Från generativ AI till tillförlitlig AI: höga insatser i tillverkningsindustrin

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

För att sammanfatta, nej. Vi har tur som har kommit längre på mognadsstigen. Vi kan se hur AI-hypen avtar och vi går från blind AI-optimism till bevisad AI-optimism – eller tillförlitlig AI. Tillverkningsindustrin, som har gjort stora framsteg med tillförlitlig AI, fungerar som en fallstudie för denna resa, och en som andra branscher kan lära sig av. Men innan vi går vidare på 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, mest glänsande AI-tekniken utan en tydlig förståelse för dess implikationer och mätbara prestationer – har genererat mycket uppmärksamhet och kapital. Till exempel ser analytiker på att Microsoft, Meta och Amazon gör stora investeringar i Nvidias AI-drivna GPU:er, men det finns farhågor om att dessa investeringar inte kommer att ge de intäktsvinster som dessa företag hoppas på.

Vi börjar se viskningar om att denna specifika AI-bubbla kommer att brista. MIT-ekonomen Daron Acemoglu varnade för att pengar som pumpats in i AI-infrastrukturinvesteringar kanske inte motsvarar förväntningarna om avkastning för investerare. Människor var upphetsade över AI:s löften, men nu börjar de oroa sig för att det kommer att spegla dot-com-bubblan. Ett sådant evenemang kan utlösa att andra investerare blir mer skeptiska till AI-berättelsen och söker snabbare avkastning eller minskar sina investeringar. Förtroendekrisen är på väg att bubbla upp.

Inga misstag, AI kommer att förändra hur branscher fungerar, men det kommer inte att hända genom att följa det glänsande föremålet. Tillförlitlig AI är mätbar och har en verklig inverkan, vanligtvis bakom kulisserna och integrerad i befintliga processer.

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

Att mäta tillverkningsindustrins framgång

Ett ledande kemiföretag ville förbättra effektiviteten och tillförlitligheten i sina maskiner för att undvika oplanerade driftstopp 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 7 gånger högre avkastning på mindre än ett år.

På samma sätt ville ett av världens ledande företag inom livsmedel och drycker minska produktsvinn och optimera sin fabrikskapacitet, så de testade AI-aktiverad maskinövervakning vid fyra anläggningar. De såg en kapacitetsökning med 4 000 timmar per år och en minskning av svinn på över 2 miljoner pund produkt. Resultaten var så betydande att pilotprojektet utvidgades till alla deras anläggningar i Nordamerika.

De här verkliga exemplen visar den mätbara inverkan av tillförlitlig AI, och de stämmer överens med bredare branschtrender. I en nylig undersökning av 700+ globala tillverkare var de främsta områdena för att mäta AI:s inverkan på affärsmål leveranskedjehantering/optimering (41%), förbättring av beslutsfattande med preskriptiv analys (41%) och processhälsa/maximering av avkastning och kapacitet (40%).

Årets resultat visar 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 mäta AI:s inverkan på processhälsa och dubbelt så många kan mäta dess inverkan på oplanerade maskinstopp. Det visar att tillverkare blir bättre och mer bekväma med att använda AI, vilket hjälper dem att uppnå en mer betydande 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 har svårt att lyckas med AI? De skalar inte tillräckligt snabbt.

Langsam att skala

Hittills 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 det dags att främja tillförlitlig 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. Det kräver specialbyggd AI som riktar sig mot specifika och svåra problem – och det behöver resultat. Där kommer tillförlitlig AI in, och tillverkningsindustrin har tillhandahållit en imponerande handbok.