Yapay zekayı üretimde bir sonraki seviyeye taşımak

Çok az teknolojik gelişme yapay zeka kadar heyecan yarattı. Özellikle üretken yapay zeka, iş söylemini heyecan verici bir noktaya taşımış gibi görünüyor. Birçok üretim lideri iyimserlik ifade ediyor: MIT Technology Review Insights tarafından yürütülen araştırma, üretimde yapay zeka gelişiminin diğer birçok sektöre göre daha güçlü olması yönündeki hedefleri ortaya çıkardı.

Üreticiler haklı olarak yapay zekayı hiper-otomatik akıllı fabrikanın yaratılmasının ayrılmaz bir parçası olarak görüyor. Yapay zekanın ürün ve süreç inovasyonunu geliştirmede, döngü süresini azaltmada, operasyonlardan ve varlıklardan daha fazla verim almada, bakımı iyileştirmede ve güvenliği güçlendirmede ve aynı zamanda karbon emisyonlarını azaltmada faydasını görüyorlar. Yapay zeka yeteneklerini geliştirmek için yatırım yapan bazı üreticiler hâlâ hedeflerine ulaşmak için çabalıyor.

MIT Technology Review Insights'ın bu çalışması, üreticilerin özellikle mühendislik, tasarım ve fabrika operasyonlarında yapay zeka kullanım örneklerinden nasıl fayda elde ettiğini anlamayı amaçlıyor. Anket yapay zeka ile çalışmaya başlayan 300 üreticiyi içeriyordu. Bunların çoğu (%64) şu anda yapay zeka üzerinde araştırma yapıyor veya deney yapıyor. Yaklaşık %35'i yapay zeka kullanım senaryolarını üretime geçirmeye başladı. Ankete yanıt veren yöneticilerin çoğu, önümüzdeki iki yıl içinde yapay zeka harcamalarını önemli ölçüde artırmayı planladıklarını belirtiyor. Yapay zekayı üretimde başlatmamış olanlar yavaş yavaş ilerliyor. Kullanım senaryosu geliştirmeyi ve ölçeklendirmeyi kolaylaştırmak için bu üreticilerin zorluklara yetenekler, beceriler ve verilerle yanıt vermesi gerekiyor.

Araştırmanın temel bulguları şöyle:

• Yetenek, beceriler ve veriler yapay zeka ölçeklendirmesindeki ana kısıtlamalardır. Hem mühendislik hem de tasarım ve fabrika operasyonlarında üreticiler, yapay zeka kullanım durumlarını ölçeklendirmede karşılaştıkları en zorlu zorluk olarak yetenek ve beceri eksikliğini belirtiyor. Kullanım senaryoları üretime yaklaştıkça bu açık daha da zorlaşıyor. Katılımcıların çoğu, yetersiz veri kalitesi ve yönetiminin aynı zamanda kullanım senaryosu gelişimini de engellediğini söylüyor. Bulut tabanlı bilgi işlem gücüne yetersiz erişim, mühendislik ve tasarımda sıklıkla bahsedilen bir başka kısıtlamadır.
• En büyük oyuncular en fazla harcamayı yapanlardır ve en yüksek beklentilere sahiptirler. Mühendislik ve tasarım alanında yöneticilerin %58'i, kuruluşlarının önümüzdeki iki yıl içinde yapay zeka harcamalarını %10'dan fazla artırmasını bekliyor. Fabrika operasyonları söz konusu olduğunda ise %43'ü aynı şeyi söylüyor. En büyük üreticilerin, daha küçük ama yine de büyük boyut kategorilerindeki üreticilere kıyasla yatırımlarında büyük artışlar yapma olasılıkları çok daha yüksektir.
• İstenilen yapay zeka kazanımları üretim fonksiyonlarına özeldir. Üreticiler tarafından uygulamaya konulan en yaygın kullanım örnekleri arasında ürün tasarımı, etkileşimli yapay zeka ve içerik oluşturma yer alıyor. Bilgi yönetimi ve kalite kontrolü pilot aşamada en sık bahsedilenlerdir. Mühendislik ve tasarımda üreticiler esas olarak hız, verimlilik, daha az arıza ve güvenlik konularında yapay zeka kazanımları arıyor. Fabrikada her şeyden önce arzu edilen, daha iyi bir inovasyonun yanı sıra daha iyi güvenlik ve daha az karbon ayak izidir.
• Ölçeklendirme doğru veri temelleri olmadan durabilir. Katılımcılar yapay zeka kullanım senaryosu gelişiminin yetersiz veri kalitesi (%57), zayıf veri entegrasyonu (%54) ve zayıf yönetişim (%47) nedeniyle engellendiğini belirtiyor. Ankete katılan yaklaşık beş üreticiden yalnızca biri, mevcut yapay zeka modellerinde kullanıma hazır verilere sahip üretim varlıklarına sahip. Üreticiler kullanım senaryolarını üretime soktukça bu rakam azalıyor. Üretici ne kadar büyük olursa, uygunsuz veri sorunu da o kadar büyük olur.
• Yapay zekanın ölçeklenmesi için parçalanmanın ele alınması gerekir. Çoğu üretici, diğer teknoloji ve iş önceliklerinin yanı sıra yapay zekayı desteklemek için veri mimarisi, altyapı ve süreçlerde bir miktar modernizasyona ihtiyaç duyulduğunu düşünüyor. Mühendislik ve tasarım ile fabrika arasındaki ve operasyonel teknoloji (OT) ile bilgi teknolojisi (IT) arasındaki veri sistemlerinin birlikte çalışabilirliğini geliştiren bir modernizasyon stratejisi sağlam bir önceliktir.

Bu içerik, MIT Technology Review'un özel içerik kolu olan Insights tarafından üretilmiştir. MIT Technology Review'un editör kadrosu tarafından yazılmadı.