От Генеративного ИИ к Надежному ИИ: Высокие Ставки в Производстве

Ай-хайп цикл взорвался в 2023 году с дебютом генеративного ИИ и последующими инвестициями. С ним пришло чувство слепой оптимистичности ИИ, когда организации пропагандировали технологию без четкого понимания ее ROI и практических случаев использования. Некоторые просто следовали за ай-кровью, 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 ИИ?

Вкратце, нет. Мы удачно продвинулись дальше по пути зрелости. Мы видим, как ай-хайп цикл рассеивается, и продвигаемся от слепой оптимистичности ИИ к доказанной оптимистичности ИИ – или, надежному ИИ. Промышленность производства, которая сделала огромные шаги с надежным ИИ, служит примером для этого пути, и тем, из которого другие отрасли могут извлечь уроки. Но прежде чем мы пойдем по этому пути, мы должны рассмотреть реальную возможность ай-пузыря, который, скорее всего, лопнет.

Иррациональный Ай-Энтузиазм?

Слепая оптимистичность ИИ – или волнение вокруг最新шего и блестящего ай-технологии без четкого понимания ее последствий и осязаемых достижений – привлекло много внимания и капитала. Например, аналитики наблюдают, как Microsoft, Meta и Amazon делают значительные инвестиции в ай-усиливающие GPU от Nvidia, но есть опасения, что эти инвестиции не принесут ожидаемых доходов этим компаниям.

Мы начинаем видеть шепот этого конкретного ай-пузыря, который скоро лопнет. Экономист MIT Дарон Асемоглу предупредил, что деньги, вложенные в ай-инфраструктурные инвестиции, могут не оправдать ожиданий инвесторов по ROI. Люди были взволнованы обещаниями ИИ, но теперь они начинают беспокоиться, что это повторит пузырь доткомов. Такое событие может спровоцировать других инвесторов стать более скептичными по отношению к ай-нарративу и искать более быстрые сроки окупаемости или сократить эти инвестиции. Разочарование нарастает.

Не ошибитесь, ИИ изменит способ работы отраслей, но это не произойдет, если мы будем следовать за блестящим объектом. Надежный ИИ количественно оценен и приносит реальное воздействие, обычно за кулисами и встроенный в существующие процессы.

Итак, какой пример надежного ИИ уже показывает успех и пройдет 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 операционных сбоев. Они инвестировали в ай-усиливающее решение по предсказательному обслуживанию, которое оснащает их команды информацией о здоровье машин и рекомендациями для решения проблем заранее. Они достигли 7-кратного ROI менее чем за год.

В подобном ключе одна из ведущих компаний по производству продуктов питания и напитков хотела сократить количество отходов продукции и оптимизировать производственную мощность, поэтому они протестировали ай-усиливающий мониторинг машин 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 североамериканские объекты.

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

Годовые результаты показывают真正ый прогресс, который был сделан на этом пути от слепой оптимистичности к доказанным результатам. По сравнению с предыдущим годом, в три раза больше респондентов теперь могут количественно оценить воздействие ИИ на здоровье процессов, и вдвое больше могут измерить его воздействие на внеплановый простой машин. Это показывает, что производители становятся лучше и более комфортно с использованием ИИ, что помогает им получить более глубокий возврат на инвестиции.

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

Медленно Масштабируется

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

ИИ – это инструмент, а не результат. Для реализации истинных преимуществ этих инвестиций необходима культурная трансформация – это должно быть больше, чем просто установка датчиков на машинах. 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 самое время для продвижения надежного ИИ, поскольку оно важно для сохранения знаний и продвижения отраслей вперед.

Генеративные инструменты ИИ, такие как ChatGPT, впечатляют, но бизнесу нужно больше, чем это. Это требует специально разработанного ИИ, направленного на конкретные и сложные проблемы – и это требует результатов. Вот где вступает в силу надежный ИИ, и производство предоставило впечатляющую книгу рецептов.