Промышленные компании рассматривают искусственный интеллект как ключевой стимул роста их прибыли за счет повышения эффективности, гибкости и дифференциации. Однако, недостаточное количество и качество данных, и нехватка экспертизы в этой области называют среди проблем, которые нужно преодолеть, чтобы обеспечить более широкое применение ИИ. Таковы ключевые выводы опроса, проведенного среди 858 специалистов и руководителей промышленного сектора, работающих преимущественно в Европе. Исследование проведено компанией Hewlett Packard Enterprise (HPE) и организаторами ведущей европейской конференции Industry of Things World, посвященной промышленному интернету вещей.
Опрос HPE также показал, что промышленные компании будут внедрять гибридную архитектуру, где инфраструктура ИИ будет распределена равномерно между периферийными объектами, центрам обработки данных или облачным хранилищам. Такой подход позволит обрабатывать данные на периферийных устройствах в режиме реального времени, а также проверять данные из разных источников с одновременным обучением моделей.
«ИИ выходит из лабораторий и становится технологией, определяющей новые стандарты в скорости и эффективности решения рутинных, но достаточно сложных задач», — считает Александр Шумилин, менеджер по развитию бизнеса департамента инфраструктурных решений Hewlett Packard Enterprise в России. «Помимо теоретического интереса к ИИ со стороны представителей промышленности, мы уже видим ряд успешно реализуемых проектов с отличными результатами. Эти проекты показали высочайшую важность квалифицированной подготовки исходных данных».
Большинство респондентов (61%) уже занимаются развитием ИИ в своих компаниях, причем 11% уже внедрили эту технологию в основные функции или виды деятельности, 14% планируют сделать это в течение следующего года и 36% оценивают возможности внедрения.
В среднем респонденты рассчитывают, что в результате внедрения ИИ их выручка вырастет на 11,6% к 2030 году, и одновременно с этим их маржа вырастет на 10,4%. Ожидается, что ИИ принесет выгоду практически на всех этапах производства, а также позволит дифференцировать продукты и услуги компаний. Подобные ожидания подогреваются высокими показателями успеха завершенных проектов с использованием ИИ: 95% респондентов, которые уже внедрили ИИ в своей компании, говорят, что они достигли, превысили или значительно превысили свои целевые показатели.
Участники опроса в среднем планируют инвестировать 0,48% своей выручки в ИИ в ближайшие 12 месяцев. Это значительная сумма, учитывая, что средний общий бюджет на IT в производственной промышленности составляет 1,95% от выручки. В соответствии с этим позитивным прогнозом, две трети респондентов ожидают, что новые рабочие места, созданные ИИ, компенсируют или превзойдут количество рабочих мест, которые исчезнут в результате его внедрения.
Другие ключевые результаты опроса:
- Участники опроса используют ИИ по всей цепочке создания стоимости, включая в научно-исследовательских работах (38% опрошенных), прогнозировании спроса (21%), планировании производства (18%), эксплуатации (32%), обслуживании (34%), продажах (20%) и предоставлении услуг (29%).
- Среди ключевых целей внедрения ИИ были отмечены: «повышение эффективности эксплуатации, обслуживании и поставок» (согласно мнению 57% респондентов), «улучшение качества обслуживания клиентов» (45%), «повышение качества продукции и услуг за счет добавления новых возможностей» (41%), «быстрая и автоматическая адаптация к меняющимся условиям» (37%), «создание новых бизнес-моделей» (34%) и «повышение соответствия спросу и требованиям благодаря прогнозированию и планированию» (32%).
- Результаты опроса демонстрируют, что гибридная архитектура для ИИ в ближайшие годы станет нормой: ожидается, что к 2030 году 55% респондентов будут использовать централизованные ресурсы в собственных либо в облачных ЦОД-ах, при этом 52% респондентов также будут использовать периферийные устройства ИИ.
Говоря о проблемах, которые необходимо преодолеть для дальнейшего расширения применения ИИ, 47% респондентов отметили «недостаточное количество и качество данных для использования моделей ИИ», и 34% − «отсутствие управления данными и архитектуры корпоративных данных». Еще один вызов, стоящий на пути повсеместного внедрения ИИ − «нехватка аналитических навыков и знаний об ИИ» (42%).
