywnej do niezawodnej sztucznej inteligencji: Wysokie stawki w produkcji

Cykl hossy sztucznej inteligencji wybuchł w 2023 roku z debiutem sztucznej inteligencji generatywnej i następującymi po tym iniekcjami finansowymi. Wraz z tym pojawiło się poczucie ślepej optymistycznej sztucznej inteligencji, gdzie organizacje popierały tę technologię bez jasnego zrozumienia jej zwrotu z inwestycji i praktycznych przypadków użycia. Niektóre z nich po prostu szły za tłumem sztucznej inteligencji, przyjmując tę technologię ze strachu przed pozostaniem w tyle. Spójrzmy wstecz i pomyślmy o tym, co nas czeka w 2025 roku, czy wiele się zmieniło w odniesieniu do oczekiwań dotyczących sztucznej inteligencji? Czy nadal jesteśmy na etapie ślepej optymistycznej sztucznej inteligencji?

Krótko mówiąc, nie. Szczęśliwie posunęliśmy się dalej w stronę dojrzałości. Widzimy, jak cykl hossy sztucznej inteligencji zanika, i przechodzimy od ślepej optymistycznej sztucznej inteligencji do udowodnionej optymistycznej sztucznej inteligencji – czyli niezawodnej sztucznej inteligencji. Przemysł produkcyjny, który dokonał ogromnych postępów w dziedzinie niezawodnej sztucznej inteligencji, służy jako studium przypadku dla tej podróży, a także jako przykład, z którego mogą czerpać inne branże. Ale zanim przejdziemy do tego, musimy rozważyć realną możliwość bańki sztucznej inteligencji, która może pęknąć.

Irracjonalny entuzjazm sztucznej inteligencji?

Ślepa optymistyczna sztuczna inteligencja – czyli entuzjazm wokół najnowszej, najbardziej błyszczącej technologii sztucznej inteligencji bez jasnego zrozumienia jej implikacji i wymiernych osiągnięć – wygenerowała wiele uwagi i kapitału. Na przykład analitycy obserwują, jak Microsoft, Meta i Amazon dokonują znacznych inwestycji w sztuczną inteligencję opartą na procesorach Nvidia, ale istnieją obawy, że te inwestycje nie przyniosą spodziewanych zysków.

Zaczynamy widzieć szepty o tym konkretnym bańce sztucznej inteligencji, która może pęknąć. Ekonomista z MIT Daron Acemoglu ostrzega, że pieniądze wlane w inwestycje w infrastrukturę sztucznej inteligencji mogą nie spełnić oczekiwań inwestorów co do zwrotu z inwestycji. Ludzie byli podekscytowani obietnicą sztucznej inteligencji, ale teraz zaczynają się martwić, że może to być odbiciem bańki internetowej. Taka sytuacja mogłaby spowodować, że inni inwestorzy staną się bardziej sceptyczni wobec narracji sztucznej inteligencji i będą oczekiwać szybszych zwrotów z inwestycji lub zmniejszą swoje inwestycje. Rozczarowanie zaczyna się nasilać.

Nie mylmy się, sztuczna inteligencja zmieni sposób, w jaki branże funkcjonują, ale nie stanie się to przez podążanie za błyszczącym obiektem. Niezwodna sztuczna inteligencja jest ilościowa i dostarcza realny wpływ, zwykle poza sceną i wbudowana w istniejące procesy.

Co jest przykładem niezawodnej sztucznej inteligencji, która już teraz odnosi sukcesy i przetrwa próbę czasu? Przemysł produkcyjny prezentuje znaczące przypadki użycia.

Pomiar sukcesu produkcji

Wiodąca firma chemiczna chciała poprawić wydajność i niezawodność swoich maszyn, aby uniknąć nieplanowanych przestojów i zakłóceń operacyjnych. Zainwestowała w rozwiązanie sztucznej inteligencji do predykcyjnej konserwacji, które wyposażyło jej zespoły w informacje o stanie maszyn i zalecenia dotyczące proaktywnego rozwiązywania problemów. Uzyskała 7-krotny zwrot z inwestycji w ciągu moins niż roku.

W podobny sposób jeden z czołowych producentów żywności i napojów na świecie chciał zmniejszyć marnowanie produktów i zoptymalizować pojemność swojej fabryki, więc przeprowadził pilotażowe wdrożenie monitorowania maszyn z użyciem sztucznej inteligencji w czterech zakładach. Zanotował on wzrost pojemności o 4000 godzin rocznie i zmniejszenie marnowania o ponad 2 miliony funtów produktu. Wyniki były tak wymowne, że pilotaż został rozszerzony na wszystkie ich obiekty w Ameryce Północnej.

Te rzeczywiste przykłady demonstrują wymierny wpływ niezawodnej sztucznej inteligencji i są zgodne z szerszymi trendami branżowymi. W niedawnym badaniu ponad 700 globalnych producentów, najważniejsze obszary do ilościowego pomiaru wpływu sztucznej inteligencji na cele biznesowe to zarządzanie łańcuchem dostaw/optymalizacja (41%), poprawa podejmowania decyzji za pomocą analityki preskryptywnej (41%) oraz zdrowie procesów/maksymalizacja wydajności i pojemności (40%).

Roczne wyniki ujawniają prawdziwy postęp, jaki został dokonany na tej drodze od ślepej optymistycznej sztucznej inteligencji do udowodnionych wyników. W porównaniu z rokiem poprzednim, trzykrotnie więcej respondentów jest teraz w stanie ilościowo pomierzyć wpływ sztucznej inteligencji na zdrowie procesów, a dwa razy więcej może zmierzyć jej wpływ na nieplanowane przestoje maszyn. To pokazuje, że producenci stają się lepsi i bardziej komfortowi z używaniem sztucznej inteligencji, co pomaga im uzyskać głębszy zwrot z inwestycji.

Z tym wzrostem zaufania 83% globalnych liderów produkcji zwiększa swoje budżety na sztuczną inteligencję – co jest kluczowe dla wzrostu biznesu i skutecznego wizualizowania oraz działania na danych fabrycznych. Co z pozostałymi branżami, które mają opóźnienia w osiąganiu sukcesu w sztucznej inteligencji? One nie rozwijają się wystarczająco szybko.

Wolno do skali

Do tej pory producenci i inni liderzy branżowi byli wolni w rozwijaniu sztucznej inteligencji, co spowodowało, że tempo, w jakim widzimy znaczące wyniki, jest mniejsze. W rzeczywistości prawie 7 na 10 (67%) liderów biznesu przyjmuje sztuczną inteligencję powoli, według raportu tech.co.

Sztuczna inteligencja jest narzędziem, a nie wynikiem. Musi nastąpić zmiana kulturowa, aby zrealizować prawdziwe korzyści z tych inwestycji – nie może to być tylko umieszczanie czujników na maszynach. Wykwalifikowana siła robocza jest już trudna do utrzymania, a jeszcze trudniejsza do znalezienia. Populacja USA starzeje się w szybszym tempie, a mniej ludzi wchodzi na rynek pracy. Teraz jest czas, aby rozwinąć niezawodną sztuczną inteligencję, ponieważ jest niezbędna do zachowania wiedzy i prowadzenia branż do przodu.

Narzędzia sztucznej inteligencji generatywnej, takie jak ChatGPT, są imponujące, ale świat biznesu potrzebuje czegoś więcej. Wymaga sztucznej inteligencji stworzonej z myślą o konkretnych i trudnych problemach – i potrzebuje wyników. To właśnie tutaj pojawia się niezawodna sztuczna inteligencja, a przemysł produkcyjny dostarczył imponujący podręcznik.