Från generativ AI till pålitlig AI: Hög insats i tillverkning

AI-hypen exploderade 2023 med debuten av generativ AI och efterföljande finansieringsinjektioner. Det kom med en känsla av blind AI-optimism, där organisationer hyllade tekniken utan en tydlig förståelse för dess ROI och praktiska användningsfall. Vissa följde bara AI-skwadraten, antog tekniken av rädsla för att bli lämnade efter. När vi ser tillbaka och tänker på vad som komma skall 2025, har mycket förändrats med avseende på AI-förväntningar? Är vi fortfarande i fasen av blind AI-optimism?

I korthet, nej. Vi har lyckligtvis flyttat oss längre ut på mognadsbanan. Vi kan se hypcykeln avta och gå från blind AI-optimism till bevisad AI-optimism – eller, pålitlig AI. Tillverkningsindustrin, som har gjort stora framsteg med pålitlig AI, fungerar som en fallstudie för denna resa, och en som andra branscher kan lära sig av. Men innan vi går ner den vägen måste vi ta itu med den verkliga möjligheten av en AI-bubbla som sannolikt kommer att brista.

Irrationell AI-entusiasm?

Blind AI-optimism – eller upphetsning kring den senaste, skinande AI-tekniken utan en tydlig förståelse för dess implikationer och påtagliga prestationer – har genererat mycket uppmärksamhet och kapital. Till exempel ser analytiker på Microsoft, Meta och Amazon göra betydande investeringar i Nvidias AI-drivna GPU:er, men det finns farhågor om att dessa investeringar inte kommer att producera de intäktsvinster som dessa företag letar efter.

Vi börjar se viskningar om att denna specifika AI-bubbla kommer att brista. MIT-ekonomen Daron Acemoglu varnade för att pengar som hälldes in i AI-infrastrukturinvesteringar kanske inte matchar ROI-förväntningarna för investerare. Människor var upphetsade över AI-loftet, men nu börjar de oroa sig för att det kommer att spegla dot-com-bubblan. Ett sådant evenemang kan utlösa andra investerare att bli mer skeptiska till AI-berättelsen och söka snabbare avkastningstider eller minska dessa investeringar. Förtrollningen bubblar upp.

Inga misstag, AI kommer att förändra hur branscher fungerar, men det kommer inte att hända genom att följa det skinande föremålet. Pålitlig AI är kvantifierbar och levererar verklig påverkan, vanligtvis bakom kulisserna och inbäddad i befintliga processer.

Så, vad är ett exempel på pålitlig AI som redan visar framgång och kommer att stå provet av tiden? Tillverkningsindustrin presenterar betydande användningsfall.

Att mäta tillverkningens framgång

Ett ledande kemiföretag ville förbättra effektiviteten och tillförlitligheten i sina maskiner för att undvika oplanerad nedtid och operativa störningar. De investerade i en AI-driven prediktiv underhållslösning som utrustar deras team med maskinhälsodata och rekommendationer för att proaktivt hantera problem. De uppnådde 7x ROI på mindre än ett år.

På samma sätt ville ett av världens ledande livsmedels- och dryckesföretag minska produktavfall och optimera sin fabrikskapacitet, så de testade AI-aktiverad maskinövervakning på fyra anläggningar. De såg en kapacitetsökning på 4 000 timmar per år och en minskning av avfall på över 2 miljoner pund produkter. Resultaten var så påverkande att piloten utvidgades till alla deras nordamerikanska anläggningar.

Dessa verkliga exempel demonstrerar den mätbara påverkan av pålitlig AI, och de stämmer överens med bredare branschtrender. I en nylig undersökning av 700+ globala tillverkare var de främsta områdena för att kvantifiera AI:s påverkan på affärsmål leveranskedjeledning/optimering (41%), förbättring av beslutsfattande med preskriptiv analys (41%) och processhälsa/maximering av avkastning och kapacitet (40%).

Årets resultat avslöjar den verkliga framgång som gjordes på denna resa från blind optimism till bevisade resultat. Jämfört med året innan kan tre gånger så många respondenter nu kvantifiera AI:s påverkan på processhälsa och dubbelt så många kan mäta dess påverkan på oplanerad maskinell nedtid. Detta visar att tillverkare blir bättre och mer bekväma med att använda AI, vilket hjälper dem att förverkliga en mer djupgående avkastning på investeringen.

Med denna ökade tillförlitlighet ökar 83% av de globala tillverkningsledarna sina AI-budgetar – vilket är nyckeln till affärsutveckling och effektiv visualisering och agerande på fabriksdata. Så, vad gäller andra branscher som ligger efter i AI-succés? De skalar inte tillräckligt snabbt.

Langsam att skala

Tills nu har tillverkare och andra branschledare varit långsamma att skala AI, vilket har hämmat hastigheten på vilken vi har sett meningsfulla resultat. Faktum är att nästan 7 av 10 (67%) företagsledare antar AI långsamt, enligt en tech.co-rapport.

AI är ett verktyg, inte en utgång. Det måste finnas en kulturförändring för att förverkliga de verkliga fördelarna med dessa investeringar – det måste vara mer än att bara sätta sensorer på maskiner. Kvalificerad arbetskraft är redan svår att behålla och ännu svårare att hitta. Den amerikanska befolkningen åldras i en snabbare takt med färre människor som går in på arbetsmarknaden. Nu är tiden att främja pålitlig AI eftersom det är avgörande för att behålla kunskap och driva branscher framåt.

Generativa AI-verktyg som ChatGPT är imponerande, men affärsvärlden behöver mer än så. Den kräver specialbyggd AI riktad mot specifika och svåra problem – och den behöver resultat. Där kommer pålitlig AI in, och tillverkning har tillhandahållit en imponerande spelbok.