ทำไมปัญญาประดิษฐ์ทางกายภาพไม่สามารถเป็นเพียง ChatGPT ที่มีขายได้

เราอาจหัวเราะเยาะเมื่อ ChatGPT กล่าวว่านโปเลียนคิดค้นไมโครเวฟ แต่เมื่อปัญญาประดิษฐ์ควบคุมหุ่นยนต์ศัลยกรรม ยานพาหนะอัตโนมัติ หรือระบบอุตสาหกรรม มันไม่มีพื้นที่สำหรับ การหลอกลวง ความแม่นยำมีความสำคัญ ซึ่งสร้างความท้าทายที่แท้จริงในการคิดใหม่ว่าเราสร้างและใช้ปัญญาประดิษฐ์อย่างไร

ส่วนใหญ่ขององค์กรที่เข้าใกล้ปัญญาประดิษฐ์ทางกายภาพกำลังทำผิดพลาดพื้นฐาน พวกเขากำลังใช้กลยุทธ์ปัญญาประดิษฐ์ดิจิทัลกับปัญหาปัญญาประดิษฐ์ทางกายภาพ มันไม่ทำงาน ปัญญาประดิษฐ์ทางกายภาพต้องการโครงสร้างพื้นฐานที่แตกต่าง ระยะเวลาที่แตกต่าง และแบบจำลองธุรกิจที่แตกต่างจากทุกสิ่งที่เราเคยสร้างมาก่อน

ฉันเห็นการเปลี่ยนแปลงนี้ด้วยตัวเอง โดยทำงานกับองค์กรที่ใช้ปัญญาประดิษฐ์ทุกที่ตั้งแต่สนามน้ำมันไปจนถึงร้านค้าปลีก บริษัทที่ประสบความสำเร็จไม่ได้เพียงแค่เปลี่ยนเทคโนโลยีเท่านั้น แต่ยังดำเนินการด้วยชุดสมมติฐานที่แตกต่างเกี่ยวกับสิ่งที่การนำไปใช้หมายถึง

ความเป็นจริงของโครงสร้างพื้นฐานที่ไม่มีใครพูดถึง

สิ่งที่หลายคนมองข้ามเกี่ยวกับปัญญาประดิษฐ์ทางกายภาพคือ มันไม่ทำงานในคลาวด์ มันไม่สามารถทำได้

เมื่อบริษัทหุ่นยนต์อธิบายสถาปัตยกรรมของตนให้ฉันฟัง ภาพที่ได้ частоทำให้ผู้นำด้านไอทีแบบดั้งเดิมตกใจ หุ่นยนต์จัดการฟังก์ชันพื้นฐานที่ระดับท้องถิ่น คอมพิวเตอร์เอดจ์ในสถานที่เดียวกันประมวลผลการตัดสินใจที่ซับซ้อน คลาวด์จัดการการฝึกอบรมและการอัปเดต มันเป็นแนวทางที่กระจายซึ่งบังคับให้บริษัทต่างๆ คิดใหม่เกี่ยวกับโครงสร้างพื้นฐานจากพื้นฐาน

การล้างรถไม่ใช่ธุรกิจที่มีการใช้เทคโนโลยีสูง แต่ผู้ให้บริการบางรายใช้ปัญญาประดิษฐ์สำหรับการบำรุงรักษาที่คาดการณ์ไว้ การมองเห็นคอมพิวเตอร์สำหรับการระบุยานพาหนะ และอินเทอร์เฟซลูกค้าที่ใช้การคุย話 ทั้งระบบเหล่านี้ต้องการการประมวลผลที่ระดับท้องถิ่นและการตอบสนองที่เรียลไทม์ เนื่องจากการเชื่อมต่อคลาวด์ไม่น่าเชื่อถือพอ

ชิป Jetson Thor ใหม่ของ NVIDIA แสดงให้เห็นว่าสิ่งนี้กำลังไปที่ไหน โดยใส่พลังระดับศูนย์กลางข้อมูลลงในอุปกรณ์เอดจ์ที่กะทัดรัด นั่นไม่ใช่คุณสมบัติที่สะดวกสบาย มันเป็นสิ่งที่ทำให้ระบบทำงาน

มาตรฐานที่เกิดขึ้น看起来เหมือนสามชั้น อุปกรณ์จัดการการตอบสนองทันที ระบบเอดจ์ที่ระดับท้องถิ่นจัดการการตัดสินใจที่หนักกว่าสำหรับกลุ่มอุปกรณ์ และคลาวด์จัดการการฝึกอบรม ส่วนใหญ่ขององค์กรยังคงคิดว่าคลาวด์เป็นอันดับแรก และความคิดนั้นจะไม่พาให้พวกเขาไปได้ไกล

ทำไมการนำไปใช้ในองค์กรจึงแตกต่าง

ปัญญาประดิษฐ์ดิจิทัลมุ่งเน้นไปที่การยอมรับของผู้ใช้และการปรับปรุงความแม่นยำ ปัญญาประดิษฐ์ทางกายภาพต้องการการจัดการโครงสร้างพื้นฐานที่กระจาย การรับรองความปลอดภัย และการรักษาการดำเนินงานในสถานที่ที่การสนับสนุนไอทีแบบดั้งเดิมอาจไม่มีอยู่

ดูความเป็นจริงของการนำไปใช้ในด้านการดูแลสุขภาพ การวิเคราะห์ภาพทางการแพทย์ด้วยปัญญาประดิษฐ์สามารถวิเคราะห์ภาพทางการแพทย์ได้ด้วยความแม่นยำสูง แต่ข้อมูลผู้ป่วยไม่สามารถออกนอกพื้นที่โรงพยาบาลได้เนื่องจากกฎ HIPAA ไฟล์ภาพทางการแพทย์มักจะมีขนาดหลายกิกะไบต์ ซึ่งทำให้อัปโหลดไปยังคลาวด์สำหรับการประมวลผลไม่เหมาะสม โรงพยาบาลต้องการระบบที่สามารถประมวลผลข้อมูลที่ละเอียดอ่อนที่ระดับท้องถิ่นในขณะที่ยังคงให้การวิเคราะห์ระดับคลาวด์

อุปสรรคไม่ใช่แค่ด้านเทคนิคเท่านั้น ใน การสำรวจล่าสุด ของเรา 37% ของ CIO ขององค์กรชี้ว่าขาดแคลนทักษะเป็นความท้าทายอันดับต้นๆ ของพวกเขา ทักษะเหล่านี้ไม่ใช่ทักษะปัญญาประดิษฐ์แบบปกติ แต่ต้องการความเชี่ยวชาญที่จุดตัดกันของปัญญาประดิษฐ์ การคำนวณเอดจ์ ความปลอดภัย และกฎระเบียบอุตสาหกรรม ทักษะที่ไม่มีอยู่เมื่อ 5 ปีที่แล้ว

ระยะเวลาก็แตกต่างกันเช่นกัน การใช้ปัญญาประดิษฐ์ดิจิทัลสามารถใช้งานและปรับปรุงได้อย่างรวดเร็ว ระบบปัญญาประดิษฐ์ทางกายภาพต้องการการทดสอบอย่างกว้างขวาง การอนุมัติจากหน่วยงานกำกับดูแล และการตรวจสอบความปลอดภัย ยานพาหนะอัตโนมัติได้รับการพัฒนามาเป็นเวลา 10 ปีแล้ว และยังคงใช้งานได้เฉพาะในพื้นที่จำกัดเท่านั้น

เมื่อปัญญาประดิษฐ์ควบคุมระบบทางกายภาพ การล้มเหลวไม่ใช่เรื่องของประสบการณ์ผู้ใช้ที่ไม่ดี มันคือเรื่องของความปลอดภัย การปฏิบัติตามกฎระเบียบ และเสถียรภาพ

การไปไกลกว่าปัญหา “กล่องดำ”

ปัญญาประดิษฐ์แบบดั้งเดิมขององค์กรมักเกี่ยวข้องกับโซลูชันฮาร์ดแวร์ที่เฉพาะเจาะจงจากผู้ขาย ผู้บริหารด้านเทคโนโลยีปลีกอธิบายว่าเป็น “กล่องดำที่ทำสิ่งมหัศจรรย์” ผลลัพธ์คือปัญหาในการจัดการสำหรับบริษัทที่ต้องจัดการปัญญาประดิษฐ์หลายแอปพลิเคชัน แต่ละแอปพลิเคชันมีฮาร์ดแวร์และความท้าทายด้านความปลอดภัยของตนเอง

องค์กรชั้นนำกำลังเปลี่ยนไปสู่แนวทางแบบแพลตฟอร์มที่สามารถรันหลายภาระงานปัญญาประดิษฐ์บนโครงสร้างพื้นฐานที่ใช้ร่วมกัน แทนที่จะซื้อเครื่องมือใหม่สำหรับกรณีการใช้งานปัญญาประดิษฐ์แต่ละครั้ง พวกเขานำแบบจำลองไปใช้เป็นแอปพลิเคชันบนระบบเอดจ์ที่รวมเข้าด้วยกัน

ผู้ค้าปลีกเห็นความน่าสนใจทันที พวกเขาอาจต้องการการมองเห็นคอมพิวเตอร์สำหรับการจัดการสินค้า การวิเคราะห์เชิงพยากรณ์สำหรับระบบ HVAC และระบบทำความเย็น และการบริการลูกค้าที่ใช้ปัญญาประดิษฐ์ แทนที่จะใช้ระบบแยกจากกันสามระบบ พวกเขารวมทุกอย่างไว้ในโครงสร้างพื้นฐานที่ใช้ร่วมกันพร้อมกับการจัดการจากศูนย์กลาง

ผู้นำด้านไอทีเห็นความแตกต่าง การจัดการแอปพลิเคชันชนะเหนือการจัดการกล่อง

ความเป็นจริงของการลงทุน

尽管มีความกระตือรือร้นอย่างกว้างขวาง การลงทุนส่วนใหญ่ในด้านปัญญาประดิษฐ์ต่อสู้กับการวัดผลตอบแทนจากการลงทุน (ROI) การใช้ปัญญาประดิษฐ์ดิจิทัล เช่น ปัญญาประดิษฐ์สร้างสรรค์ ต้องเผชิญกับความท้าทายเฉพาะ การใช้งานค่อนข้างง่าย แต่การวัดผลกระทบต่อประสิทธิภาพการทำงานของคนงานที่มีความรู้ยังหลงเหลือ

ปัญญาประดิษฐ์ทางกายภาพนำเสนอคุณค่าที่แตกต่าง ตัวขัดขวางการนำไปใช้มีสูงกว่า โดยต้องการโครงสร้างพื้นฐานที่กระจาย การตรวจสอบความปลอดภัย และการปฏิบัติตามกฎระเบียบ แต่ผลตอบแทนที่อาจเกิดขึ้นมีรายละเอียดที่ชัดเจน การเพิ่มประสิทธิภาพโซ่จ่ายสินค้า การใช้เวลาทำงานของอุปกรณ์ และการปรับปรุงความปลอดภัยของพนักงานสามารถวัดได้โดยตรงในแง่ของการดำเนินงานและทางการเงิน

ความแตกต่างนี้ในด้านการวัดอาจอธิบายได้ว่าทำไมงบประมาณขององค์กรจึงเปลี่ยนไป 90% ขององค์กรรายงานว่าเพิ่มการลงทุนในการคำนวณเอดจ์ในปี 2025 โดยมีเกือบหนึ่งในสามที่เพิ่มการใช้จ่ายมากกว่า 25% การลงทุนเหล่านี้สะท้อนถึงการรับรู้ว่าปัญญาประดิษฐ์ทางกายภาพ แม้จะมีความซับซ้อน แต่ให้เส้นทางที่ชัดเจนกว่าไปสู่ผลกระทบทางธุรกิจที่วัดผลได้

ช่วงเวลาที่แข่งขันกำลังปิด

องค์กรไม่มีเวลาอันไม่สิ้นสุดในการปรับตัว ช่วงเวลาพัฒนาปัญญาประดิษฐ์ทางกายภาพและการนำไปใช้ถูกวัดในหลายปี ไม่ใช่หลายเดือน ผู้นำรุ่นแรกกำลังสร้างความสามารถในการดำเนินงานที่คู่แข่งจะยากต่อการทำซ้ำ

บริษัทที่ประสบความสำเร็จคิดแตกต่าง แทนที่จะจมอยู่กับเทคโนโลยีเอง พวกเขามุ่งเน้นไปที่วิธีที่เทคโนโลยีเปลี่ยนแปลงตำแหน่งการแข่งขันของพวกเขา

ผู้ผลิตที่ใช้ปัญญาประดิษฐ์สำหรับการบำรุงรักษาที่คาดการณ์ไว้สามารถป้องกันการหยุดทำงานที่มีค่าใช้จ่ายได้ ผู้ค้าปลีกที่ใช้ปัญญาประดิษฐ์เอดจ์สำหรับการจัดการสินค้าแบบเรียลไทม์สามารถให้ประสบการณ์ลูกค้าที่คู่แข่งไม่สามารถจับคู่ได้ ระบบสุขภาพที่ใช้ปัญญาประดิษฐ์ที่ระดับท้องถิ่นสำหรับการสนับสนุนการวินิจฉัยสามารถปรับปรุงผลลัพธ์ของผู้ป่วยในขณะเดียวกันก็ปกป้องความเป็นส่วนตัว

ข้อได้เปรียบที่สะสมตลอดเวลา เนื่องจากความสามารถของปัญญาประดิษฐ์ทางกายภาพต้องใช้เวลาหลายปีในการพัฒนาและใช้งานอย่างมีประสิทธิภาพ

สิ่งนี้หมายถึงอะไรสำหรับผู้นำธุรกิจ

ปัญญาประดิษฐ์ทางกายภาพประสบความสำเร็จที่ไหนปัญญาประดิษฐ์ดิจิทัลล้มเหลว มันส่งมอบผลลัพธ์ทางธุรกิจที่วัดผลได้ในสภาพแวดล้อมจริง เทคโนโลยีนี้ต้องการระบบที่ทำงานทุกครั้ง ทุกสภาพ และมีผลกระทบทางธุรกิจที่วัดผลได้ ซึ่งแตกต่างจากปัญญาประดิษฐ์ดิจิทัล

องค์กรที่ตระหนักถึงการเปลี่ยนแปลงนี้และปรับกลยุทธ์ของตนจะนำหน้าการนำไปใช้ปัญญาประดิษฐ์ในยุคหน้า องค์กรที่พยายามบังคับใช้สมุดบัญชีของปัญญาประดิษฐ์ดิจิทัลกับปัญหาปัญญาประดิษฐ์ทางกายภาพจะถูกทิ้งไว้ข้างหลังเมื่อสิ่งนี้กลายเป็นแนวปฏิบัติทั่วไป

ปัญญาประดิษฐ์ทางกายภาพจะเปลี่ยนแปลงการดำเนินธุรกิจขององค์กร สิ่งเดียวที่แท้จริงคือว่าองค์กรของคุณจะนำการเปลี่ยนแปลงนี้หรือต้องรีบตามทัน

สิ่งนี้แสดงถึงการเปลี่ยนแปลงโครงสร้างในด้านวิธีการใช้ปัญญาประดิษฐ์ในสภาพแวดล้อมจริง บริษัทที่ตระหนักถึงสิ่งนี้เร็วๆ นี้และวางแผนตามนั้นจะกำหนดความได้เปรียบทางธุรกิจในอีกสิบปีข้างหน้า