От Генеративного ИИ к Надежному ИИ: Высокие Ставки в Производстве

Цикл ажиотажа вокруг ИИ взорвался в 2023 году с дебютом генеративного ИИ и последующими вложениями средств. С ним пришло чувство слепой оптимистичности в отношении ИИ, когда организации выступали за технологию без четкого понимания ее ROI и практических случаев использования. Некоторые просто следовали за толпой ИИ, принимая технологию из-за страха быть оставленными позади. Оглядываясь назад и думая о том, что ждет нас в 2025 году, многое ли изменилось в отношении ожиданий от ИИ? Мы все еще находимся на стадии слепой оптимистичности в отношении ИИ?

Короче говоря, нет. Мы удачно продвинулись дальше по пути зрелости. Мы можем наблюдать, как цикл ажиотажа рассеивается, и мы прогрессируем от слепой оптимистичности в отношении ИИ к доказанной оптимистичности – или, надежному ИИ. Промышленность производства, которая сделала огромные шаги в направлении надежного ИИ, служит примером для этого пути, и тем, из которого другие отрасли могут извлечь уроки. Но прежде чем мы пойдем по этому пути, нам нужно рассмотреть реальную возможность ажиотажа вокруг ИИ, который, скорее всего, лопнет.

Иррациональный Ажиотаж вокруг ИИ?

Слепая оптимистичность в отношении ИИ – или возбуждение вокруг новейшей, блестящей технологии ИИ без четкого понимания ее последствий и осязаемых достижений – привлекло много внимания и капитала. Например, аналитики наблюдают, как Microsoft, Meta и Amazon делают значительные вложения в ИИ-ориентированные GPU от Nvidia, но есть опасения, что эти вложения не принесут ожидаемых доходов этим компаниям.

Мы начинаем слышать шепотки о том, что этот конкретный ажиотаж вокруг ИИ лопнет. Экономист MIT Дарон Асемоглу предупредил, что средства, вложенные в инфраструктурные инвестиции в ИИ, могут не оправдать ожиданий инвесторов по ROI. Люди были возбуждены обещаниями ИИ, но теперь они начинают беспокоиться, что это может повторить пузырь доткомов. Такое событие может спровоцировать других инвесторов стать более скептичными в отношении повествования об ИИ и искать более быструю отдачу от инвестиций или сократить эти инвестиции. Разочарование нарастает.

Не ошибитесь, ИИ изменит способ работы отраслей, но это не произойдет путем следования за блестящим объектом. Надежный ИИ является количественным и оказывает реальное влияние, обычно за кулисами и встроенным в существующие процессы.

Итак, какой пример надежного ИИ уже показывает успех и выдержит испытание временем? Промышленность производства представляет значительные случаи использования.

Измерение Успеха Производства

Ведущая химическая компания хотела улучшить эффективность и надежность своих машин, чтобы избежать внепланового простоя и оперативных сбоев. Они инвестировали в решение по предсказательному обслуживанию на основе ИИ, которое оснащает их команды информацией о здоровье машин и рекомендациями для решения проблем на ранней стадии. Они достигли ROI в 7 раз меньше, чем за год.

В подобном ключе одна из ведущих компаний по производству продуктов питания и напитков хотела сократить количество отходов и оптимизировать свою производственную мощность, поэтому они протестировали решение по мониторингу машин на основе ИИ на четырех заводах. Они увидели увеличение мощности на 4 000 часов в год и сокращение отходов более чем на 2 миллиона фунтов продукции. Результаты были настолько впечатляющими, что пилотный проект был распространен на все их объекты в Северной Америке.

Эти реальные примеры демонстрируют измеримое влияние надежного ИИ, и они соответствуют более широким тенденциям отрасли. В недавнем опросе более 700 глобальных производителей верхними областями для количественной оценки влияния ИИ на бизнес-цели были управление цепочками поставок/оптимизация (41%), улучшение принятия решений с помощью прескриптивной аналитики (41%) и процесс здоровья/максимизация выхода и мощности (40%).

Годовые результаты показывают истинный прогресс, достигнутый на этом пути от слепой оптимистичности к доказанным результатам. По сравнению с предыдущим годом, в три раза больше респондентов теперь могут количественно оценить влияние ИИ на процесс здоровья, и в два раза больше могут измерить его влияние на внеплановый простой машин. Это демонстрирует, что производители становятся лучше и более комфортно с использованием ИИ, что помогает им реализовать более глубокий возврат на инвестиции.

С этим увеличением уверенности 83% глобальных лидеров производства увеличивают свои бюджеты на ИИ – что является ключом к бизнес-росту и эффективному визуализированию и действию на фабричных данных. Итак, что насчет других отраслей, которые отстают в успехе ИИ? Они не масштабируются достаточно быстро.

Медленно Масштабируются

До сих пор производители и другие лидеры отраслей были медленны в масштабировании ИИ, что препятствовало скорости, с которой мы видим значимые результаты. Фактически, почти 7 из 10 (67%) лидеров бизнеса медленно принимают ИИ, согласно отчету tech.co.

ИИ является инструментом, а не результатом. Должно произойти культурное изменение, чтобы реализовать истинные выгоды от этих инвестиций – это должно быть больше, чем просто установка датчиков на машины. Квалифицированная рабочая сила уже трудна для сохранения и еще труднее найти. Население США стареет с более быстрой скоростью, и fewer людей входят в рабочую силу. Теперь время продвигать надежный ИИ, поскольку он необходим для сохранения знаний и продвижения отраслей вперед.

Инструменты генеративного ИИ, такие как ChatGPT, впечатляют, но бизнесу нужно больше, чем это. Ему требуется специально разработанный ИИ, направленный на конкретные и сложные проблемы – и ему нужны результаты. Вот где надежный ИИ приходит, и производство предоставило впечатляющий план.