Прихована проблема, що блокує впровадження штучного інтелекту в виробництві

Усі в світі виробництва здаються говорити про штучний інтелект. Прогнозне обслуговування, автоматизовані перевірки якості, оптимізація ланцюгів постачання в реальному часі. На папері ці випадки використання обіцяють менше простою, вищу продуктивність і швидше, більш інформоване прийняття рішень. Але попри всі захоплення і інвестиції в інструменти штучного інтелекту, багато виробників все ще борються з переходом від пілотних проєктів до реальних результатів.

Виявляється, що найбільша瓶нем є неефективність. Конкретно, розрив між можливостями штучного інтелекту і розрізненими, нестабільними операційними реаліями, які існують на більшості заводських майданчиках.

Ви не повинні шукати далеко, щоб побачити цю проблему, відображену в даних. Опитування 2024 року про стан виробництва виявило, що хоча 90% виробників повідомляють про використання деякої форми штучного інтелекту в своїй діяльності, 38% все ще відчувають себе позаду своїх колег у впровадженні та впливі. Це розкриває певний вид “синдрому самозванця”, де технологія присутня, але ще не трансформативна, оскільки вона не вбудована в основні процеси.

У той же час широке опитування галузі показало, що 65% виробників називають проблеми з даними, починаючи від доступу і форматування до інтеграції і управління, як основну перешкоду для впровадження штучного інтелекту, далеко випереджаючи інші питання, такі як навички працівників або застарілі обладнання.

Проблема якості даних ще глибша. Глобальне опитування лідерів бізнесу та ІТ, включаючи багатьох з виробництва, виявило, що 87% погоджуються, що гарні дані є критичними для успіху штучного інтелекту, але тільки 42% оцінюють повноту і точність своїх даних як відмінні, і така ж кількість каже, що погана якість даних є бар’єром для подальших інвестицій у штучний інтелект.

Ці висновки роблять одне ясним: виробники прагнуть використовувати штучний інтелект, але більшість з них ще не мають операційної основи, необхідної для цього в спосіб, який дійсно рухає бізнес вперед.

Чому “готувальність до штучного інтелекту” і реальне впровадження не є одним і тим же

Це спокушає порівнювати готовність з впровадженням. Але дослідження показують несподіваний розрив між цими поняттями. Студія, опублікована в ScienceDirect, вказує на те, що навіть у випадках, коли компанії демонструють високий рівень технічної готовності до штучного інтелекту, фактична швидкість впровадження, особливо в контексті виробництва, часто залишається на рівні низьких двозначних цифр. Це свідчить про те, що компанії зволікають з впровадженням штучного інтелекту, оскільки вони все ще не мають впевненості в тому, як він буде працювати в реальних операційних умовах.

Ця зволікання не дивно, якщо врахувати, як традиційно працювало виробництво. На відміну від галузей, керованих даними, таких як фінанси або електронна комерція, виробництво було зосереджено на фізичних процесах і машинах, а не на даних. Спільний звіт ОЕСР підкреслює, що виробники зустрічають бар’єри впровадження штучного інтелекту частіше, ніж фірми в галузі інформаційних і комунікаційних технологій, частково через те, що їм бракує традиції великих даних і вони часто залежать від застарілих систем.

Це означає на практиці, що організації поспішно впроваджують штучний інтелект без створення інфраструктури даних або узгодженості робочих процесів, необхідних для того, щоб інструменти штучного інтелекту давали надійні результати. Це схоже на те, як встановити високопродуктивний двигун у машину з тріскими рамами і очікувати, що вона буде справлятися.

Дані, процеси та “реальність штучного інтелекту”

Одна з більш переконливих моделей, обговорюваних у галузі, – це концепція “реальності штучного інтелекту”. У опитуваннях виробники постійно демонструють впевненість у своїй стратегії штучного інтелекту на папері. Більшість кажуть, що штучний інтелект є пріоритетом і конкурентною перевагою. Однак тільки мала частина відчуває себе真正ньо готова до впровадження проєктів штучного інтелекту сьогодні.

Цей розрив між аспіраціями і операційною здатністю походить з декількох основних питань:

• Фрагментовані середовища даних. Датчики, машини, системи ERP і журнали якості часто існують у розрізнених силох з жодним стандартизованим способом обміну інформацією. Моделі штучного інтелекту потребують послідовних і надійних входів. Коли ці входи є неповними або несумісними, передбачення стають менш надійними.
• Ручні і відокремлені процеси. Завод може мати потужні пристрої IoT на деяких машинах, але все ще покладатися на паперові журнали для перевірок якості. Системи штучного інтелекту не можуть компенсувати відсутню або затриману інформацію; вони тільки посилюють те, що бачать.
• Готовність організації. Навіть коли інфраструктура покращується, багато команд бракують досвіду у перекладі виходів моделей у дії. Без чітких робочих процесів і довіри людей до штучного інтелекту, знання залишаються невикористаними.

Приховані витрати бездіяльності

Ігнорування цих бар’єрів не є безневинним. Дослідження постійно показують, що організації, які не звертають увагу на фундаментальні неефективності, борються з витягуванням цінності з інвестицій у штучний інтелект. Наприклад, звіт про потенціал промислового штучного інтелекту підкреслив, що майже 80% промислових підприємств бракують внутрішньої здатності успішно використовувати штучний інтелект, хоча значна більшість очікує, що штучний інтелект покращить якість і послуги.

І за межами виробничої галузі дослідження у бізнес-середовищі показують, що до 80% підприємств не можуть отримати вигоду від штучного інтелекту, оскільки вони нехтують організаційними, людськими і факторами зміни — не через те, що технологія сама по собі є дефектною.

Ці знання варто повторити: проблема штучного інтелекту у виробництві не лише технологічна проблема інтеграції. Це питання про проектування робочих процесів, процесів прийняття рішень, управління даними і людських систем, які взаємодіють з цими інструментами.

Закриття розриву: Де відбувається справжній прогрес

Як виробники можуть звузити розрив між потенціалом і реальністю? Це починається з визнання того, що штучний інтелект не повинен бути додатком, він повинен бути вбудований у існуючу операційну тканину.

Спочатку зосередьтеся на готовності даних. Перенесення всіх даних у систему, покращення доступності і визначення правил управління не тільки робить інструменти штучного інтелекту краще, але також створює впевненість у виходах. Опитування галузі, які ставлять питання даних на перший план, також показують, що виробники, які вперше звертають увагу на ці питання, більш ймовірно перейдуть від пілотних проєктів до масштабування.

Вирівняйте штучний інтелект з реальними робочими процесами. Штучний інтелект не повинен бути окремим шаром; він повинен бути інтегрований з прийняттям рішень людьми і щоденними процесами. Команди повинні розуміти, що технологія робить і чому її виходи важливі. Це означає інвестиції у внутрішню освіту і управління впровадженням штучного інтелекту.

Збудуйте інфраструктуру, яка з’єднує системи. Замість створення нових розрізнених середовищ, успішне впровадження штучного інтелекту включає уніфікацію потоків даних з різних джерел, датчиків, машин, систем ERP, у єдиний, доступний шар. Справжній прогрес відбувається, коли компанії починають з проблем, які вони можуть бачити і торкнутися. Машини, які не спілкуються одна з одною, журнали якості, які все ще пишуться вручну, і процеси, які покладаються на пам’ять або звичку, створюють невидимі перешкоди. Коли команди витрачають час на з’єднання систем і роблять робочі процеси послідовними, технологія починає надавати керівництво замість плутанини.

Штучний інтелект не виправляє розбиті процеси сам по собі. Це рідко питання про покупку нового програмного забезпечення або гонитву за останньою моделлю. Компанії, які роблять добре, зосереджуються на з’єднанні існуючих систем, зниженні помилок і забезпеченні команд інформації, необхідної для дії.

Коли ці частини знаходяться на місці, штучний інтелект перестає відчуватися як експеримент і починає працювати поряд з операторами, допомагаючи їм виявляти проблеми раніше і приймати щоденні рішення з більшою впевненістю.