Τα οφέλη για τις εταιρείες από τη χρήση Τεχνητής Νοημοσύνης και Internet of Things
Πρόσφατη έρευνα που απευθύνθηκε σε στελέχη κορυφαίων επιχειρήσεων αποκαλύπτει ότι ο σημαντικότερος παράγοντας για τη δημιουργία αξίας από IoT πρωτοβουλίες σε μία επιχείρηση είναι η εκτεταμένη χρήση τεχνητής νοημοσύνης. Το 90% των ερωτηθέντων στην έρευνα, που χρησιμοποιεί σε μεγάλο βαθμό την τεχνητή νοημοσύνη στις IoT λειτουργίες του, ανέφερε ότι η χρήση αυτή ξεπέρασε τις προσδοκίες. Η έρευνα έδειξε επίσης ότι επιχειρήσεις που χρησιμοποιούν το IoT σε συνδυασμό με την τεχνητή νοημοσύνη εμφανίζονται να είναι πιο ανταγωνιστικές από επιχειρήσεις που χρησιμοποιούν αποκλειστικά το IoT, με διψήφιο περιθώριο σε διάφορους επιχειρηματικούς δείκτες, όπως η παραγωγικότητα των εργαζομένων, η καινοτομία και το λειτουργικό κόστος.
«Μέσα από αυτά τα αποτελέσματα, διαπιστώνουμε ότι οι επιχειρήσεις που εργάζονται με δεδομένα IoT συνειδητοποιούν ότι εάν θέλουν να αποκομίσουν την πραγματική αξία από αυτά τα δεδομένα, χρειάζονται την τεχνητή νοημοσύνη και τα analytics», δήλωσε ο Oliver Schabenberger, Chief Operating Officer της SAS. «Μπορούμε να πούμε ότι οι πιο επιτυχημένες λειτουργίες IoT είναι στην πραγματικότητα λειτουργίες AIoT». Το AIoT ορίζεται ως η διαδικασία λήψης αποφάσεων με τη βοήθεια τεχνολογιών τεχνητής νοημοσύνης σε συνδυασμό με συνδεδεμένους αισθητήρες, δεδομένα συστήματος ή δεδομένα που προκύπτουν από προϊόντα ΙοΤ. Οι τεχνολογίες τεχνητής νοημοσύνης περιλαμβάνουν βαθιά μάθηση, μηχανική μάθηση, επεξεργασία φυσικής γλώσσας, αναγνώριση φωνής και ανάλυση εικόνας.
Η μελέτη, η οποία διεξήχθη από τις SAS, Deloitte και Intel, με την τεχνογνωσία της IDC, ρώτησε 450 επικεφαλής επιχειρήσεων από όλο τον κόσμο σχετικά με τη χρήση τεχνολογιών IoT και ΑΙ. Μεταξύ άλλων, προέκυψαν τα παρακάτω βασικά ευρήματα:
Το 79% των υψηλόβαθμων στελεχών συμμετέχει στη λήψη αποφάσεων για IoT projects και το 92% αυτών των στελεχών αναφέρει ότι η αξία του AIoT υπερβαίνει τις προσδοκίες τους.
Το 68% των εταιρειών βασίζεται σε ΙοΤ δεδομένα για την ενημέρωση των καθημερινών επιχειρησιακών αποφάσεων μέσω υπολογιστικών φύλλων και άλλων τεχνολογιών που δεν αφορούν το AI. Μόνο το 12% των ερωτηθέντων χρησιμοποιεί το ΙοΤ για να ενημερώνει τις αποφάσεις σχεδιασμού, ενώ το ποσοστό των ερωτηθέντων που χρησιμοποιούν στοιχεία AI για τον καθημερινό σχεδιασμό ανέρχεται σε 31%.
Το 34% των ερωτηθέντων ανέφερε ότι με τη χρήση του AIoT πρωταρχικός σκοπός είναι η αύξηση των εσόδων. Ακολουθεί η βελτίωση της καινοτομίας (17,5%), η προσφορά νέων ψηφιακών υπηρεσιών στους πελάτες (14,3%) και η μείωση του λειτουργικού κόστους (11,1%).
Εταιρείες που έχουν αναπτύξει δυνατότητες AIoT, παρουσιάζουν καλύτερα αποτελέσματα όσον αφορά κρίσιμους οργανωτικούς στόχους, συμπεριλαμβανομένης της ικανότητας επιτάχυνσης των εργασιών, της εισαγωγής νέων ψηφιακών υπηρεσιών, της βελτίωσης της παραγωγικότητας των εργαζομένων και της μείωσης του κόστους. Για παράδειγμα, εταιρείες που χρησιμοποιούν δεδομένα IoT χωρίς τεχνητή νοημοσύνη σημείωσαν αύξηση της ταχύτητας των λειτουργιών τους κατά 32%, ενώ εταιρείες που χρησιμοποιούν και τεχνητή νοημοσύνη, παρατήρησαν αύξηση που έφτασε το 53%.
Κορυφαίες θέσεις στη λίστα των τεχνικών ανάλυσης που χρησιμοποιήθηκαν για IoT projects κατέλαβαν το business intelligence (33%), η παρακολούθηση και η ορατότητα σε πραγματικό σχεδόν χρόνο (31%) και η παρακολούθηση υπό συνθήκες (condition-based) (30%).
«Η τεχνητή νοημοσύνη και το IoT δεν αποτελούν πλέον αποκομμένες/ανεξάρτητες/μεμονωμένες τεχνολογίες», δήλωσε ο Melvin Greer, Chief Data Scientist της Intel Americas. «Η τεχνητή νοημοσύνη κλείνει το βρόχο σε ένα περιβάλλον IoT, όπου οι συσκευές IoT συγκεντρώνουν ή δημιουργούν δεδομένα και η τεχνητή νοημοσύνη συμβάλει στην αυτοματοποίηση σημαντικών επιλογών και ενεργειών που βασίζονται σε αυτά τα δεδομένα. Σήμερα, οι περισσότερες επιχειρήσεις που χρησιμοποιούν το IoT, βρίσκονται μόνο στην πρώτη φάση της «προβολής», όταν αρχίζουν να αντιλαμβάνονται τι συμβαίνει μέσα από τα οφέλη του IoT. Αλλά κινούνται προς τις φάσεις της αξιοπιστίας, της αποδοτικότητας και της παραγωγής, οι οποίες είναι πιο εξελιγμένες και απαιτούν ισχυρότερες δυνατότητες της τεχνητής νοημοσύνης.»
Οι εταιρείες που βασίζονται σε δεδομένα IoT για την ενημέρωση της καθημερινής διαδικασίας λήψης αποφάσεων, χρησιμοποιούν αυτά τα δεδομένα κατά συντριπτική πλειοψηφία για επιχειρησιακές αποφάσεις (68%) αξιοποιώντας υπολογιστικά φύλλα και άλλες τεχνολογίες που δεν αφορούν την τεχνητή νοημοσύνη.
Σύμφωνα με τον Gautam Khera, Senior Director της Western Digital, κορυφαίου παρόχου υποδομών, η τεχνητή νοημοσύνη έχει ήδη πρακτικό αντίκτυπο στην ΙοΤ στρατηγική της εταιρείας. «Πώς κατασκευάζουμε τις συσκευές αποθήκευσης και μαθαίνουμε γρήγορα; Πώς εξασφαλίζουμε την ποιότητα και την απόδοση; Πώς επιτυγχάνουμε ταχύτερους ρυθμούς από πλευράς χρόνου διάθεσης στην αγορά; Χρησιμοποιούμε συστήματα ΑΙ για να μπορέσουμε να τα επιτύχουμε αυτά εσωτερικά στις αναπτυξιακές μας διαδικασίες, στο R&D, καθώς και στα εργοστάσια μας.»
Αυτό το σημαντικό άλμα δείχνει ότι η τεχνητή νοημοσύνη ανοίγει τον δρόμο για πιο εξελιγμένες και γρήγορες αποφάσεις που επηρεάζουν σημαντικά τα αποτελέσματα. Διευρύνει την εστίαση από επιχειρησιακά προβλήματα όπως «είναι ο εξοπλισμός λειτουργικός ή όχι;» σε αποφάσεις που αφορούν την προσφορά και τη ζήτηση, την ποιότητα των προϊόντων, τη λιανική πώληση ή την εξάπλωση ασθενειών σε μια μονάδα υγειονομικής περίθαλψης.
H Maureen Fleming, Αντιπρόεδρος του Προγράμματος για τον Αυτοματισμό Ευφυών Διαδικασιών της IDC, συμφωνεί με τoν Khera. «Η βελτίωση της ταχύτητας ανανέωσης δεδομένων κατά τη συλλογή δεδομένων από αισθητήρες σε συνδυασμό με την τεχνητή νοημοσύνη, διευρύνει την ικανότητα μιας επιχείρησης να επικεντρώνεται στον άμεσο σχεδιασμό, εντοπίζοντας παράλληλα γρήγορα και επιλύοντας λειτουργικά προβλήματα. Ο συνδυασμός αυτός παράγει μεγαλύτερη ευελιξία και αποτελεσματικότητα».
O Khera της Western Digital δήλωσε ότι χρειάστηκε να επιμείνουν και να συνεχίσουν να πιέζουν για την σύνδεσηδεδομένων IoT με την τεχνητή νοημοσύνη και δήλωσε: «Τα projects αυτά αποτελούν τώρα το σχέδιό μας για τη χρήση της τεχνητής νοημοσύνης, η οποία αποδίδει καλά και είναι ευρέως αξιόπιστη. Πλέον, χρησιμοποιούμε προηγμένα analytics για να αντιμετωπίσουμε τα προβλήματα που προκύπτουν στο R&D. Μπορώ να χρησιμοποιήσω διάφορες προηγμένες τεχνικές ανάλυσης για να κατανοήσω τη μορφή των δεδομένων μου, τα χαρακτηριστικά και τα κίνητρα. Μπορώ να αναζητήσω μη φανερές επιδράσεις για ανωμαλίες τις οποίες οι παραδοσιακές τεχνικές ή απλώς το ανθρώπινο μάτι δε θα αντιληφθούν.»
Ο Jay Cei, Διευθύνων Σύμβουλος της Ulbrich Steel, βιομηχανίας κατασκευής μετάλλων, δήλωσε ότι προτεραιότητά του είναι να κερδίσει την αποδοχή για το AIoT από όλη την εταιρεία. «Οι εργαζόμενοι θα φοβηθούν ότι θα χάσουν τη δουλειά τους», δήλωσε ο Cei. «Αυτό που πραγματικά πιστεύω είναι ότι το AIoT θα τους δώσει τη δυνατότητα να λειτουργήσουν τουλάχιστον δύο επίπεδα παραπάνω από ό,τι μπορούν να κάνουν τώρα. Πραγματικά εκτιμώ ότι αυτοί οι χειριστές μπορούν να λειτουργήσουν ως managers επιχειρηματικών μονάδων, ως αποτέλεσμα του AIoT. Για μένα η λύση της SAS Analytics για το IoT αποτελεί μία ενσωματωμένη λύση τεχνητής νοημοσύνης προς αξιοποίηση προκειμένου να μπορέσουμε να υλοποιήσουμε καλύτερα τη στρατηγική μας.»
Για να πετύχει το AIoT, είναι βασικό να ξεκινήσουμε από την κορυφή, σύμφωνα με τον Andy Daecher, Διευθυντή της Deloitte Consulting LLP και ηγέτη του Internet of Things Practice. «Αυτές οι πρωτοβουλίες πρέπει πραγματικά να βρίσκονται στην ημερήσια διάταξη ενός CEO», δήλωσε ο Daecher. «Χρειάζεται να λέει επανειλημμένα, ‘είναι αναγκαίο να συμβεί αυτό στην επιχείρησή μας’. Δεν μπορείτε να έχετε μια επιτυχημένη AIoT πρωτοβουλία που να μην κινητοποιείται από την επιχείρηση. Αυτές είναι πραγματικές επιχειρηματικές πρωτοβουλίες, όχι πρωτοβουλίες τεχνολογίας».