Vấn Đề Ẩn Blocking Sự Applies Của Trí Tuệ Nhân Tạo Trong Sản Xuất

Mọi người trong thế giới sản xuất dường như đang nói về trí tuệ nhân tạo. Bảo trì dự đoán, kiểm tra chất lượng tự động, tối ưu hóa chuỗi cung ứng theo thời gian thực. Trên giấy, những trường hợp sử dụng này hứa hẹn ít thời gian ngừng hoạt động, tăng công suất và đưa ra quyết định nhanh hơn, thông tin hơn. Nhưng đối với tất cả sự phấn khích và đầu tư vào các công cụ trí tuệ nhân tạo, nhiều nhà sản xuất vẫn đang gặp khó khăn trong việc chuyển từ các dự án thí điểm sang kết quả thực sự.

Thật ra, nút thắt lớn nhất không phải là sự thiếu hụt của các thuật toán hoặc thậm chí là sự thiếu nhận thức về tiềm năng của trí tuệ nhân tạo. Vấn đề ẩn và dai dẳng nhất là sự kém hiệu quả. Cụ thể, khoảng cách giữa khả năng của trí tuệ nhân tạo và thực tế hoạt động phân mảnh, không nhất quán trên hầu hết các sàn nhà máy.

Bạn không cần phải tìm kiếm xa để thấy vấn đề này được phản ánh trong dữ liệu. Một khảo sát tình trạng sản xuất năm 2024 cho thấy rằng trong khi 90% nhà sản xuất báo cáo sử dụng một số hình thức trí tuệ nhân tạo trong hoạt động của họ, 38% vẫn cảm thấy mình tụt lại phía sau so với các đối thủ trong việc triển khai và tác động. Điều này tiết lộ một loại “hội chứng giả mạo” nơi công nghệ hiện diện nhưng chưa trở nên biến đổi vì nó không được nhúng vào các quy trình cốt lõi.

Đồng thời, một nghiên cứu ngành công nghiệp rộng lớn cho thấy 65% nhà sản xuất cho rằng thách thức về dữ liệu từ việc truy cập và định dạng đến tích hợp và quản trị là rào cản hàng đầu đối với việc áp dụng trí tuệ nhân tạo, vượt xa các vấn đề khác như kỹ năng lao động hoặc thiết bị cũ.

Vấn đề chất lượng dữ liệu còn sâu sắc hơn. Một khảo sát toàn cầu của các nhà lãnh đạo CNTT và kinh doanh, bao gồm cả nhiều người từ sản xuất, cho thấy 87% đồng ý rằng dữ liệu tuyệt vời là điều cần thiết cho sự thành công của trí tuệ nhân tạo, nhưng chỉ 42% đánh giá mức độ hoàn chỉnh và chính xác của dữ liệu của họ là xuất sắc, và cùng tỷ lệ cho biết chất lượng dữ liệu kém là một rào cản đối với việc đầu tư thêm vào trí tuệ nhân tạo.

Những phát hiện này làm rõ một điều: các nhà sản xuất rất muốn tận dụng trí tuệ nhân tạo, nhưng hầu hết vẫn chưa có nền tảng hoạt động cần thiết để làm như vậy một cách thực sự thúc đẩy kinh doanh.

Tại Sao “Sẵn Sàng Cho Trí Tuệ Nhân Tạo” và Việc Áp Dụng Thật Sự Không Phải Là Một

Điều này rất hấp dẫn để coi sự sẵn sàng với việc áp dụng. Nhưng nghiên cứu cho thấy một khoảng cách đáng ngạc nhiên giữa những khái niệm này. Một nghiên cứu được công bố trên ScienceDirect cho thấy rằng ngay cả trong những trường hợp công ty thể hiện mức độ sẵn sàng kỹ thuật cao cho trí tuệ nhân tạo, tốc độ áp dụng thực tế, đặc biệt là trong các ngữ cảnh sản xuất, thường vẫn còn ở mức thấp. Điều đó cho thấy các công ty do dự trong việc triển khai trí tuệ nhân tạo vì họ vẫn thiếu niềm tin vào cách nó sẽ hoạt động trong các môi trường hoạt động thực sự.

Sự do dự này không có gì ngạc nhiên khi bạn xem xét cách sản xuất truyền thống đã hoạt động. Không giống như các ngành công nghiệp dẫn đầu bởi dữ liệu như tài chính hoặc thương mại điện tử, sản xuất đã tập trung vào các quy trình và máy móc vật lý, không phải dữ liệu. Một báo cáo do OECD lãnh đạo lưu ý rằng các nhà sản xuất gặp phải các rào cản áp dụng trí tuệ nhân tạo thường xuyên hơn so với các công ty trong công nghệ thông tin và truyền thông, một phần vì họ thiếu truyền thống về các thực hành dữ liệu lớn và thường phụ thuộc vào các hệ thống cũ.

Dữ Liệu, Quy Trình và “Khoảng Cách Thực Tế Của Trí Tuệ Nhân Tạo”

Một trong những khuôn khổ tiết lộ hơn đang được thảo luận trong ngành là ý tưởng về “khoảng cách thực tế”. Trong các cuộc khảo sát, các nhà sản xuất nhất quán cho thấy sự tự tin vào chiến lược trí tuệ nhân tạo trên giấy. Đa số cho biết trí tuệ nhân tạo là ưu tiên hàng đầu và lợi thế cạnh tranh. Tuy nhiên, chỉ một phần nhỏ cảm thấy thực sự sẵn sàng để triển khai các dự án trí tuệ nhân tạo ngày hôm nay.

Khoảng cách giữa khát vọng và khả năng hoạt động xuất phát từ một số vấn đề cốt lõi:

• Môi Trường Dữ Liệu Phân Mảnh. Các cảm biến, máy, hệ thống ERP và nhật ký chất lượng thường tồn tại trong các silo với không có cách tiêu chuẩn hóa để chia sẻ thông tin. Các mô hình trí tuệ nhân tạo cần đầu vào nhất quán và đáng tin cậy. Khi những đầu vào này không đầy đủ hoặc không nhất quán, dự đoán trở nên ít đáng tin cậy hơn.
• Quy Trình Thủ Công và Không Liên Kết. Một nhà máy có thể có thiết bị IoT mạnh mẽ trên một số máy nhưng vẫn phụ thuộc vào nhật ký giấy cho kiểm tra chất lượng. Các hệ thống trí tuệ nhân tạo không thể bù đắp cho dữ liệu bị thiếu hoặc chậm; chúng chỉ khuếch đại những gì chúng nhìn thấy.
• Sẵn Sàng Tổ Chức. Ngay cả khi cơ sở hạ tầng đang được cải thiện, nhiều đội thiếu kinh nghiệm trong việc dịch kết quả mô hình thành hành động. Không có quy trình làm việc rõ ràng và niềm tin của con người vào trí tuệ nhân tạo, những thông tin này vẫn không được sử dụng.

Chi Phí Ẩn Của Sự Bất Hoạt

Bỏ qua những rào cản này không vô hại. Nghiên cứu một cách nhất quán cho thấy rằng các tổ chức không giải quyết các bất hiệu quả cơ bản sẽ gặp khó khăn trong việc trích xuất giá trị từ các khoản đầu tư trí tuệ nhân tạo. Ví dụ, một báo cáo về khả năng trí tuệ nhân tạo công nghiệp cho thấy gần 80% công ty công nghiệp thiếu khả năng nội bộ để sử dụng trí tuệ nhân tạo một cách thành công, mặc dù đa số mong đợi trí tuệ nhân tạo sẽ cải thiện chất lượng và dịch vụ.

Và ngoài lĩnh vực sản xuất, các nghiên cứu trong môi trường kinh doanh cho thấy rằng lên đến 80% công ty không thể hưởng lợi từ trí tuệ nhân tạo vì họ bỏ qua các yếu tố tổ chức, con người và quản lý thay đổi – không phải vì công nghệ bản thân bị lỗi.

Những thông tin này đáng được nhắc lại: thách thức của trí tuệ nhân tạo trong sản xuất không chỉ là vấn đề tích hợp công nghệ. Nó liên quan đến thiết kế quy trình làm việc, quy trình ra quyết định, quản trị dữ liệu và các hệ thống con người tương tác với những công cụ này.

Đóng Gấp Khoảng Cách: Nơi Tiến Bộ Thật Sự Xảy Ra

Vậy làm thế nào các nhà sản xuất vượt qua sự chia cách giữa tiềm năng và thực tế? Nó bắt đầu bằng việc nhận ra rằng trí tuệ nhân tạo không nên là một thứ bổ sung, nó phải được nhúng vào vải hoạt động hiện có.

Đầu tiên, hãy tập trung vào sự sẵn sàng của dữ liệu. Đưa tất cả dữ liệu vào một hệ thống, cải thiện khả năng tiếp cận và định nghĩa các quy tắc quản trị không chỉ làm cho các công cụ trí tuệ nhân tạo hoạt động tốt hơn, mà còn tạo ra sự tự tin vào đầu ra. Các cuộc khảo sát ngành công nghiệp đặt vấn đề dữ liệu ở đầu danh sách rào cản cũng cho thấy rằng các nhà sản xuất giải quyết những vấn đề này đầu tiên có nhiều khả năng chuyển từ các dự án thí điểm sang việc mở rộng.

Sắp xếp trí tuệ nhân tạo với các quy trình làm việc thực sự. Trí tuệ nhân tạo không nên là một lớp riêng biệt; nó nên được tích hợp với việc ra quyết định của con người và các quy trình hàng ngày. Các đội phải hiểu công nghệ đang làm gì và tại sao đầu ra của nó lại quan trọng. Điều này có nghĩa là đầu tư vào giáo dục và quản trị nội bộ xung quanh việc áp dụng trí tuệ nhân tạo.

Xây dựng cơ sở hạ tầng kết nối các hệ thống. Thay vì tạo ra nhiều silo hơn, việc áp dụng trí tuệ nhân tạo thành công liên quan đến việc thống nhất các luồng dữ liệu từ các nguồn khác nhau, cảm biến, máy, ERP, hệ thống chất lượng, thành một lớp nhất quán và có thể tiếp cận được. Tiến bộ thực sự xảy ra khi các công ty bắt đầu từ những vấn đề họ có thể thấy và chạm vào. Máy móc không giao tiếp với nhau, nhật ký chất lượng vẫn được viết bằng tay và các quy trình phụ thuộc vào trí nhớ hoặc thói quen đều tạo ra các chướng ngại vật vô hình. Khi các đội dành thời gian để kết nối các hệ thống và làm cho các quy trình làm việc nhất quán, công nghệ bắt đầu cung cấp hướng dẫn thay vì gây nhầm lẫn.

Trí tuệ nhân tạo không tự sửa chữa các quy trình bị hỏng. Nó hiếm khi liên quan đến việc mua phần mềm mới nhất hoặc theo đuổi mô hình mới nhất. Các công ty làm tốt tập trung vào việc kết nối các hệ thống hiện có, giảm sai sót và đảm bảo các đội có thông tin họ cần để hành động.

Khi những mảnh ghép này được đặt vào vị trí, trí tuệ nhân tạo ngừng cảm giác như một thí nghiệm và bắt đầu hoạt động cùng với các vận hành viên, giúp họ phát hiện vấn đề sớm hơn và đưa ra quyết định hàng ngày một cách tự tin hơn.