Vượt qua sự cường điệu – Ở đâu AI thực sự hoạt động trong sản xuất

AI đang được định vị là cuộc cách mạng công nghiệp tiếp theo, nhưng nhiều nhà lãnh đạo đang gặp khó khăn trong việc chuyển đổi sự hào hứng thành kết quả thực tế. Hơn 80% các nhà lãnh đạo sản xuất của Mỹ cho biết họ dự định tăng cường sử dụng AI trong hai năm tới, nhưng điều đó không phải lúc nào cũng được thực hiện với một chiến lược rõ ràng về những gì họ mong đợi đạt được một cách thực tế.

Giữa áp lực từ hội đồng quản trị để làm việc với AI và thực tế của môi trường sản xuất phức tạp, có một khoảng cách ngày càng tăng giữa kỳ vọng và thực hiện. Khoảng cách đó cần được lấp đầy nếu các nhà sản xuất hy vọng thấy được lợi ích của AI trong kinh doanh của họ.

Độ sẵn sàng của AI đang bị tụt lại phía sau

Các nhà lãnh đạo sản xuất ngày nay biết họ cần phải áp dụng AI để duy trì tính cạnh tranh. Một cuộc khảo sát gần đây từ Hiệp hội các nhà sản xuất quốc gia (NAM) cho thấy 51% nhà sản xuất đang sử dụng AI và 80% sẽ coi AI là điều thiết yếu để mở rộng hoặc duy trì kinh doanh của họ.

Các nhà sản xuất đang sử dụng công nghệ này theo nhiều cách khác nhau. AI có tiềm năng lớn. Tuy nhiên, trong nhiều tổ chức, đầu tư vào AI không mang lại ROI như đã hứa.

Một cuộc khảo sát gần đây của PWC và Viện sản xuất cho thấy sự thúc đẩy từ các nhà lãnh đạo để áp dụng AI có thể vượt quá sự sẵn sàng cho sự thay đổi do AI mang lại. Cuộc khảo sát đó cũng cho thấy, theo lời của họ:

• Sự áp dụng AI không đồng đều có thể làm chậm quá trình tích hợp vào hoạt động hàng ngày
• Tiến bộ dọc theo đường cong áp dụng AI đòi hỏi đào tạo và xây dựng khả năng dựa trên kinh nghiệm
• Khoảng cách về con người và sự sẵn sàng có thể hạn chế việc áp dụng AI
• Sự thiếu hụt đầu vào từ các nhà lãnh đạo tuyến đầu có thể hạn chế việc áp dụng và thực hiện AI

Tìm giải pháp

Thay vì coi AI là giải pháp toàn diện, các nhà lãnh đạo phải phân biệt giữa các ứng dụng mà AI vượt trội – chẳng hạn như cải thiện tương tác giữa con người và hệ thống, thu thập kiến thức hoạt động và đơn giản hóa các quy trình phức tạp – và các lĩnh vực mà AI vẫn còn kém, bao gồm kiểm soát chính xác và ra quyết định lặp lại trong môi trường sản xuất.

Một nơi tuyệt vời để áp dụng điều này là trong quá trình bán hàng của bạn. Nhiều công ty sản xuất muốn cải thiện quá trình bán hàng được hướng dẫn bằng AI. Họ nên bắt đầu bằng cách tập trung vào mục tiêu hoặc kết quả của khách hàng thay vì yêu cầu họ chọn các thông số cụ thể về sản phẩm.

Dưới đây là một ví dụ cá nhân: Tôi vừa mua chiếc xe điện đầu tiên của mình. Tôi đã truy cập vào trang web của nhà sản xuất xe điện và điều đầu tiên tôi nhìn thấy là các thông số kỹ thuật, chẳng hạn như Phạm vi: 360-558 km. Đó là một phạm vi lớn, nhưng tôi hiểu nó có nghĩa là gì. Nhưng mã lực? Không có ý tưởng. Và tiêu thụ? Bây giờ tôi thực sự không hiểu điều đó; tiêu thụ có tốt hay không? Liệu nó có ảnh hưởng đến chuyến đi trượt tuyết hàng năm của gia đình tôi, hiện tại mất khoảng bảy giờ không? Đó là loại thông tin thực sự sẽ giúp tôi đưa ra quyết định.

Có một AI để thảo luận về những gì tôi quan tâm sẽ giúp nhà sản xuất xe điện hiểu những gì quan trọng với tôi và chuyển những điều đó thành các thông số kỹ thuật phù hợp với tôi.

Một ví dụ khác là sử dụng các tác nhân AI để chia các vấn đề phức tạp thành các phần nhỏ hơn. Các tác nhân này lên kế hoạch và thực hiện các mục tiêu đa bước. Để tối ưu hóa các tác nhân này, các nhiệm vụ nên có nhiều ngôn ngữ.

Một số tổ chức kỹ thuật đang áp dụng cách tiếp cận này khi quản lý các yêu cầu phức tạp. Đôi khi thông tin được phân散 trên hàng trăm hoặc hàng nghìn tài liệu, và định dạng không được tiêu chuẩn hóa. Nếu bạn xây dựng một hệ thống phần mềm truyền thống để nhập tất cả thông tin này, sẽ có quá nhiều quy tắc và ngoại lệ đối với các quy tắc đó. Vì AI giỏi nhận dạng mẫu, bạn không cần viết xuống mọi quy tắc về cách giải thích những tài liệu đó.

Best thực hành cho AI trong sản xuất

Chia các vấn đề lớn thành các nhiệm vụ nhỏ hơn. AI có bộ nhớ làm việc hạn chế. Nếu bạn cung cấp cho nó quá nhiều dữ liệu hoặc một vấn đề quá rộng, nó có thể mất ngữ cảnh và bắt đầu ảo giác khi cố gắng cung cấp một câu trả lời. Để giảm thiểu rủi ro này, hãy chia các nhiệm vụ lớn thành các thành phần nhỏ hơn và tổng hợp kết quả — một lĩnh vực mà các khuôn khổ tác nhân đang trở nên đặc biệt hiệu quả.

Sử dụng AI cho nhận dạng mẫu, không phải lý luận có thẩm quyền. AI tốt trong việc nhận dạng mẫu và xác định mối quan hệ, nhưng nó không tốt cho logic và lý luận. Ví dụ, khả năng “lý luận” và toán học của chúng là dự đoán, không phải tính toán. Vì vậy, đầu ra có thể xuất hiện sâu sắc, nhưng chúng không được đảm bảo là chính xác, trừ khi bạn kết nối với một hệ thống khác có thể xác thực kết quả. Trong cách tiếp cận này, AI có thể điều phối quy trình làm việc, nhưng bạn đã đưa ra một quyết định rõ ràng về nơi đặt ranh giới hoạt động.

AI trong sản xuất có thể tạo ra giá trị thực, nhưng có những kịch bản cụ thể mà rủi ro vượt quá lợi ích. Những trường hợp đó bao gồm các hoạt động quan trọng về an toàn và chất lượng. Nó cũng bao gồm các kịch bản có dữ liệu thấp hoặc hoàn toàn mới vì AI hoạt động kém khi nó chưa thấy đủ dữ liệu liên quan. Các môi trường quy định cao là một thách thức khác vì AI vẫn thiếu khả năng theo dõi thực sự. Các hệ thống điều khiển thời gian thực với dung sai chặt chẽ là một nơi khác mà AI nên tránh vì độ trễ hoặc không ổn định của AI có thể không thể chấp nhận được trong các quy trình tốc độ cao

Từ sự cường điệu đến thực tế

AI không phải là phương thuốc chữa bách bệnh cho tất cả các vấn đề sản xuất. Nhưng bằng cách xem xét các trường hợp sử dụng thực tế và các quan niệm sai lầm phổ biến được thảo luận ở trên, các nhà sản xuất có thể áp dụng một cách tiếp cận cân bằng hơn đối với AI. Trong ngắn hạn, điểm chính là sử dụng AI cho những gì nó giỏi nhất: các vấn đề liên quan đến việc nhận dạng mẫu ở mức độ cao. Đừng sử dụng nó cho các trường hợp yêu cầu khả năng dự đoán, tính nhất quán, logic hoặc tính toán.

Các nhà sản xuất có thể vượt qua sự cường điệu và xác định nơi AI thực sự mang lại giá trị ngày nay. Mục tiêu không phải là làm chậm việc áp dụng mà để đảm bảo các tổ chức triển khai AI ở những nơi nó cải thiện đáng kể năng suất và ra quyết định thay vì chỉ đơn giản là theo đuổi sự cường điệu của ngành.