Gamybos vadovai beveik pusę savo modernizavimo biudžeto lažina dirbtiniu intelektu, o šios sistemos padidins pelną per dvejus metus.
Šis agresyvus kapitalo paskirstymas žymi galutinį posūkį. AI dabar laikomas pagrindiniu finansinių rezultatų varikliu. Remiantis „Tata Consultancy Services“ (TCS) ir AWS „Future-Ready Manufacturing Study 2025“, 88 procentai gamintojų tikisi, kad dirbtinis intelektas pasieks bent penkis procentus veiklos maržos. Kas ketvirtas tikisi grąžos, viršijančios 10 proc.
Pinigai yra. Ambicijos yra. Vandentiekio, deja, nėra.
Egzistuoja skirtumai tarp finansinių prognozių ir gamyklos grindų realybės. Nors išlaidos pažangiosioms sistemoms didėja, pagrindinė duomenų infrastruktūra išlieka trapi, o rizikos valdymo strategijos vis dar priklauso nuo brangių rankinių buferių.
Spaudimas išgauti grynųjų pinigų vertę iš technologijų kaminų niekada nebuvo didesnis. 75 procentai respondentų tikisi, kad iki 2026 m. dirbtinis intelektas taps trimis pagrindiniais veiklos pelnais. Todėl organizacijos per ateinančius dvejus metus 51 procentą savo transformacijos išlaidų skirs dirbtiniam intelektui ir autonominėms sistemoms.
Šios išlaidos užgožia kitas gyvybiškai svarbias sritis. Asignavimai dirbtiniam intelektui gerokai viršija darbo jėgos perkvalifikavimą (19 %) ir debesų infrastruktūros modernizavimą (16 %). Informacijos vadovams šis disbalansas rodo gresiančią krizę: bandymą diegti pažangius algoritmus ant nestabilių senų pamatų.
Anupamas Singhalas, TCS gamybos prezidentas, sakė: „Gamyba yra pramonė, apibrėžiama tikslumu, patikimumu ir nenumaldomu našumo siekiu. Šiandien šis pagrindas tampa daugialypis kartu su AI priimant sprendimus, o tai leidžia pasiekti transformuojančius verslo rezultatus dėl didesnio nuspėjamumo, stabilumo ir kontrolės.
„TCS tai matome kaip puikią galimybę padėti gamintojams sukurti atsparias, prisitaikančias ir ateičiai paruoštas įmonių ekosistemas, kurios gali klestėti protingos autonomijos eroje.
Analoginės gyvatvorės skaitmeninėje eroje
Nepaisant didelių investicijų į nuspėjamąsias galimybes, veiklos elgsena išduoda nepasitikėjimą. Atsiradus sutrikimams, gamintojai nepasikliauja savo skaitmeninių sistemų judrumu; jie grįžta prie fizinių apsaugos priemonių.
Po pastarųjų sutrikimų 61 procentas organizacijų padidino saugos atsargas. Pusė pasirinko kelių šaltinių logistiką. Tik 26 procentai naudojo scenarijų planavimą per skaitmeninius dvynius, kad būtų išvengta nepastovumo.
Tai yra atjungimas. Nors dirbtinis intelektas žada dinamišką atsargų optimizavimą – naudą, kurią nurodė 49 procentai respondentų, vyrauja atsargų kaupimo instinktas. Tiekimo grandinės lyderiai perka Ferrari, bet važinėja jais kaip traktoriais. Norint užpildyti šią spragą, reikia pereiti nuo reaktyvių saugos priemonių prie aktyvių ir sistemos vadovaujamų reakcijų.
Ozgur Tohumcu, AWS automobilių ir gamybos generalinis direktorius, komentavo: „Gamintojai šiandien susiduria su precedento neturinčiu spaudimu – nuo mažų maržų iki nepastovių tiekimo grandinių ir darbo jėgos spragų. AWS mes atliekame gamybos revoliuciją, naudodamiesi dirbtiniu intelektu valdomomis autonominėmis operacijomis, pereinant nuo pažangių sistemų, kurios veikia optimaliai.
„Įterpdami dirbtinį intelektą į kiekvieną veiklos lygmenį ir išnaudodami debesų savąją architektūrą, gamintojai gali pereiti nuo paprasto automatizavimo prie tikro savarankiško sprendimų priėmimo, kai sistemos numato, prisitaiko ir veikia nepriklausomai su minimaliu žmogaus įsikišimu. Tai ne tik leidžia greičiau atsakyti, bet ir iš esmės pakeičia operacijas su DI nuspėjamumu, atsparumu ir judrumu.
Infrastruktūros skola
Pagrindinė kliūtis šiai finansinei grąžai yra ne dirbtinio intelekto modeliai; tai duomenys, kuriais jie maitinasi. Tik 21 procentas gamintojų teigia, kad yra „visiškai pasirengę dirbtiniam intelektui“ ir turi švarius, kontekstinius ir vieningus duomenis.
Dauguma (61%) dirba su daliniu pasirengimu, kovoja su nenuoseklia kokybe įvairiose gamyklose. Šis suskaidymas sukuria duomenų kaupiklius, kurie neleidžia algoritmams pasiekti visos įmonės įvesties, reikalingos tiksliam sprendimui priimti.
Integracija su senomis sistemomis yra pagrindinė kliūtis, kurią nurodė 54 procentai respondentų. Dėl šios „techninės skolos“, susikaupusios per dešimtmečius trunkantį skaitmeninimą, sunku uždėti šiuolaikinius autonominius agentus senesnėmis operacinėmis technologijomis.
Saugumas taip pat kandžiojasi. Saugumo ir valdymo problemos yra svarbiausios gamyklos lygio kliūčių sąraše – 52 proc. Aplinkoje, kurioje kibernetinis fizinis pažeidimas gali sustabdyti gamybą arba sukelti fizinę žalą, savarankiškos intervencijos rizikos apetitas išlieka mažas.
Perėjimas prie agentinio AI gamyboje
Nepaisant priešpriešinio vėjo, pramonė naudojasi agentiniu AI (ty sistemomis, galinčiomis priimti sprendimus ribotai žmogaus prižiūrint).
74 procentai gamintojų tikisi, kad iki 2028 m. dirbtinio intelekto agentai priims iki pusės įprastų gamybos sprendimų. Iš karto 66 procentai organizacijų jau leidžia (arba planuoja leisti per 12 mėnesių) dirbtinio intelekto agentams patvirtinti įprastus darbo užsakymus be žmogaus sutikimo.
Šis progresas nuo „antrųjų pilotų“ iki nepriklausomų agentų, galinčių atlikti visas užduotis, iš esmės keičia darbo jėgą. Nors 89 procentai gamintojų tikisi, kad dirbtinio intelekto valdoma robotika paveiks darbo jėgą, pagrindinis dėmesys skiriamas padidinimui, o ne perkėlimui.
Šiuo metu produktyvumo padidėjimas sutelktas į žinioms imlius vaidmenis. Sparčiausiai auga kokybės inspektoriai (49 %) ir IT pagalbiniai darbuotojai (44 %). Tradiciniai gamybos vaidmenys, pavyzdžiui, techninės priežiūros technikai (29 %), atsilieka. Įvaikinimas vyksta pagal pažinimo tobulinimo modelį prieš sprendžiant fizinį koordinavimą.
Dirbtinio intelekto agentams įterpiant save į platformas, įmonių architektai susiduria su orkestravimo pasirinkimu. Rinka rodo didelį nepasitenkinimą pardavėjo užraktu.
63 procentai gamintojų pirmenybę teikia hibridinėms arba kelių platformų strategijoms, o ne vieno pardavėjo sprendimams. Tiksliau, 33 procentai planuoja koordinuoti per kelis vietinius platformos agentus, o 30 procentų teikia pirmenybę hibridiniam modeliui, derinamajam platformos ir pasirinktinio orkestravimo. Tik 13 procentų nori prisijungti prie vienos pagrindinės platformos.
Gamybos pramonės AI investicijų pavertimas pelnu
Kad šios didžiulės kapitalo sąnaudos būtų paverstos realiu pelnu, C-suite reikia pažvelgti pro ažiotažą.
Pirma, pataisykite duomenis. Kadangi tik 21 procentas įmonių yra visiškai pasirengusios, pirmenybė turi būti teikiama modernizavimui, o ne algoritmų kūrimui. Be švarių, suvienodintų duomenų didelės vertės naudojimo atvejų tvarumo ir numatomos priežiūros srityse nepavyks išplėsti.
Antra, lyderiai turi užpildyti AI pasitikėjimo atotrūkį. Pasitikėjimas saugos atsargomis rodo nepasitikėjimą skaitmeniniais signalais. Pakopinė autonomija yra atsakymas – pradedant nuo administracinių užduočių, tokių kaip darbo užsakymai, kurių jau atlieka 66 proc., prieš perduodant sudėtingus tiekimo grandinės sprendimus.
Galiausiai venkite monolitinio spąstų. Duomenys palaiko kelių platformų metodą, kad būtų išlaikytas svertas ir judrumas. Gamintojai lažinasi dėl savo ateities dėl dirbtinio intelekto, tačiau norint suprasti šią grąžą, reikia mažiau dėmesio skirti modelių „intelektui“, o kasdieniam duomenų valymo darbui, senos įrangos integravimui ir darbo jėgos pasitikėjimo kūrimui.
Taip pat žiūrėkite: Frontier AI tyrimų laboratorija sprendžia įmonės diegimo iššūkius
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
