多年来,我们一直听说和读到“明年”将如何成为AI的突破之年。 在某种程度上,这始终是正确的——每年都标志着AI优化传统业务运营和更好地简化工作的能力有了一个新的提升。这些年复一年的改进还进一步完善了AI,以提供更适合用途的应用,从而在特定用例中推动新的价值。工业AI是这一现象的最新迭代,将AI的处理应用于快速经历深刻数字化转型的制造业世界的专业应用 。
正如2020年和2021年标志着AI的新演变,2022年有望见证工业AI在制造业如何利用AI应用解决当今问题、为其组织和工作方式创造新的增值层方面出现重大新转折。在经历了两年的大流行和经济不确定性之后,我们可以预计工业AI将以以下四种方式重塑2022年的制造业格局。
1.代际劳动力变化将加速知识自动化
所有行业的劳动力都在经历重大的结构性转变。在工业部门尤其如此。老员工正达到退休年龄,“大辞职”正影响着许多行业的员工,仅仅用刚从学校毕业的新员工来填补劳动力缺口并不能达到目的——通常,这些刚毕业的学生在学校里学到的技术和概念,与工厂实际操作的许多组织的工作流程和系统并不匹配。
所有这些都将推动知识自动化技术和流程在2022年的重大加速发展。自动化的知识共享和智能丰富的应用程序,通过保存历史的领域知识,使其在团队之间广泛访问,消除了离职员工和全新员工之间出现的技能差距。这有双重好处,它还可以作为招聘工具;知识自动化越能让工作变得简单,越能给员工提供成功所需的工具,这份工作对潜在员工的吸引力就越大。
2.工业数据科学家的出现促进了工业AI战略的发展
工业劳动力的世代更替将激发另一个趋势:工业数据科学家的广泛出现,成为采用和管理新技术(如工业AI)的核心人物,同样重要的是,部署和最大化这些技术的全部潜力的战略。
新的研究表明,虽然 84% 的关键行业决策者接受了工业AI战略以推动竞争优势的必要性——98%的人承认如果没有战略可能会给他们的业务带来挑战——只有35%的人实际部署了这样的到目前为止的策略。一方面是传统数据科学,另一方面是独特的领域专业知识,工业数据科学家将在推动工业AI战略的创建和部署方面发挥关键作用。
3.AI投资从通用模型转向更精准的工业AI
2022年将见证AI走向成熟,进入工业AI的全面发展,逐步发展到具有具体时间价值的现实世界产品部署。为了实现这一目标,我们将看到更多的工业组织有意识地从投资通用AI模型转向更适合目的、更精确的工业AI应用,以帮助他们实现盈利能力和可持续性目标。这意味着,AI模型要从不能覆盖所有潜在业务的大量工厂数据训练的AI模型,转向更具体的工业AI模型,利用领域专业知识,通过深度分析和机器学习进行解释和预测。工业数据将在整个资产生命周期中转换为真实的业务结果。
这种转变将带来双重好处,即促进围绕工业AI建立的新的同类最佳联盟。以前,合作伙伴关系非常以技术为中心,由服务或大型供应商驱动。工业AI的更专业化将需要更多的解决方案提供商,将他们独立和定制的专业知识汇集在一起。这不仅有助于将合作伙伴关系从更通用的AI项目中发展出来,而且还将更加关注实现价值的合作伙伴关系,而不是自己动手的方法,从而比以往任何时候都更有助于降低AI采用的障碍.
4.高管所有权和文化变革将加速工业AI部署
随着工业组织扩大其在企业范围内的工业AI战略和应用的部署,高管所有权和对文化变革的投资对于获得数字化转型的好处至关重要。像首席数字官(CDO)这样的数字高管对于克服这些障碍至关重要。 CDO 将通过其组织在引领数字化转型和工业 AI 方面发挥独特的作用——弥合遗留系统和新技术之间的差距,促进跨孤岛的协作,以及从海量数据收集转向战略性工业数据管理。所有这些职责对于确保工业组织能够执行数字化转型计划至关重要,该计划可以更广泛地采用适合用途的工业 AI 应用程序并围绕其制定战略。
随着工业企业开始从规划2022年路线图过渡到实际执行该愿景,使工业AI成为该战略的关键部分至关重要。劳动力的代际趋势、AI项目的作用越来越大,以及围绕数字化转型的文化变革只会继续快速发展。假装否则只会让你陷入困境。在新的一年保持竞争力意味着通过知识自动化、工业数据科学家和适合用途的工业AI应用程序来拥抱和利用这些变化。