Weinig technologische ontwikkelingen hebben zoveel opwinding veroorzaakt als AI. Met name generatieve AI lijkt het zakelijke discours op een koortsachtig niveau te hebben gebracht. Veel leiders in de productie zijn optimistisch: uit een onderzoek van MIT Technology Review Insights blijkt dat de ambities voor de ontwikkeling van AI sterker zijn in de productie dan in de meeste andere sectoren.
Fabrikanten zien AI terecht als een integraal onderdeel van het creëren van een hypergeautomatiseerde intelligente fabriek. Ze zien het nut van AI bij het verbeteren van product- en procesinnovatie, het verkorten van cyclustijden, het extraheren van steeds grotere efficiëntie uit activiteiten en activa, het verbeteren van onderhoud en het vergroten van de veiligheid, terwijl de CO2-uitstoot wordt verminderd. Sommige fabrikanten die hebben geïnvesteerd in de ontwikkeling van AI-mogelijkheden hebben nog steeds moeite om hun doelen te bereiken.
Dit MIT Technology Review Insights-onderzoek probeert te begrijpen hoe fabrikanten profiteren van AI-gebruiksscenario’s – met name op het gebied van engineering en ontwerp en bij fabrieksactiviteiten. Bij het onderzoek waren 300 fabrikanten betrokken die met kunstmatige intelligentie aan de slag gingen. De meesten van hen (64%) doen momenteel onderzoek naar of experimenteren met AI. Ongeveer 35% is begonnen met het in productie nemen van AI-use cases. Veel leidinggevenden die op het onderzoek hebben gereageerd, geven aan dat zij van plan zijn de uitgaven aan kunstmatige intelligentie de komende twee jaar aanzienlijk te verhogen. Degenen die AI nog niet in productie hebben gebracht, komen geleidelijk in beweging. Om de ontwikkeling en opschaling van gebruiksscenario’s te vergemakkelijken, moeten deze fabrikanten uitdagingen aanpakken met talent, vaardigheden en data.
Dit zijn de belangrijkste bevindingen van het onderzoek:
- Talent, vaardigheden en data zijn de belangrijkste beperkingen voor het opschalen van AI. Zowel op het gebied van engineering als ontwerp en fabrieksactiviteiten noemen fabrikanten een gebrek aan talent en vaardigheden als hun moeilijkste uitdaging bij het opschalen van AI-gebruiksscenario’s. Hoe dichter use cases bij de productie komen, hoe harder dit tekort bijt. Veel respondenten zeggen dat inadequate datakwaliteit en governance ook de ontwikkeling van use cases belemmeren. Onvoldoende toegang tot cloudgebaseerde rekenkracht is een andere vaak genoemde beperking op het gebied van engineering en ontwerp.
- De grootste spelers geven het meeste uit en hebben de hoogste verwachtingen. Op het gebied van engineering en design verwacht 58% van de leidinggevenden dat hun organisaties de AI-uitgaven de komende twee jaar met meer dan 10% zullen verhogen. En 43% zegt hetzelfde als het gaat om fabriekswerk. Het is veel waarschijnlijker dat de grootste fabrikanten hun investeringen aanzienlijk zullen verhogen dan die in kleinere, maar nog steeds grote categorieën.
- Gewenste AI-winsten zijn specifiek voor productiefuncties. De meest voorkomende gebruiksscenario’s die door fabrikanten worden gebruikt, zijn onder meer productontwerp, conversationele AI en het maken van inhoud. Kennismanagement en kwaliteitscontrole worden het meest genoemd in de pilotfase. Op het gebied van engineering en ontwerp zijn fabrikanten vooral op zoek naar AI-winst op het gebied van snelheid, efficiëntie, uitvalreductie en veiligheid. Bovenal wil de fabriek betere innovatie, met verbeterde veiligheid en een kleinere ecologische voetafdruk.
- Schalen kan stoppen zonder de juiste databasis. Respondenten zijn duidelijk dat de ontwikkeling van gebruiksscenario’s voor kunstmatige intelligentie wordt belemmerd door onvoldoende datakwaliteit (57%), zwakke data-integratie (54%) en zwak management (47%). Slechts ongeveer één op de vijf ondervraagde fabrikanten beschikt over productiemiddelen met gegevens die klaar zijn voor gebruik in bestaande AI-modellen. Dat aantal neemt af naarmate fabrikanten use cases in productie brengen. Hoe groter de fabrikant, hoe groter het probleem van ontoereikende gegevens.
- Fragmentatie moet worden aangepakt voordat AI kan worden geschaald. De meeste fabrikanten zijn van mening dat een zekere modernisering van de data-architectuur, infrastructuur en processen ter ondersteuning van AI nodig is, naast andere technologische en zakelijke prioriteiten. Een moderniseringsstrategie die de interoperabiliteit van datasystemen tussen engineering en ontwerp en de fabriek verbetert, evenals tussen operationele technologie (OT) en informatietechnologie (IT), is een goede prioriteit.
Deze inhoud is geproduceerd door Insights, de aangepaste inhoudsafdeling van MIT Technology Review. Het is niet geschreven door de redactie van MIT Technology Review.