Dincolo de Hype – Unde Funcționează cu Adevărat IA în Producție

IA este prezentată ca următoarea revoluție industrială, dar mulți lideri se luptă să traducă entuziasmul în rezultate practice. Mai mult de 80% dintre liderii din industria manufacturieră din SUA spun că intenționează să-și crească utilizarea IA în următorii doi ani, dar acest lucru nu este întotdeauna făcut cu o strategie clară pentru ceea ce se așteaptă să realizeze în mod real.

Între presiunea de la nivelul consiliului de administrație de a face ceva cu IA și realitatea mediilor de producție complexe, există o lacună în creștere între așteptări și execuție. Această lacună trebuie închisă dacă producătorii speră să vadă beneficiile IA în afacerile lor.

Adopția IA depășește pregătirea

Liderii din industria manufacturieră știu astăzi că trebuie să adopte IA pentru a rămâne competitivi. Un sondaj recent realizat de Asociația Națională a Producătorilor (NAM) a arătat că 51% dintre producători utilizează în prezent IA și că 80% vor considera IA esențială pentru extinderea sau menținerea afacerii lor.

Producătorii utilizează această tehnologie în diverse moduri. IA are un potențial imens. Cu toate acestea, în multe organizații, investițiile în IA nu aduc randamentul promis.

Un sondaj recent realizat de PWC și Institutul de Producție a constatat că presiunea din partea liderilor de a adopta IA poate depăși pregătirea pentru schimbarea condusă de IA. Același sondaj a constatat, în cuvintele lor:

• Adopția neuniformă a IA poate încetini integrarea în operațiunile zilnice
• Progresul de-a lungul curbei de adopție a IA necesită formare și dezvoltarea capacităților experimentale
• Lacunele umane și de pregătire pot limita adopția IA
• Lipsa inputului liderilor din prima linie poate limita adopția și execuția IA

Găsirea soluției

În loc de a trata IA ca o soluție universală, liderii trebuie să distingă între aplicațiile în care IA excelează – cum ar fi îmbunătățirea interacțiunii om-sistem, capturarea cunoștințelor operaționale și simplificarea fluxurilor de lucru complexe – și domeniile în care rămâne slab pregătită, inclusiv controlul precis și luarea deciziilor repetitive în medii de producție.

Un loc excelent pentru a aplica acest lucru este în timpul procesului de vânzări. Multe companii de producție doresc să îmbunătățească procesul de vânzări ghidate utilizând IA. Ar trebui să înceapă prin a se concentra pe obiectivele sau rezultatele clientului, mai degrabă decât a-i cere să aleagă parametri specifici despre un produs.

Iată un exemplu personal: recent, am cumpărat primul meu vehicul electric (EV). Am mers pe site-ul unui producător de EV și primul lucru pe care l-am văzut au fost parametrii tehnici, cum ar fi Autonomie: 360-558 km. Acesta este un interval mare, dar înțeleg ce înseamnă. Dar puterea? Nici o idee. Și consumul? Acum nu am înțeles deloc; este consumul bun sau rău? Va face o diferență pentru excursia anuală de schi a familiei mele, care în prezent durează aproximativ șapte ore? Acesta este felul de informație care mi-ar fi ajutat cu adevărat să iau o decizie.

Avea o IA care să discute despre lucrurile care îmi pasă ar ajuta producătorul de EV să înțeleagă ce este important pentru mine și să traducă aceste lucruri în specificațiile tehnice potrivite pentru mine.

Un alt exemplu este utilizarea agenților IA pentru a descompune probleme complexe în bucăți mai mici. Agenții planifică și execută obiective multi-pași. Pentru a obține maximum de la acești agenți, sarcinile ar trebui să fie încărcate cu limbaj.

Unele organizații de inginerie adoptă această abordare atunci când vine vorba de gestionarea cerințelor complexe. Uneori, informațiile sunt răspândite în sute sau mii de documente, iar formatul nu este standardizat. Dacă ați construi un sistem software tradițional pentru a importa toate aceste informații, ar exista prea multe reguli și excepții de la aceste reguli. Deoarece IA este bună la recunoașterea modelelor, nu trebuie să scrieți fiecare regulă despre cum să interpretați aceste documente.

Cele mai bune practici pentru IA în producție

Descompuneți problemele mari în sarcini mai mici. IA are o memorie de lucru limitată. Dacă îi oferiți prea multe date sau o problemă prea largă, poate pierde contextul și începe să “halucineze” în încercarea de a oferi totuși un răspuns. Pentru a reduce acest risc, divideți sarcinile mari în componente mai mici și agregați rezultatele — o zonă în care cadrele agenților devin din ce în ce mai eficiente.

Utilizați IA pentru recunoașterea modelelor, nu pentru raționamentul autoritar. IA este bună la recunoașterea modelelor și identificarea relațiilor, dar nu este bună pentru logică și raționament. De exemplu, “raționamentul” și abilitățile matematice sunt predicții, nu calcule. Prin urmare, ieșirile pot părea inspirate, dar nu sunt garantate a fi corecte, cu excepția cazului în care le conectați la un alt sistem care poate valida rezultatele. În această abordare, IA poate orchestra fluxul de lucru, dar ați luat o decizie explicită cu privire la unde se află granițele operaționale.

IA în producție poate crea valoare reală, dar există scenarii specifice în care riscul depășește beneficiul. Acestea includ operațiunile critice pentru siguranță și calitate. De asemenea, include medii cu date limitate sau foarte noi, deoarece IA se desfășoară prost atunci când nu a văzut suficiente date relevante. Medii cu reglementări stricte sunt o altă provocare, deoarece IA încă lipsește de trasabilitate reală. Sistemele de control în timp real cu toleranțe strânse sunt un alt loc în care IA ar trebui evitată, având în vedere că latența sau instabilitatea IA poate fi inacceptabilă în procese cu viteză mare

De la hype la practicitate

IA nu este o panacee pentru toate bolile producției. Dar, prin considerarea cazurilor de utilizare din lumea reală și a concepțiilor greșite discutate mai sus, producătorii pot adopta o abordare mai echilibrată a IA. Pe termen scurt, punctul cheie este să se utilizeze IA pentru ceea ce este mai bun: probleme care implică un grad ridicat de recunoaștere a modelelor. Nu o utilizați pentru cazurile care necesită previzibilitate, consistență, logică sau calcule.

Producătorii pot trece dincolo de zgomot și pot identifica unde IA oferă cu adevărat valoare astăzi. Scopul nu este de a încetini adopția, ci de a asigura că organizațiile implementează IA acolo unde îmbunătățește în mod semnificativ productivitatea și luarea deciziilor, mai degrabă decât doar urmând hype-ul din industrie.