Waarom industriëlen op zijn minst een beetje over AI moeten nadenken

Het lijkt alsof iedereen het tegenwoordig heeft over kunstmatige intelligentie (AI) en machine learning. Grote, multinationale industriëlen omarmen AI in een poging machines slimmer te maken, zodat ze effectief kunnen concurreren in de digitale industriële revolutie die in volle gang is. Wees getuige van het artikel uit 2016 in de MIT Sloan Management Review dat focust op hoe GE grote investeringen doet in AI en industriële analyse om de digitale transformatie te stimuleren. Maar zelfs kleine en middelgrote industriëlen en productiebedrijven zouden aan AI moeten denken... tenminste een beetje.

Immers, als u niet aan machine learning en AI denkt, waarom verzamelt u dan al die gegevens uit productiesystemen? In veel gevallen verzamelen ondernemingen meer gegevens dan ze kunnen verbruiken. Data-analyse is geen doel op zich; het moet worden gebruikt om iets te besturen. En dat is waar AI een cruciale en groeiende rol zal spelen.

Machine learning kan zeker een waardevolle rol spelen bij het doorkammen van die bergen Big Data om belangrijke patronen te identificeren en waardevolle inzichten te verkrijgen voor bedrijfstransformatie. Maar dat is slechts een deel van het verhaal. De echte waarde komt van het gebruik van AI om die inzichten te benutten om daadwerkelijk iets te laten gebeuren - autonoom, mogelijk in realtime.

Dat zou kunnen betekenen dat een productielijnplanning zichzelf automatisch aanpast als gevolg van veranderingen in de beschikbaarheid van middelen - en die verandering in de hele toeleveringsketen beheert om onderbrekingen of conflicten te voorkomen. Naarmate wereldwijde toeleveringsketens steeds complexer worden, zal deze AI-gestuurde intelligentie een cruciale rol spelen bij het helpen van bedrijven om effectief te concurreren in de 'on demand/just in time'-economie.

Zie ook: Wat zijn potentiële banen van de toekomst in een door AI aangedreven wereld?

Grote vs. Kleine AI

Klinkt ambitieus? Laten we het terug naar de aarde brengen. Ik denk dat er eigenlijk "Big AI" en "Little AI" is. Big AI gebruikt kunstmatige intelligentie en enorme hoeveelheden gegevens, vaak in de cloud, om echt complexe problemen op grote schaal op te lossen, in meerdere bedrijfsonderdelen. Dat is wat wereldwijde giganten zoals GE van plan zijn. Weinig AI is gericht op het aanpakken van 'microproblemen', zoals uitzoeken hoe een enkele productielijn kan worden geoptimaliseerd terwijl de behoefte aan menselijke interactie tot een minimum wordt beperkt. Kleine AI kan beter on-premises worden afgehandeld, dicht bij de operationele systemen die worden geautomatiseerd. Denk aan realtime, edge-gebaseerde analyses op systemen met hoge beschikbaarheid die intelligente automatisering stimuleren.

Natuurlijk is de eerste stap naar een effectief gebruik van AI het op snelheid brengen van uw infrastructuur. Dat betekent vaak dat u uw netwerk moet upgraden om de informatiestroom en de systemen die dingen aan de rand verwerken, mogelijk te maken. Alleen dan heeft het zin om sensoren in te zetten om gegevens te verzamelen en analyses om alles te begrijpen. Ten slotte kan die vooruitgang leiden tot het inhuren van datawetenschappers om uw omgeving te optimaliseren om de volledige voordelen van AI te benutten.

Veel industriëlen staan ​​nog maar aan het begin van die ontwikkeling. Maar gezien het tempo van digitale transformatie in uiteenlopende sectoren als energie, transport, productie en telecom, is het heel logisch om na te denken over AI in de context van uw bedrijf, al is het maar een klein beetje.