Covering Disruptive Technology Powering Business in The Digital Age

เขียนโดย: Adi Pendyala ผู้อำนวยการอาวุโส Aspen Technology

ในปี 2021 เป็นต้นไป  การนำ AI มาใช้ในอุตสาหกรรมจะเป็นหมวดหมู่อุตสาหกรรมใหม่และจะเป็นอุตสาหกรรมหลัก โดยได้รับการสนับสนุนจากตัวขับเคลื่อนธุรกิจที่สำคัญ, มีความพร้อมและการนำกรณีการใช้งานจริงมาใช้ โดยในการกำหนดบริบท AI ที่นำมาใช้ในอุตสาหกรรมสามารถกำหนดได้อย่างเป็นระบบ, การทำงานร่วมกันและการบูรณาการโดยมุ่งเน้นไปที่การพัฒนา, การฝังและปรับใช้อัลกอริธึม machine learning ของเครื่องต่าง ๆ เป็นแอปพลิเคชันอุตสาหกรรมเฉพาะ, โดเมนที่เหมาะสมกับวัตถุประสงค์และมีคุณค่าทางธุรกิจที่ยั่งยืน

ตัวขับเคลื่อนธุรกิจสี่ประการเพื่อให้มีการนำ AI มาใช้ในอุตสาหกรรม

ประการแรก องค์กรอุตสาหกรรมจะเริ่มมุ่งเน้นไปที่วิธีที่ AI สามารถนำมาใช้เพื่อจัดการกับความท้าทายทางอุตสาหกรรมเฉพาะด้าน โดยสิ่งนี้จะเปิดการใช้งาน AI เข้ากับผลลัพธ์ทางธุรกิจที่ผลิตสินค้าที่จับต้องได้ ซึ่งทำให้มีการนำ AI มาใช้ในอุตสาหกรรมอย่างกว้างขวาง

ประการที่สอง อุปสรรคในการนำ AI มาใช้จะลดลง เนื่องจากการขาดความเชี่ยวชาญด้าน AI และทักษะด้านวิทยาศาสตร์ข้อมูลภายในองค์กรอุตสาหกรรมถือเป็นปัญหาคอขวดที่สำคัญในการใช้งาน AI ทางอุตสาหกรรมที่กว้างขึ้น ทำให้องค์กรจำนวนมากได้มีการใช้แอปพลิเคชัน AI ที่ใช้ในอุตสาหกรรมแบบฝังตัวที่รวมข้อมูลและ AI เข้ากับซอฟต์แวร์ที่สร้างขึ้นตามวัตถุประสงค์และความเชี่ยวชาญด้านโดเมน โดยแอปพลิเคชัน AI แบบฝังตัวที่เหมาะกับวัตถุประสงค์จะช่วยให้ผู้ใช้สามารถจัดการกับฟังก์ชันเฉพาะด้านได้อย่างมีประสิทธิภาพและประสบความสำเร็จด้วยความแม่นยำ, ความน่าเชื่อถือ, คุณภาพและความยั่งยืนที่มากขึ้นตลอดวงจรชีวิตของสินทรัพย์อุตสาหกรรม เพื่อเป็นการหลีกเลี่ยงความจำเป็นในการใช้ผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล

ประการที่สาม องค์กรต่างให้ความสำคัญกับข้อมูลมากขึ้นว่าเพราะเป็นแรงผลักดันที่สำคัญและมุ่งเน้นไปที่การรวบรวมข้อมูลให้ได้มากที่สุด โดยข้อมูลจะต้องใช้ประโยชน์จากข้อมูลเชิงลึกและนำไปใช้ประโยชน์ได้จริงจึงจะคุ้มค่า ซึ่งองค์กรโดยเฉพาะอย่างยิ่งในอุตสาหกรรมที่ต้องใช้เงินทุนเป็นจำนวนมากจะต้องเปลี่ยนจากการรวบรวมข้อมูลจำนวนมากไปเป็นการจัดการข้อมูลเชิงกลยุทธ์ในอุตสาหกรรมมากขึ้นโดยมุ่งเน้นเฉพาะไปที่การรวมข้อมูล, ความคล่องตัวและการเข้าถึงธุรกิจ นั่นเป็นการเปิดประตูสำหรับ AI ที่ใช้ในอุตสาหกรรมและโอกาสพื้นฐานสำหรับเทคโนโลยีที่เปิดใช้งาน AI ซึ่งจะช่วยให้องค์กรเหล่านี้สามารถเก็บเกี่ยวคุณค่าที่ซ่อนอยู่ในชุดข้อมูลอุตสาหกรรมของตนได้

สุดท้าย ตัวขับเคลื่อนที่ใหญ่ที่สุดสำหรับ AI ที่นำมาใช้ในอุตสาหกรรมคือ การเพิ่มผลผลิตที่ไม่อาจปฏิเสธได้สำหรับอุตสาหกรรมกระบวนการที่ต้องใช้เงินทุนมาก โดย AI ที่นำมาใช้ในอุตสาหกรรมจะช่วยให้สามารถใช้โซลูชันการเพิ่มประสิทธิภาพสินทรัพย์รุ่นใหม่ได้โดยไม่จำเป็นต้องพึ่งพาความเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลขนาดใหญ่ สิ่งนี้ช่วยให้องค์กรอุตสาหกรรมสามารถเปิดประตูสู่ระดับใหม่ของความปลอดภัยและผลผลิตในที่ทำงาน, สร้างกระบวนการกึ่งอัตโนมัติและอัตโนมัติสำหรับการรวบรวมและปรับสภาพข้อมูลสด จากนั้นป้อนข้อมูลลงในแอปพลิเคชันที่มีความชาญฉลาด ซึ่งผลลัพธ์สุดท้ายคือข้อมูลเชิงลึกใหม่, การปรับปรุงการดำเนินงานอย่างต่อเนื่องและการตัดสินใจที่รวดเร็วและแม่นยำยิ่งขึ้น

ห้าสิ่งสำคัญเพื่อเตรียมความพร้อมในการนำ AI มาใช้ในอุตสาหกรรม

อันดับแรก บริษัทต่าง ๆ ต้องมีแผนปฏิบัติการที่ชัดเจนในการทำงานระหว่าง AI กับเป้าหมายทางธุรกิจ, วัตถุประสงค์ของข้อมูลและ KPI เพื่อประสาน AI อุตสาหกรรมเข้ากับกลยุทธ์การเปลี่ยนแปลงทางดิจิทัล โดยผู้นำทางธุรกิจจำเป็นต้องคิดให้กว้างขึ้นกว่าการใช้งานเพียงครั้งเดียวและแผนปฏิบัติการที่ปรับความสามารถของ AI ให้สอดคล้องกับเป้าหมายทางธุรกิจที่ครอบคลุม

จำเป็นต้องมีกลยุทธ์ข้อมูลอุตสาหกรรมที่ครอบคลุม โดยบริษัทต่าง ๆ จำเป็นต้องมีข้อมูลที่มีค่าและสามารถเข้าถึงได้ ซึ่งสามารถใช้ประโยชน์จาก AI ได้อย่างสร้างสรรค์ โดยการนำเข้าขยะ / นำออกขยะเป็นปัญหาข้อมูลที่สร้างความเดือดร้อนให้กับภาคอุตสาหกรรมเช่นเดียวกับอุตสาหกรรมอื่น ๆ ดังนั้นการสร้างกลยุทธ์เกี่ยวกับคุณภาพและกระแสข้อมูลที่มีประสิทธิภาพจึงเป็นสิ่งสำคัญยิ่ง นั่นหมายถึงการสร้างไปป์ไลน์ของข้อมูลอุตสาหกรรมที่ช่วยให้โซลูชัน AI สามารถประมวลผลประเภทและจำนวนข้อมูลที่แตกต่างกันที่ต้องการโดยแต่ละกรณีการใช้งานและแอปพลิเคชันและการปรับขนาดข้อมูลนี้ทั่วทั้งองค์กรเพื่อให้ผู้ใช้และฟังก์ชันทั้งหมดของ AI ได้รับประสิทธิภาพและผลลัพธ์ที่สอดคล้องกัน

โครงสร้างพื้นฐาน AI สำหรับอุตสาหกรรมที่รองรับอนาคตจำเป็นต้องวางรากฐานสำหรับความพร้อมของ AI ทางอุตสาหกรรม ซึ่งต้องการการทำงานร่วมกันในวงกว้างในสภาพแวดล้อมอุตสาหกรรม โดยในความเป็นจริงองค์ประกอบของซอฟต์แวร์, ฮาร์ดแวร์, สถาปัตยกรรมและบุคลากรจะสร้างโครงสร้างพื้นฐาน AI ในด้านอุตสาหกรรม และโครงสร้างพื้นฐานดังกล่าวเป็นสิ่งที่ช่วยให้องค์กรสามารถนำแนวคิดการพิสูจน์ AI ทางอุตสาหกรรมมาใช้และพัฒนาให้เป็นโซลูชันที่จับต้องได้จริงซึ่งขับเคลื่อน ROI โดยโครงสร้างพื้นฐาน AI สำหรับอุตสาหกรรมจำเป็นต้องเร่งเวลาในการเข้าสู่ตลาด, สร้างความยืดหยุ่นในการดำเนินงานและความสามารถในการปรับขนาดในการลงทุนด้าน AI และพยายามที่จะประสานวงจรชีวิตของโมเดล AI ให้สอดคล้องกันในทุกแอปพลิเคชัน

บทบาท, ทักษะและการฝึกอบรมมีความสำคัญ โดยการดำเนินการ AI อุตสาหกรรมอย่างถูกต้องต้องอาศัยคนที่เหมาะสมเป็นผู้รับผิดชอบในการดำเนินการนั้น นั่นหมายถึงการพยายามอย่างตั้งใจที่จะปลูกฝังทักษะความคิดและแนวทางที่จำเป็นในการสร้างและปรับใช้โครงการริเริ่มที่ขับเคลื่อนด้วย AI ทั่วทั้งองค์กร โดยผู้นำธุรกิจจำเป็นต้องลงทุนในการฝึกอบรมพนักงานในระดับที่สำคัญในอีกไม่กี่ปีข้างหน้าเพื่อให้แน่ใจว่าบุคลากรของพวกเขามีความพร้อมที่ดีที่สุดในการปรับใช้ AI อุตสาหกรรม

ประการสุดท้ายการใช้ AI อย่างมีจริยธรรมและมีความรับผิดชอบนั้นถูกกำหนดไว้บนความโปร่งใส ซึ่งความโปร่งใสที่เกี่ยวข้องกับการทำให้ทุกคนอยู่ในกรอบ ซึ่งการสร้างช่องทางการสื่อสารที่ชัดเจน, เอกสารและกระบวนการที่เชื่อถือได้และการจัดตำแหน่งระหว่างผู้มีส่วนได้ส่วนเสียทั้งหมด ซึ่งทำให้ทุกคนเข้าใจตรงกันเกี่ยวกับประโยชน์ของ AI อุตสาหกรรม,  ขีดจำกัด และการใช้งาน ซึ่งกล่าวโดยรวมสำหรับ AI ในด้านอุตสาหกรรมคือ การนำเอาสิ่งที่ดีที่สุดของคนและ AI มารวมกันและทำให้ทั้งสองมีค่ามากกว่าผลรวมของส่วนต่างๆ

ข้างต้นเป็นเพียงแนวทางปฏิบัติ แต่ก็ควรค่าแก่การเข้าหาสิ่งต่าง ๆ ด้วยมุมมองแบบองค์รวมที่พิจารณาข้อกำหนดด้านเทคนิค, บุคลากรและกระบวนการและในที่สุดก็กำหนดนิยามความสำเร็จขององค์กรของคุณเอง

กรณีการใช้งาน 3 อันดับแรกที่จะทำให้กลยุทธ์ AI ในด้านอุตสาหกรรมเป็นจริง

จุดเริ่มต้นของกลยุทธ์ระดับองค์กรเริ่มต้นด้วยการระบุปัญหาทางธุรกิจ, วัตถุประสงค์ขององค์กรและเป้าหมายเชิงกลยุทธ์ที่ AI อุตสาหกรรมสามารถแก้ไขได้ ซึ่งองค์กรที่ต้องการผลักดันมูลค่าทางธุรกิจที่แท้จริงสามารถใช้แรงบันดาลใจจากกรณีการใช้งานทางธุรกิจที่เฉพาะเจาะจงทั้งสามกรณีนี้เพื่อปลดล็อกพลังของ AI อุตสาหกรรม โดยรวมวิทยาศาสตร์ข้อมูลและ AI เข้ากับซอฟต์แวร์และความเชี่ยวชาญด้านโดเมนเพื่อส่งมอบผลลัพธ์ทางธุรกิจที่ครอบคลุมสำหรับความต้องการทางธุรกิจเฉพาะของอุตสาหกรรมที่ต้องใช้เงินทุนมาก.

การบำรุงรักษาเชิงพยากรณ์เป็นกรณีการใช้งานที่ใหญ่ที่สุดเพียงกรณีเดียวสำหรับ AI อุตสาหกรรม ซึ่งคาดว่าจะมีสัดส่วนมากกว่า 24 เปอร์เซ็นต์ของตลาดทั้งหมดในปี 2562 ตามรายงานการวิจัย IoT Analytics ที่อ้างถึงข้างต้น โดยการบำรุงรักษาเชิงพยากรณ์จะตรวจจับความเบี่ยงเบนจากพฤติกรรมปกติและกำหนดการดำเนินการโดยละเอียดเพื่อบรรเทาหรือแก้ไขปัญหาในอนาคตทั้งหมดนี้มีเป้าหมายเพื่อเพิ่มประสิทธิภาพผลลัพธ์และลดเวลาหยุดทำงาน

กรณีการใช้งานที่สองนั้นเน้นที่คุณภาพและความน่าเชื่อถือ โดยคุณภาพแสดงให้เห็นว่าวัตถุทำหน้าที่หลักได้ดีเพียงใดในขณะที่ความน่าเชื่อถือจะแสดงให้เห็นว่าวัตถุนั้นรักษาระดับคุณภาพดั้งเดิมได้ดีเพียงใดเมื่อเวลาผ่านไปซึ่งผ่านเงื่อนไขต่างๆ โดยทั้งสองอย่างเป็นการวัดที่สำคัญในสภาพแวดล้อมทางอุตสาหกรรมและ AI ทางอุตสาหกรรมช่วยให้องค์กรสามารถบรรลุความเข้าใจที่เฉพาะเจาะจงและถูกต้องเกี่ยวกับทั้งสองอย่าง, ประหยัดเวลาและเงิน

ประการที่สาม การเพิ่มประสิทธิภาพกระบวนการใช้ประโยชน์จากวิธี ML ขั้นสูงรวมถึงการเรียนรู้แบบเสริมกำลังและโครงข่ายประสาทเทียมแบบ Deep Learning ที่ซับซ้อนเพื่อสรุปข้อมูลและข่าวกรองจากแหล่งข้อมูลสินทรัพย์และกระบวนการต่างๆ ซึ่งด้วยเหตุนี้ องค์กรต่างๆจึงสามารถระบุและลดความไร้ประสิทธิภาพได้อย่างง่ายดายซึ่งมีผลกระทบโดยตรงต่อผลผลิตซึ่งเป็นตัวขับเคลื่อนเศรษฐกิจหลักขององค์กรอุตสาหกรรมใด ๆ โดยกรณีการใช้งานที่ระบุไว้ข้างต้นเป็นจุดเริ่มต้นที่กระชับและชัดเจนสำหรับองค์กรใด ๆ ที่สร้างหรือออกแบบกลยุทธ์ AI ในด้านอุตสาหกรรของตนขึ้นใหม่และหวังว่าจะเร่งเวลาในการสร้างมูลค่าให้เร็วขึ้น

(0)(0)