人工智能(AI)在过去25年的发展应该让我们对未来感到非常好奇。自 2020 年全球 Covid-19 大流行爆发以来，那些可能没有在其预算范围内计划或预见到这一举措的组织对数字化的兴趣日益浓厚。该技术本身也取得了重大进展，西门子公司数字化经理Monica Hildinger表示。
“几乎所有行业部门对AI和其他高端技术的兴趣都在增加，” Hildinger说，“大多数公司都在寻找数字技术来提高运营效率和生产力，加强维护策略，并优化公用事业，以帮助推动更大的可持续性。”
(资料图)
但首先，要实现所有这些目标，Hildinger认为首先需要克服文化和组织障碍，包括对变革、价值观和心态的抵制。“改变必须从内部开始，” 她建议，“改进需要迅速，而不是等待经济好转之后。所获得的技能也将为企业带来竞争优势。”
此外，还需要解决其他与数据相关的挑战，例如数据收集和质量、基础设施、政府法规和数据治理。
没有人说这是一条容易的道路。事实上，埃森哲在12个工业化国家进行的一项研究发现，84%的企业高管认为他们需要使用AI来实现增长目标。
然而，其中76%的人承认他们正在努力扩大人工智能的采用。到目前为止，可能还没有一个蓝图可以将概念验证转化为生产和规模，因此对于大多数行业来说，这种转变变成了一场斗争。
一些事实表明，处于AI采用初期阶段的企业的投资回报率可能并不高。AI必须在整个组织中进行扩展，以确保该技术能够为企业做出巨大贡献。与追求单一概念证明的企业相比，战略性地扩大AI规模的企业的成功率和回报可能分别是前者的两倍和三倍。
通过将AI集成到核心业务流程、工作流和客户旅程中，可以优化其日常运营和决策任务。麦肯锡在研究报告中预测，采用这种方法的企业很可能实现价值和规模的增长，其中一些企业甚至增加了约20%的收入。
在CONTROL ENGINEERING China最近的一项调查中显示，制造企业采用AI技术主要应用排名靠前的三个场景依次为：
· 数据的可视化分析;
· 预测性维护;
· 机器的自我诊断。
根据Hildinger的说法，在工程技能方面，人口挑战目前也比以往任何时候都更加普遍。如何将专业知识和经验、工作态度、纪律和质量、可靠性和忠诚度传递给下一代工程师?在理想的世界中，实施良好的数字化解决方案为企业带来了巨大的利益，而最新一代的工程师将成为数字原住民。其中一些好处包括：
· 数据透明度在一个位置提供单一事实来源，对各种利益相关者可见。
· 通过提供必要的基础设施，实施最先进的解决办法。
· 减少企业各个层级的时间成本和精力。
· 通过提高模式识别和复杂数学计算的能力，在以前根本无法解决的领域，有了新的改进领域。
· 在就业市场上为新一代创造新的细分市场。
"用于过程数据分析的AI能够为工厂操作员提供决策支持所需的见解，并为预测性工厂维护策略提供信息。" Hildinger总结道，"为了有效利用AI并最终实现数字化转型的目标，第一步应该是合理地规划。决策者需要着眼大局，并寻求基于价值的快速举措。"
