Введение
- Генеративный искусственный интеллект стимулирует возрождение производства, открывая новые возможности и расширяя возможности прежнего использования искусственного интеллекта.
- Внедрение искусственного интеллекта сталкивается с препятствием в формате сосредоточенности на точечных решениях и несоответствие между ожиданиями и стимулами.
- Пять инициатив, которые требуют немедленных и долгосрочных действий, могут помочь компаниям подготовиться к искусственному интеллекту и могут опираться на успешные пилотные проекты в любых организациях.
Искусственный интеллект (ИИ) — это гораздо больше, чем просто «модная фраза», и он окажет глубокое и широкое влияние на все отрасли промышленности. Хотя промышленные компании уже используют традиционные подходы к искусственному интеллекту, такие как машинное обучение (ML), в точечных решениях операционных технологий (OT), быстрое внедрение генеративного искусственного интеллекта (GenAI) повысило осведомленность о возможностях и потенциале искусственного интеллекта для трансформации и разрушения.
Несколько цифр указывают на прогресс и темпы изменений:
- Сорок девять процентов передовых производственных и мобильных компаний полностью интегрировали изменения продуктов или услуг, основанные на искусственном интеллекте, в свой процесс распределения капитала и активно инвестируют в инновации, основанные на искусственном интеллекте.¹
- В ближайшие 12 месяцев за ними последует 41% , оставив лишь 10%, которые не планируют этого делать.
- Ожидается, что к 2030 году 96% компаний увеличат инвестиции в искусственный интеллект в производстве².
- После 2030 года 59% промышленных лидеров считают, что искусственный интеллект имеет важное значение или меняет правила игры для будущего производства.
Развертыванию ИИ препятствует сложный набор проблем
Несмотря на необходимость действовать быстро, промышленных лидеров часто сдерживают неопределенность и ограничения. В частности, промышленные компании сталкиваются с проблемами по четырем ключевым направлениям: цепочка поставок, стратегия, персонал и информационные технологии (ИТ).
29 процентов руководителей передовых производственных предприятий считают адаптацию цепочек поставок для повышения устойчивости одним из наиболее важных стратегических действий для своей компании на ближайшие шесть месяцев . Однако 32% говорят, что отложили реализацию своих планов по цепочке поставок из-за меняющегося геополитического ландшафта. Почти половина (49%) руководителей промышленных предприятий корректируют цепочки поставок посредством диверсификации поставщиков, наращивания запасов, инвестиций в технологии, расширения сотрудничества и перемещения производства ближе к дому.
Около 45% опрошенных руководителей передовых производственных предприятий считают, что ИИ — это сила добра, которая может оказать положительное влияние на эффективность бизнеса и инновации. Более 60% лидеров производства отдают приоритет расширению технологических возможностей, интеграции устойчивого развития и внедрению новых продуктов и услуг в свою стратегию распределения капитала. А 57% лидеров производства инвестируют в инициативы органического роста и слияния и поглощения, чтобы улучшить технологии и расширить предложение своих продуктов и услуг.
Амбиции промышленных компаний в области искусственного интеллекта рискуют застопориться из-за нехватки подходящих технологических талантов. В ответ 27% руководителей передовых производств заявили, что одним из их главных стратегических приоритетов на ближайшие шесть месяцев является внедрение новых рабочих моделей и стратегий управления талантами для привлечения и удержания сотрудников . Для четверти (26%) производственных компаний нехватка и стоимость специалистов с необходимыми навыками, необходимыми для ускорения роста, являются наибольшим риском для роста их бизнеса. Это объясняет, почему 35% передовых производственных компаний планируют увеличить инвестиции в таланты, включая благополучие сотрудников и развитие навыков.
Отдельное исследование, проведенное Советом лидеров производства, показало, что 65% руководителей производства считают проблемы с данными – в частности, доступ, формат, интеграцию, конфиденциальность и управление – основной проблемой для внедрения ИИ в своих компаниях. Сорок шесть процентов руководителей передовых производств считают, что технологические и цифровые изменения, включая киберриски, представляют наибольший риск для эффективности бизнеса в течение следующих 12 месяцев. Чтобы устранить этот разрыв, 70% руководителей передовых производств намерены увеличить капиталовложения в данные, технологии и кибербезопасность.
Несмотря на неопределенность, лидеры промышленности уже сегодня могут предпринять шаги, чтобы обеспечить готовность своих компаний к внедрению ИИ. Мы определили пять межотраслевых инициатив , которые решают проблемы развертывания ИИ и проводят различие между тем, как компании могут «действовать сейчас» и «развиваться позже».
Темпы технологического развития требуют двухскоростного подхода к этим инициативам. Рекомендации «действовать сейчас» требуют минимальных инвестиций, вызывают минимальные нарушения, являются модульными и должны принести ощутимые результаты в краткосрочной перспективе. По мере того, как победы накапливаются и набирают обороты, рекомендации «действовать сейчас» перерастают в предложения «развиваться позже». Эти перспективные предложения требуют стратегической координации сверху вниз и распределения капитала для создания устойчивого маховика для роста инициатив в области ИИ.
Эти пять ключевых инициатив помогут направить развертывание ИИ на стратегически согласованный, оперативный и коммерчески жизнеспособный характер:
Создать «Офис реализации ценностей ИИ» и превратить его в диспетчерскую вышку.
Промышленные компании должны сформировать подразделение, которое оптимизирует эксперименты и ресурсы, связанные с ИИ, и свяжет их с результатами бизнеса. Отдел реализации ценности координирует обмен знаниями и формирует управление, но его основной целью является получение выгод, управление проектами и рисками, а также оптимизация ресурсов.
Отдел реализации ценности может начать с меньшего масштаба, но для извлечения максимальной пользы от инициатив в области ИИ в рамках всего предприятия он должен превратиться в полноценную «диспетчерскую вышку ». Диспетчерская вышка — это бизнес-подразделение высшего руководства, которому поручено разрабатывать стратегию искусственного интеллекта и управлять межорганизационными инициативами. Он имеет полномочия распределять капитал и координировать ресурсы между различными бизнес-функциями.
Действуйте сейчас: создайте офис по реализации ценности ИИ с целенаправленной сферой деятельности и подотчетностью высшего руководства для тестирования и обучения.
Один из способов поэкспериментировать с ИИ — создать офис реализации ценности посредством простого офиса управления проектами в рамках одного бизнес-подразделения. В этом должны участвовать заинтересованные стороны с различной специализацией, при поддержке высшего руководства, сосредоточенные на высокоприоритетных или быстроокупаемых проектах, а также активно анализирующие и адаптирующие методы управления к новым требованиям бизнеса. Использование более простых в использовании технологий, таких как GenAI, а также low-code или no-code, может снизить технические барьеры для экспериментов, позволяя людям, не имеющим технических знаний, участвовать раньше. Все это увеличивает заинтересованность, развивает экспертные знания, повышает гибкость и позволяет осуществлять деятельность, создающую ценность.
Развивайтесь позже: превратите офис реализации ценности в диспетчерскую вышку
По мере роста кредитоспособности и масштабов отдела реализации ценности компании могут повысить его автономию и ответственность за масштабирование развертывания ИИ при усилении надзора со стороны высшего руководства. Она должна превратиться в диспетчерскую вышку с формальными должностями, управлением и ресурсами для координации проектов в масштабах компании. Диспетчерская вышка также будет управлять потребностями в переподготовке кадров, модернизацией инфраструктуры данных и стратегиями экосистемы.
Изучите будущие сценарии для согласования подхода к ИИ.
В потенциальных вариантах использования ИИ нет недостатка, но организациям часто сложно согласовать эти варианты использования с общей стратегией и видением.
Определив сценарии потенциального воздействия и преимуществ ИИ, промышленные компании могут более эффективно распределять ресурсы и определять приоритетность инициатив.
Действуйте сейчас: используйте планирование на будущее, связывая ИИ с ценностью бизнеса
Чтобы разработать целенаправленные инициативы, соответствующие общему видению ИИ, промышленные компании должны начать с планирования на будущее, чтобы определить потенциальное влияние ИИ на бизнес и сектор. Будущие сценарии должны учитывать нормативные, макроэкономические ограничения, ограничения цепочек поставок и ресурсов, а также связывать деятельность ИИ с ценностью бизнеса.
Развивайтесь позже: непрерывно распределяйте ресурсы, чтобы обеспечить возможность трансформации компании во всех измерениях.
Чтобы превратить офис реализации ценности в диспетчерскую вышку, свяжите нисходящее сценарное планирование и распределение капитала с восходящим обучением и действиями. Сценарии также могут дать информацию о том, какие навыки необходимы для планов переподготовки, требования к данным для обновления архитектуры данных и какие пробелы в компетенциях существуют для экосистемных стратегий.
Разработка плана переподготовки кадров
Ожидается, что ИИ окажет огромное влияние на работу и таланты, поскольку его быстро развивающиеся возможности позволяют ему выполнять более широкий спектр работ с большей легкостью и сложностью.
GenAI, в частности, может создавать творческую и аналитическую продукцию, такую как код, электронные письма, изображения, слайды, а также брать на себя рабочие места «синих воротничков» или «новых воротничков» в производстве. Промышленные роботы с поддержкой искусственного интеллекта расширяют свою роль за счет улучшения таких навыков, как распознавание объектов, обучение и координация, что позволяет им играть более важную роль. GenAI может сделать заводы более адаптивными и эффективными, расширяя их возможности по сокращению незапланированных простоев и улучшая прогнозы.
Растущая роль искусственного интеллекта потребует от работников переквалификации, как для приобретения навыков его использования, так и для повышения компетенций, которые станут более ценными в эпоху GenAI, таких как обеспечение качества, интеграция контента или взаимодействие с клиентами.
Действуйте сейчас: проведите оценку навыков, чтобы определить потребности в переподготовке
Начните с оценки того, какие задачи может взять на себя ИИ и какие компетенции необходимы работникам, особенно для рабочих, где влияние ГенИИ изучено меньше.
Развивайтесь позже: разработайте и внедрите план переквалификации
Организации должны стремиться создать культуру непрерывного обучения, которая позволит им адаптироваться к постоянно меняющимся потребностям в навыках. Стимулы могут играть важную роль, связывая переквалификацию с карьерным ростом и финансовой компенсацией. И, выявляя и поощряя очаги инноваций, компании могут поддерживать вовлеченность талантливых сотрудников и привлекать новые таланты с востребованными навыками.
Создание оценки архитектуры данных и дорожной карты обновления
Промышленные компании традиционно развертывали точечные решения, ориентированные на ОТ, без единой стратегии обработки данных, но наличие правильной архитектуры данных имеет решающее значение для эффективного развертывания ИИ в организации. Проблема усугубляется тем, что традиционные ИИ (структурированные данные) и GenAI (превосходно работающие с неструктурированными данными) используют различные виды данных. Чтобы использовать GenAI среди сотрудников, большие языковые модели (LLM) должны быть обучены рабочим процедурам и передовым практикам, создавая «график знаний» для организации. Но большая часть этой информации часто находится только в сознании сотрудников и не может быть формально систематизирована, а тем более храниться в цифровой форме.
Действуйте сейчас: проведите оценку архитектуры данных
Следует оценить архитектуру данных, чтобы определить структуру процесса, зависимости, а также качество и безопасность данных. Соответствующие тесты могут обеспечить базовый уровень производительности и поддержать будущие бизнес-кейсы ИИ. Составьте карту потенциальных сценариев обновления системы, сопоставив поэтапные обновления с потенциальной рентабельностью инвестиций в соответствующие варианты использования. Управление следует пересмотреть и усилить, чтобы покрыть унаследованные риски (такие как конфиденциальность данных, предвзятость и кибербезопасность), а также новые риски, возникающие в результате новых сценариев использования ИИ.
Развивайтесь позже: реализуйте стратегию обработки данных с поэтапными обновлениями в зависимости от рентабельности инвестиций, воздействия и осуществимости.
После того как инфраструктура составлена, компаниям необходима стратегия сбора, хранения и управления данными, необходимыми для приложений ИИ. Первым шагом является определение и внедрение процессов повышения качества данных. Во-вторых, они могут принять поэтапный подход, основанный на рентабельности инвестиций, для сбора данных и внедрения новых вариантов использования. Изучите возможности получения новых данных, включая «синтетические» данные, необходимые для компенсации нехватки исторических данных для тестирования и развертывания моделей ИИ.
Развитие партнерства в экосистеме ИИ
Промышленные компании привыкли управлять сложными партнерскими экосистемами в цепочке поставок. Как для цепочки поставок, так и для партнерских отношений в области ИИ важно проверять партнеров, устанавливать стандарты производительности и управлять расходами на партнерство.
Однако партнерские отношения в области ИИ приносят большую сложность и глубину интеграции, поскольку решения ИИ должны подключаться к центральным системам, быть адаптируемыми и управляемыми с течением времени. Каждый партнер увеличивает затраты на интеграцию и управление, влияя на оркестровку технологического стека. Неэффективные партнеры по искусственному интеллекту могут нанести больший вред, чем традиционные партнеры по цепочке поставок.
Действуйте сейчас: составьте карту экосистем ИИ и дополнительных возможностей и инициируйте пилотные проекты.
При выборе партнеров для проектов ИИ компаниям следует сравнивать свои возможности ИИ, зрелость и экосистемы с новыми передовыми практиками. Партнеры и экосистемы с взаимодополняющими возможностями и опытом могут увеличить пробелы в навыках, технологиях и реализации. Однако новые партнерские и экосистемные отношения также требуют нового управления. Устанавливая ранние партнерские отношения с несколькими организациями и выявляя возможности небольших пилотных проектов, компании могут накопить опыт, опережая более крупные проекты в области искусственного интеллекта.
Развивайтесь позже: используйте ключевые критерии оценки для поддержки узкой, но сильной экосистемы партнеров по искусственному интеллекту.
По мере развития партнерской экосистемы ИИ важно установить ключевые критерии для оценки взаимоотношений в экосистеме. Это помогает выбирать и развивать отношения с приоритетными партнерами и действовать решительно, устраняя ненужных партнеров, которые не могут принести пользу или адаптироваться к будущим потребностям. По мере развития экосистемы должны развиваться и функции, управление и лучшие практики.
Ключевые соображения для промышленных компаний при внедрении ИИ
Производственные компании всегда возглавлялись OT. ИИ не изменит эту тенденцию, но будет способствовать более глубокой конвергенции ИТ и ОТ. Количество точечных решений, ориентированных на бизнес, вероятно, будет расти, и они потребуют стандартизации и совместимости данных OT. Промышленные компании должны затем признать необходимость в зрелой архитектуре данных, чтобы оправдать инвестиции в ИТ и гарантировать, что ИИ будет приносить пользу устойчиво и безопасно. Искусственный интеллект основан на технологиях, но им должен руководить бизнес.
Многие преимущества, которые ИИ может принести промышленным компаниям, связаны с фундаментальной работой, которую необходимо провести внутри компаний перед развертыванием: это не просто обновление технологии; это также организационный и культурный апгрейд.
Цепочка поставок существовала на протяжении веков и всегда использовала новые технологии для адаптации и совершенствования. Сегодня цепочки поставок, которые являются более устойчивыми, более экономичными и более предсказуемыми, — это цепочки поставок с поддержкой ИИ.
Некоторые рассматривают ИИ как модную фразу, но стоит помнить, что ИИ — это не переключатель, а путешествие.