機(jī)器在業(yè)務(wù)流程中得到越來(lái)越多的運(yùn)用。人與機(jī)器將會(huì)一起設(shè)計(jì)業(yè)務(wù)，共同制定總體業(yè)務(wù)戰(zhàn)略，并增強(qiáng)關(guān)鍵的單個(gè)流程。
機(jī)器可以完成人類的工作：感知（使用廉價(jià)的數(shù)據(jù)傳感器），記?。ㄊ褂迷坪蛿?shù)據(jù)湖），做出決策（使用AI和高級(jí)分析），在現(xiàn)場(chǎng)（通過(guò)移動(dòng)設(shè)備）提供輸入并采取行動(dòng)（利用機(jī)器人）和自動(dòng)駕駛汽車。所有這些都可能在不遠(yuǎn)的未來(lái)實(shí)現(xiàn)。
一旦開(kāi)發(fā)完成，機(jī)器和AI自動(dòng)化或增強(qiáng)的流程將勝過(guò)人類，因?yàn)樗鼈兏阋?，也更?jiān)固。最重要的是，與僅靠人工操作相比，從這些過(guò)程中獲得的學(xué)習(xí)將更加系統(tǒng)和有效地被捕獲。學(xué)習(xí)的速度將使采用這些流程的組織獲得真正的競(jìng)爭(zhēng)優(yōu)勢(shì)。
隨著機(jī)器和AI流程接管公司的運(yùn)營(yíng)，人類的角色將發(fā)生變化。人們將創(chuàng)造更多新的工作機(jī)會(huì)來(lái)設(shè)計(jì)增強(qiáng)/自動(dòng)化流程，并不斷對(duì)其進(jìn)行改進(jìn)。隨著時(shí)間的流逝，我們期望看到從人為操作的過(guò)程向人為設(shè)計(jì)和審核的過(guò)程的轉(zhuǎn)變。但是，要使AI或高級(jí)分析正常工作，他們需要“訓(xùn)練”一組數(shù)據(jù)。
未來(lái)工廠中的AI——機(jī)器中的幽靈人工智能（AI）是商業(yè)技術(shù)中的熱門(mén)話題，工業(yè)公司已經(jīng)注意到這一點(diǎn)。正確部署AI技術(shù)組合，生產(chǎn)商可以提高效率、靈活性，加速流程，甚至實(shí)現(xiàn)自我優(yōu)化的運(yùn)營(yíng)。BCG分析發(fā)現(xiàn)，使用AI可以將生產(chǎn)商的成本降低多達(dá)20％，其中高達(dá)70％的成本降低源于更高的勞動(dòng)力生產(chǎn)率。
生產(chǎn)者可以使用AI開(kāi)發(fā)和生產(chǎn)針對(duì)特定客戶的創(chuàng)新產(chǎn)品，并以更短的交貨時(shí)間交付這些產(chǎn)品，從而產(chǎn)生更多的銷售。因此，AI是未來(lái)工廠不可或缺的一部分，其先進(jìn)的技術(shù)將增強(qiáng)工廠結(jié)構(gòu)和流程的靈活性。
全球和各個(gè)行業(yè)的公司都在探索在其業(yè)務(wù)中應(yīng)用AI的可能性。然而，一些高管仍然對(duì)AI能否兌現(xiàn)其承諾的利益表示懷疑。為了更好地迎接機(jī)遇和挑戰(zhàn)，BCG最近針對(duì)人工智能的期望以及人工智能在工業(yè)運(yùn)營(yíng)中的采用狀況做了一次研究。
BCG的研究重點(diǎn)是對(duì)來(lái)自全球多個(gè)生產(chǎn)行業(yè)的1000多名高管和經(jīng)理進(jìn)行調(diào)查?？傮w而言，我們發(fā)現(xiàn)生產(chǎn)者期望AI成為提高生產(chǎn)力的關(guān)鍵杠桿，但事實(shí)差強(qiáng)人意。這很大程度上是因?yàn)樵S多公司缺乏AI的四個(gè)關(guān)鍵推動(dòng)因素：戰(zhàn)略（包括全面的路線圖）、執(zhí)行的治理模型，員工能力以及IT基礎(chǔ)架構(gòu)。
調(diào)查顯示，運(yùn)輸和物流、汽車和科技公司處于采用AI的最前沿，而流程行業(yè)（例如化學(xué)藥品）則落在其后。與日本、法國(guó)和德國(guó)等國(guó)家/地區(qū)的同行相比，美國(guó)、中國(guó)和印度的公司在采用率方面取得了令人矚目的領(lǐng)先地位。各國(guó)對(duì)AI采納速度的差異反映了對(duì)AI收益的不同期望。
調(diào)查結(jié)果表明，工業(yè)生產(chǎn)商要想實(shí)現(xiàn)AI的雄心壯志，就必須加大執(zhí)行力度。光靠技術(shù)是無(wú)法實(shí)現(xiàn)的。為了充分發(fā)揮AI的潛力，公司必須在組織層面考慮所有必要的推動(dòng)因素。
AI使計(jì)算機(jī)和機(jī)器能夠以智能方式執(zhí)行任務(wù)，幫助生產(chǎn)者確定實(shí)現(xiàn)目標(biāo)的最佳操作順序，并使他們能夠?qū)崟r(shí)遠(yuǎn)程管理操作。
人工智能在運(yùn)營(yíng)中的基礎(chǔ)作用許多行業(yè)領(lǐng)導(dǎo)者期望AI在價(jià)值鏈中端到端地轉(zhuǎn)變流程，包括工程、采購(gòu)、供應(yīng)鏈管理、工業(yè)運(yùn)營(yíng)（生產(chǎn)和相關(guān)功能）、市場(chǎng)營(yíng)銷、銷售和客戶服務(wù)。最近的一項(xiàng)研究表明，工業(yè)公司的高管認(rèn)為運(yùn)營(yíng)是受AI影響最大的領(lǐng)域。
雖然人工智能是工業(yè)4.0的主要技術(shù)組成部分之一，但提高生產(chǎn)力的杠桿不是通過(guò)發(fā)展人工智能取代人工來(lái)實(shí)現(xiàn)。此外，生產(chǎn)商可以應(yīng)用人工智能來(lái)增強(qiáng)傳統(tǒng)的效率杠桿，例如自動(dòng)化和精益管理。
例如，通過(guò)識(shí)別質(zhì)量問(wèn)題的根本原因，從而幫助消除缺陷，人工智能支持精益管理工作以減少浪費(fèi)。實(shí)際上，我們的研究參與者中有40％的人期望AI成為2030年生產(chǎn)力提高的非常重要的推動(dòng)力，而29％的人認(rèn)為AI對(duì)當(dāng)今生產(chǎn)力的提高非常重要。（見(jiàn)圖1）
采用AI將大大改變勞動(dòng)力的組成，降低轉(zhuǎn)換成本，因?yàn)樗鼫p少了生產(chǎn)流程中對(duì)手工勞作的需求。例如，當(dāng)今需要大量人員參與質(zhì)量控制有關(guān)的任務(wù)將高度自動(dòng)化，并具有廣泛的AI支持。但是，即使消除了現(xiàn)有工作，也會(huì)出現(xiàn)需要與AI相輔相成的技能的新工作機(jī)會(huì)?？傮w而言，調(diào)查參與者對(duì)期望AI的凈效應(yīng)將是總勞動(dòng)力的減少表示出一些偏見(jiàn)。
來(lái)自中國(guó)公司的調(diào)查受訪者認(rèn)為采用AI會(huì)大大減少他們的總勞動(dòng)力（反映出替代是對(duì)低技能工人的替代），而德國(guó)公司的受訪者則期望，如果有的話，其技術(shù)水平更高的勞動(dòng)力也會(huì)減少。
人工智能的用例AI代表了工廠的范式轉(zhuǎn)變（長(zhǎng)期形成的思維習(xí)慣、價(jià)值觀的改變和轉(zhuǎn)移）。如今的工廠通過(guò)樹(shù)立規(guī)則來(lái)自動(dòng)化流程和機(jī)械設(shè)備，而如今的機(jī)器人編程解決了一組固定的場(chǎng)景。
相比之下，未來(lái)的工廠將使用AI來(lái)自動(dòng)化流程和機(jī)械設(shè)備，以通過(guò)做出明智的決策來(lái)應(yīng)對(duì)不熟悉或意外情況。結(jié)果，技術(shù)系統(tǒng)將更加靈活，適應(yīng)性也更強(qiáng)。
例如，在基于規(guī)則的方法下，機(jī)器人無(wú)法從未分類的零件箱中識(shí)別和選擇所需的零件，因?yàn)樗鄙賾?yīng)付零件的多種可能方向所必需的詳細(xì)編程。相反，AI機(jī)器人可以從未分類的物料中挑選所需零件。
在調(diào)查參與者中，有37％將生產(chǎn)定為工廠運(yùn)營(yíng)領(lǐng)域，其中AI是提高生產(chǎn)力的最重要手段，而25％將質(zhì)量評(píng)為最高，12％選擇物流。AI用例能實(shí)現(xiàn)機(jī)器的自我優(yōu)化、檢測(cè)質(zhì)量缺陷和預(yù)測(cè)效率損失。
盡管各個(gè)公司會(huì)發(fā)現(xiàn)不同的用例特別有價(jià)值，但生產(chǎn)者只有通過(guò)應(yīng)用AI并跨職能跨供應(yīng)商和客戶集成數(shù)據(jù)池才能獲得全部收益。
工廠外：
在工廠之外，工程和供應(yīng)鏈管理是AI最重要的應(yīng)用領(lǐng)域：
工程：生產(chǎn)者可以使用AI促進(jìn)研發(fā)工作，優(yōu)化設(shè)計(jì)，提高對(duì)客戶需求和期望的響應(yīng)速度并簡(jiǎn)化生產(chǎn)。AI支持生成設(shè)計(jì)，其中算法根據(jù)定義的目標(biāo)和約束探索所有可能的方案。通過(guò)迭代測(cè)試和學(xué)習(xí)，AI算法可以優(yōu)化設(shè)計(jì)，并提出可能對(duì)人腦而言非常規(guī)的解決方案。一些航空航天公司正在使用生成設(shè)計(jì)來(lái)開(kāi)發(fā)具有全新設(shè)計(jì)的飛機(jī)部件，如仿生結(jié)構(gòu)，其功能與傳統(tǒng)設(shè)計(jì)相同，但重量卻大大減輕。 供應(yīng)鏈管理：需求預(yù)測(cè)是在供應(yīng)鏈管理中應(yīng)用AI的關(guān)鍵主題。通過(guò)更好地預(yù)測(cè)需求變化，公司可以有效調(diào)整生產(chǎn)程序并提高資源利用率。AI通過(guò)分析和學(xué)習(xí)與產(chǎn)品發(fā)布、媒體信息和天氣狀況相關(guān)的數(shù)據(jù)來(lái)支持預(yù)測(cè)客戶需求。一些公司使用機(jī)器學(xué)習(xí)算法通過(guò)將來(lái)自倉(cāng)庫(kù)和企業(yè)資源計(jì)劃（ERP）系統(tǒng)的數(shù)據(jù)與客戶見(jiàn)解進(jìn)行整合來(lái)識(shí)別需求模式。工廠內(nèi)：
在行業(yè)內(nèi)部，人工智能將為生產(chǎn)以及維護(hù)、質(zhì)量和物流等功能帶來(lái)各種好處：
生產(chǎn)：我們的研究涵蓋了整個(gè)生產(chǎn)環(huán)境，包括連續(xù)過(guò)程（例如用于生產(chǎn)化學(xué)品和建筑材料的過(guò)程）和離散生產(chǎn)（例如組裝任務(wù)）。在所有環(huán)境中，生產(chǎn)者都將使用AI來(lái)降低成本并提高速度，從而提高生產(chǎn)率。他們還將使用AI來(lái)提高靈活性來(lái)應(yīng)對(duì)生產(chǎn)的復(fù)雜性，如生產(chǎn)客戶定制產(chǎn)品。人工智能將使機(jī)器和單元成為自我優(yōu)化的系統(tǒng)，通過(guò)不斷分析當(dāng)前和歷史數(shù)據(jù)，實(shí)時(shí)調(diào)整參數(shù)。保養(yǎng)：生產(chǎn)者將使用AI來(lái)減少設(shè)備故障并提高資產(chǎn)利用率。AI支持預(yù)測(cè)性維護(hù)，例如，通過(guò)根據(jù)磨損的實(shí)際情況更換磨損的零件來(lái)避免故障。AI將不斷分析并學(xué)習(xí)機(jī)器和單元產(chǎn)生的數(shù)據(jù)（例如，傳感器數(shù)據(jù)和產(chǎn)品組合）。質(zhì)量：生產(chǎn)者可以使用AI來(lái)幫助盡早發(fā)現(xiàn)質(zhì)量問(wèn)題。視覺(jué)系統(tǒng)使用圖像識(shí)別技術(shù)來(lái)識(shí)別產(chǎn)品特征中的缺陷和偏差。由于這些系統(tǒng)可以不斷學(xué)習(xí)，因此它們的性能會(huì)隨著時(shí)間的推移而提高。汽車供應(yīng)商已開(kāi)始將視覺(jué)系統(tǒng)與機(jī)器學(xué)習(xí)算法一起使用，以識(shí)別存在質(zhì)量問(wèn)題的零件，包括用于訓(xùn)練算法的數(shù)據(jù)集中未包含的缺陷。人工智能還可以持續(xù)分析機(jī)器和生產(chǎn)環(huán)境生成的數(shù)據(jù)并從中學(xué)習(xí)。例如，AI可以將鉆孔機(jī)的設(shè)置與材料特性和行為進(jìn)行比較，以預(yù)測(cè)鉆孔超過(guò)公差等級(jí)的風(fēng)險(xiǎn)。 后勤：我們的研究重點(diǎn)是工廠內(nèi)部物流和倉(cāng)儲(chǔ)，而不是外部供應(yīng)鏈上的物流。人工智能將實(shí)現(xiàn)行業(yè)內(nèi)部的自動(dòng)移動(dòng)和有效的物料供應(yīng)，這對(duì)于管理隨著制造多種產(chǎn)品變型和客戶量身定制的產(chǎn)品而變得日益復(fù)雜的情況至關(guān)重要。在工廠和倉(cāng)庫(kù)內(nèi)運(yùn)輸物品的自動(dòng)駕駛汽車將使用AI感應(yīng)障礙物并調(diào)整汽車路線以實(shí)現(xiàn)最佳路線。衛(wèi)生保健設(shè)備的生產(chǎn)商已開(kāi)始在維修中心使用自動(dòng)駕駛汽車。無(wú)需依靠磁條或傳送帶的引導(dǎo)，如果車輛遇到障礙物就可以停車，然后自主確定最佳路線。機(jī)器學(xué)習(xí)算法將使用物流數(shù)據(jù)，例如有關(guān)物料流出和流入，庫(kù)存水平和零件周轉(zhuǎn)率的數(shù)據(jù)，以使倉(cāng)庫(kù)能夠自我優(yōu)化其運(yùn)營(yíng)。例如，一種算法可能會(huì)建議將需求量低的零件移動(dòng)到更遠(yuǎn)的位置，并建議將需求量高的零件移動(dòng)到附近的區(qū)域，以加快訪問(wèn)速度。一些AI用例適用于多個(gè)操作領(lǐng)域。例如，能夠進(jìn)行語(yǔ)言生成和處理的虛擬代理（類似于Apple的Siri和亞馬遜的Alexa）將為運(yùn)營(yíng)商提供來(lái)自IT系統(tǒng)的特定于上下文的信息。一些公司已經(jīng)在使用按聲音揀貨系統(tǒng)來(lái)處理揀貨，包裝，接收和補(bǔ)貨操作。在這些應(yīng)用中，連接到ERP系統(tǒng)中物料清單的語(yǔ)音系統(tǒng)將操作員引導(dǎo)至正確的料倉(cāng)。
AI系統(tǒng)將根據(jù)事件報(bào)告（例如照片和書(shū)面報(bào)告）為事件（例如機(jī)器故障、質(zhì)量偏差和性能損失）提供解決方案，并不斷進(jìn)行分析和學(xué)習(xí)。飛機(jī)制造商已經(jīng)使用了一種自學(xué)式算法，該算法使用事件報(bào)告來(lái)識(shí)別生產(chǎn)問(wèn)題中的模式，然后將當(dāng)前事件與過(guò)去的類似事件進(jìn)行匹配并提出解決方案。
在研究參與者中，對(duì)上述每種用例到2030年將變得非常重要的期望范圍為81％至88％，但認(rèn)為該功能已在多個(gè)生產(chǎn)領(lǐng)域中得到充分應(yīng)用的信念相當(dāng)?shù)停?％至8）。％）。圖表2概述了被調(diào)查者對(duì)未來(lái)工廠最重要的用例。
許多公司計(jì)劃很快就應(yīng)用AI。研究發(fā)現(xiàn)，中國(guó)、印度和新加坡的公司對(duì)在生產(chǎn)中短期應(yīng)用AI野性最大。在接受調(diào)查的離散行業(yè)中，醫(yī)療保健和能源是近期最雄心勃勃的行業(yè)，加工行業(yè)和工程產(chǎn)品緊隨其后。
參與研究的大多數(shù)公司都表示，他們認(rèn)為AI越來(lái)越重要。但是，他們的投資、計(jì)劃和應(yīng)用并沒(méi)有達(dá)到他們的目標(biāo)。盡管87％的研究參與者表示計(jì)劃在未來(lái)三年內(nèi)在生產(chǎn)中應(yīng)用AI，但只有28％制定了全面的使用路線圖。其余72％的公司缺乏詳細(xì)的計(jì)劃，32％的公司正在測(cè)試選定的用例，27％的公司僅具有初步想法，13％的公司將AI取消優(yōu)先級(jí)或尚未考慮。
使用程度有限反映了全面計(jì)劃的不足，也顯示了雄心與現(xiàn)實(shí)之間的巨大差距。
過(guò)去，只有約50％的公司在應(yīng)用AI用例時(shí)實(shí)現(xiàn)了目標(biāo)。因此，如今只有約16％的公司在多個(gè)工廠區(qū)域完全應(yīng)用了一個(gè)以上的AI用例，根據(jù)我們對(duì)AI使用的定義，這項(xiàng)成就使他們有資格成為早期使用者。
在我們研究的12個(gè)國(guó)家中，采用率較高的公司所占的百分比為：美國(guó)（25％）、中國(guó)（23％）和印度（19％）最高，而后依次為日本（11％）、新加坡（10最低） ％）和法國(guó)（10％）。（參見(jiàn)圖表3。）在接受調(diào)查的德國(guó)公司中，只有15％是早期采用者。
美國(guó)公司的高采用率可能反映了那里AI技術(shù)的廣泛可用性。即便如此，中國(guó)在人工智能方面的資金投入已超過(guò)美國(guó)，去年占了全球人工智能初創(chuàng)公司投資總額的近一半。
同樣在2017年，中國(guó)國(guó)務(wù)院發(fā)布了《下一代人工智能發(fā)展計(jì)劃》，制定了三階段發(fā)展戰(zhàn)略，以實(shí)現(xiàn)到2030年人工智能的卓越地位; 北京附近的天津市政府宣布了一項(xiàng)50億美元的基金，以支持AI產(chǎn)業(yè)。同樣，其他新興國(guó)家（如印度）也認(rèn)為采用AI對(duì)于保持其制造業(yè)具有國(guó)際競(jìng)爭(zhēng)力至關(guān)重要，并已在AI上進(jìn)行了大量投資。
相比之下，日本等一些工業(yè)化國(guó)家仍將重點(diǎn)放在常規(guī)杠桿上（例如，在我們研究的八個(gè)行業(yè)中，運(yùn)輸和物流（21％）和汽車（20％）在采用率較高的公司中所占比例最高，而工程產(chǎn)品（15％）和加工行業(yè)（13％）則滯后背后。（參見(jiàn)圖4）這些差異反映了行業(yè)對(duì)數(shù)字化的不同起點(diǎn)和相似性。汽車和技術(shù)公司躋身最先進(jìn)之列也就不足為奇了。其他行業(yè)尚未學(xué)習(xí)到許多數(shù)字策略，這些策略多年來(lái)已成為這些行業(yè)價(jià)值鏈的組成部分。
公司招聘人數(shù)也會(huì)影響AI的應(yīng)用。與大型企業(yè)相比，小型企業(yè)更不可能成為早期采用者-也許是因?yàn)樾⌒凸就ǔｎA(yù)算有限、精力不夠。盡管近來(lái)技術(shù)的進(jìn)步以及數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)處理成本的下降將降低為AI投資提供資金的門(mén)檻，但總體能力差距可能仍將持續(xù)。
縮小差距
四個(gè)促成因素對(duì)于AI在運(yùn)營(yíng)中的成功應(yīng)用至關(guān)重要：戰(zhàn)略和路線圖，治理模型，員工能力以及IT基礎(chǔ)架構(gòu)。與落后的公司相比，早期采用者在使AI支持者充分發(fā)揮功能方面取得了顯著進(jìn)步。（見(jiàn)圖5）
戰(zhàn)略和路線圖：為了提供AI的使用指導(dǎo)，公司需要制定清晰的戰(zhàn)略。人工智能策略應(yīng)專注于最有價(jià)值的用例（那些可以滿足公司特定業(yè)務(wù)需求和挑戰(zhàn)的用例），并使它們與公司的整體數(shù)字戰(zhàn)略保持一致。公司還需要明確的使用路線圖，以建立業(yè)務(wù)案例和可衡量的投資目標(biāo)。調(diào)查者認(rèn)為擁有明確的AI經(jīng)營(yíng)策略最為關(guān)鍵。
治理模型：管理層的清晰承諾對(duì)于實(shí)現(xiàn)潛在的改進(jìn)很重要。高層管理人員應(yīng)使用結(jié)構(gòu)化的溝通方式，以確保對(duì)組織內(nèi)的AI有清晰的了解。公司應(yīng)為AI應(yīng)用建立明確的角色和職責(zé)，并設(shè)計(jì)清晰的組織結(jié)構(gòu)。有效協(xié)作和溝通對(duì)于克服文化對(duì)應(yīng)用AI的抵制至關(guān)重要。
員工能力：要采用AI（通常是數(shù)字化），公司必須擁有在編程、數(shù)據(jù)管理和分析等方面有較強(qiáng)技能的員工。公司還應(yīng)該對(duì)其所需技能有清晰的認(rèn)識(shí)，并應(yīng)評(píng)估這些需求與員工當(dāng)前擁有的技能之間的差距。
對(duì)于諸如了解運(yùn)營(yíng)中的AI基礎(chǔ)知識(shí)等主題，員工可以通過(guò)公司內(nèi)部或外部培訓(xùn)計(jì)劃獲得所需的技能。對(duì)于需要更正式的與IT相關(guān)的學(xué)習(xí)課程的主題（例如高級(jí)分析），公司必須雇用新型的工作者，包括數(shù)據(jù)科學(xué)家。
在研究參與者中，有93％報(bào)告稱其公司內(nèi)部沒(méi)有足夠的能力來(lái)在運(yùn)營(yíng)中應(yīng)用AI。超過(guò)四分之一（29％）的人表示，他們的公司增加了AI專用員工的數(shù)量，而近一半（47％）的員工預(yù)計(jì)這一數(shù)字將在未來(lái)幾年增加。
IT基礎(chǔ)設(shè)施：應(yīng)用程序編程接口和網(wǎng)絡(luò)標(biāo)準(zhǔn)促進(jìn)了舊版IT系統(tǒng)和機(jī)械設(shè)備的互操作性，這對(duì)于AI應(yīng)用的成功至關(guān)重要。一般而言，網(wǎng)絡(luò)安全是使用AI和Industry 4.0的從業(yè)者的另一個(gè)重要關(guān)注點(diǎn)。
在應(yīng)用AI時(shí)，公司應(yīng)考慮采用敏捷的工作模式，使其能夠根據(jù)需求的變化調(diào)整其策略和路線圖。在應(yīng)用AI技術(shù)時(shí)，該公司應(yīng)該采取快速失敗，最小可行產(chǎn)品的方法，在這種方法中，它會(huì)在小規(guī)模范圍內(nèi)測(cè)試新想法，然后在致力于全面推廣之前先進(jìn)行快速迭代以完善它們。與落后的公司相比，早期采用者更可能采用這種敏捷的工作模式。
該研究的發(fā)現(xiàn)指出，工業(yè)公司以及工業(yè)機(jī)械和自動(dòng)化生產(chǎn)商都需要采取行動(dòng)。
對(duì)機(jī)械和自動(dòng)化領(lǐng)域的影響
為了趕上應(yīng)用AI的競(jìng)爭(zhēng)，工業(yè)公司應(yīng)采取結(jié)構(gòu)化的三步走方法：
評(píng)估現(xiàn)狀：公司應(yīng)首先評(píng)估其痛點(diǎn)和AI成熟度，然后再將其當(dāng)前狀態(tài)與同行或行業(yè)平均水平進(jìn)行比較。由于強(qiáng)大的IT基礎(chǔ)架構(gòu)對(duì)于AI應(yīng)用至關(guān)重要，因此公司必須評(píng)估其IT操作的當(dāng)前狀態(tài)。進(jìn)行車間評(píng)估的一個(gè)先決條件是在移動(dòng)設(shè)備上擁有評(píng)估主題和基準(zhǔn)的存儲(chǔ)庫(kù)。
選舉推動(dòng)者：公司應(yīng)制定一份完整的AI用例清單，以解決檢查期間發(fā)現(xiàn)的痛點(diǎn)。所有利益相關(guān)者都應(yīng)在研討會(huì)上開(kāi)會(huì)，深入討論用例并確定應(yīng)優(yōu)先考慮的用例。在評(píng)估優(yōu)先使用案例的財(cái)務(wù)和非財(cái)務(wù)收益時(shí)，公司應(yīng)計(jì)算業(yè)務(wù)案例以進(jìn)行投資。在此階段，來(lái)自具有量化收益和所需投資經(jīng)驗(yàn)的AI專家的意見(jiàn)非常有價(jià)值。在確定了優(yōu)先使用案例之后，該公司可以為運(yùn)營(yíng)中的AI制定目標(biāo)圖片并創(chuàng)建應(yīng)用路線圖。
公司的治理模型應(yīng)明確界定AI應(yīng)用的角色和職責(zé)，并應(yīng)建立一致的組織結(jié)構(gòu)。該公司還需要將其現(xiàn)有員工的資格與應(yīng)用AI用例所需的資格進(jìn)行比較，并確定如何縮小差距。此外，它應(yīng)該定義用例實(shí)現(xiàn)的IT要求，并開(kāi)發(fā)第二個(gè)治理模型以進(jìn)行有效和高效的數(shù)據(jù)管理。具有AI專業(yè)知識(shí)的數(shù)據(jù)科學(xué)家和IT專家應(yīng)參與定義需求。
測(cè)試和擴(kuò)展解決方案：公司應(yīng)在工廠的特定部分測(cè)試AI用例。為了加快這一過(guò)程，它應(yīng)該在定義愿景和建立推動(dòng)力的同時(shí)啟動(dòng)其第一個(gè)試點(diǎn)計(jì)劃。每個(gè)飛行員的目標(biāo)應(yīng)該是快速開(kāi)發(fā)一個(gè)最小可行的解決方案，然后通過(guò)敏捷開(kāi)發(fā)方法，通過(guò)多次迭代來(lái)改進(jìn)飛行員的設(shè)計(jì)。通過(guò)與飛行員互動(dòng)，員工可以體驗(yàn)AI用例的觸感。為了給飛行員提供便利，該公司必須能夠使用能夠快速產(chǎn)生影響的技術(shù)工具，例如資產(chǎn)監(jiān)控傳感器和智能眼鏡。公司應(yīng)擴(kuò)大已在試點(diǎn)中成功測(cè)試的解決方案。最后，為充分發(fā)揮AI的潛力，公司應(yīng)全面實(shí)施集成解決方案。
