人工智慧在工業領域的潛力和實踐報告

機器學習是人工智慧（AI）的精髓。雖然這個概念已經可存在五十多年了，但是，最近才開始應用於工業。根據麥肯錫全球研究所（MGI）的報告，在德國，62%的工作崗位已經有至少30%的工作實現了自動化，與美國的水平相當。基於自然語言處理或視覺對象識別等等技術的AI實現這種自動化的核心推動者。

像德國這樣的高度發達的經濟體，面臨著人均國內生產總值和人口迅速老化等挑戰，因此，需要依靠人工智慧的自動化來實現國內生產總值目標。預計2030年德國國內生產總值（GDP）預期的1/3取決於生產率的提高。由AI推動的自動化是提高生產率的重要動力，因此，德國成為AI最早的採用者之一。

AI有望提升所有行業的表現，特別是工業部門等。AI將推動德國生產率每年提高0.8%到1.4%。

麥肯錫的報告選擇了三個領域的八個用例，來突出AI在工業領域的巨大潛力。

產品與服務：

到2030年，自動駕駛汽車預計將佔全球汽車銷量的10%至15%，一直到2040年自動駕駛汽車銷量都將保持兩位數增速。這些汽車所需的高效、可靠和整合的數據處理都將通過AI實現。

AI通過整合來自物聯網感測器、維護日誌和其他外部資源的數據，能更好地預測和避免機器故障。資產生產率可提高高達20%，而整體維護成本可降低10%。

協作和環境感知機器人通過基於AI的人機互動提高生產力。因此，生產率提高20%是可能的，即使有些工作不是完全自動化的。

通過人工智慧提高生產力還將降低廢料率和測試成本。例如，在半導體行業，使用AI可以減少高達30%的損耗。

AI可實現質量檢測自動化。通過採用先進的圖像識別技術進行目視檢查和故障檢測，生產率可提高50%。具體來說，基於AI的視覺檢查可以將缺陷檢測率提高90%。

業務流程：

基於AI的應鏈管理大大提高了預測的精度；同時，提高了粒度和優化股票補貨。預測誤差可減少20%至50%。由產能不足導致的銷售損失可以降低65%，庫存不足減少20%至50%。

機器學習的應用有利於實現高性能研發項目。預計研發成本將降低10%至15%，上市時間縮減10%。

業務功能自動化將改善業務流程的質量並提高效率。自動化率達到30%是可行的。以IT服務台為例，自動化率可達到90%。

通過麥肯錫的AI洞察和對成功案例的觀察，為企業解決AI挑戰提供了五個有效的建議。

掌握AI的功能，優先使用案例，不要忽視經濟學。沒有商業案例就沒有創新。

在內部開發核心分析能力，同時利用第三方資源，尤其是考慮到受過訓練的人員很少。

在可能的情況下，存儲細粒度的數據，並扁平化或非結構化可用數據，這是創造價值的燃料。

利用專業知識來提升AI引擎，專業技術是推動AI充分發揮潛力的推動者。

通過導航、測試和模擬逐步而快速地採用AI。AI轉型不需要大量的前期投資，但靈活性是成功的先決條件。

除了決定將AI部署在哪裡，以及如何部署外，人機合作的開放的企業文化對於充分發揮人工智慧的作用至關重要。信任是成功的人機合作的關鍵。雖然人類需要一些時間來適應人工智慧。早期採用不僅有助於快速實現AI的潛力，而且有助於加快企業實現全面人工智慧。

本文由199IT編譯獲取PDF版可加入我們小密圈，感謝您的支持!

開放媒體商務合作啦～