あなたのAI戦略は現実的ですか、それとも天国への階段ですか？

シュナイダーエレクトリックのEcoStruxureのディレクターであるLukeDurcanは次のように回想しています。ある産業会社の幹部が次のように言っているのを聞いた。 AIをできるだけ早くプロセスに取り入れたいと考えています。」

"いつ？"ダーカンは尋ねた。

「おそらく7月」とダーカンは無名の幹部が言ったことを思い出した。 「はい、7月までにAIを取得したいと考えています。」

「あなたはその男をちょっと見ているだけで、彼がそのプロセスを本当に理解していないことに気づきます。彼はそこに到達するための根本的なメカニズムと要件を本当に理解していません」とダーカンは言いました。 「そしてそれの現実は、産業の文脈では、AIのようなものはありません。マーケティングです。」

産業およびデータサイエンスの専門家は、AIなどの漠然とした概念と、ほぼ魔法のように見える人工知能との関係についてさまざまな意見を持っていますが、段階的で統制のとれたデータのコンテキスト化と分析などの手法の展開の必要性に同意しています。機械学習など。

TeradataのAIとディープラーニングイニシアチブを率いるAtifKureishyは、ビジネスの成果をサポートするために使用される分析、機械学習、ディープラーニングなどの一連のサポート技術としてAIを組み立てています。 「たとえば、機械学習のサブセットであるディープラーニングを見ると、ニューラルネットワーク、大規模なGPUベースの計算、データの高次元性を適用して、ますます正確な予測を行うことができます」とKureishy氏は述べています。

どの業界がそのような技術を最も早く採用したかについては、消費者向け技術、金融サービス、保険など、「通常の容疑者」であるとKureishy氏は述べています。小売と電話会社は次のグループの一部であると彼は言った。製造業に関しては、自動車セクターは、自動運転車に対する業界の関心を考えると、機械学習やコンピュータービジョンなどの技術を採用するのに最も速いセクターの1つです。

ダーカン氏は、石油・ガス産業はプロセス産業の先駆者であると語った。 「これらの[石油とガス]の組織は、データ、インフラストラクチャ、テクノロジーに何年にもわたって投資してきました。なぜなら、それが何年にもわたって価値を推進してきたからです」と彼は説明しました。

プロセス製造の成熟度曲線のさらに下には、消費者向けパッケージ商品、材料、鉱物、鉱業セクターがありますが、電子機器メーカーなどの多くの個別製造会社は「非常に高度」です」とダーカン氏は述べています。

では、インダストリー4.0、スマートファクトリー、AI戦略、またはどちらの用語が望ましいかということになると、遅れている産業企業は失われた土地を埋め合わせるために何をすべきでしょうか？そして、パックの真ん中にいる人は次に何をすべきですか？

まず自己監査を行い、必要に応じて、組織に強力なデータサイエンスの基盤があることを確認します。テラデータの産業企業との仕事の多くには、「たとえば、銀行の顧客が過去30年間投資してきた基本的な側面の構築」が含まれています。多くの産業企業は、自分たちが持っているコンテキストデータの種類を理解し、センサーを調整し、才能、ツール、および環境に関連する「データサイエンス101」の側面に焦点を当てています。

それは産業会社を選ぶことではありません。昨年、Gartnerは、87％以上の組織（セクター全体）のビジネスインテリジェンスと分析の成熟度が低いことを発見しました。

製造業者は、初期の段階で、製造プロセスで材料がさらされる条件をよりよく理解するために、その操作全体に一連のセンサーを装備している場合があります。その組織がコンテキスト内でデータを追跡できるようになると、スクラップにつながる製造上の欠陥に先行する異常を見つけ始めることができます。 「それはまだ実際の予測ではありませんが、それは次のように言っています。「ねえ、私は今、その製造プロセスで何が起こっているのかをよりよく特徴付けることができます」とKureishyは言いました。 「このテレメトリデータがすべて出てきて、それを処理して分析し、つなぎ合わせることができるので、何が悪かったのかを定量的に特徴付けることができます。」

このような初期段階とプロセス全体を通じて、ダーカンはテクノロジーだけでなく、人とプロセスに焦点を当てることの重要性を強調しました。 「典型的なブラウンフィールド施設の中には、おそらくあなたがこれまで以上にプロセスについて多くのことを知っている、20、30、または40年間そこにいた人々がいます」と彼は言いました。 「そして、プロセス自体があります。これもまた、時間の経過とともに進化します。そのため、テクノロジーを人とプロセスの環境に統合して、付加価値を提供する方法を見つけることになります。」

強固なデータサイエンス基盤の構築に投資した産業組織は、ニューラルネットワークなどのより高度な技術の可能性を探求し始めることができます。そして、成熟度が上がるにつれて、操作で何が起こっているかを特徴づけることから、その環境で発生する変数を相関させ、最終的に変数間の因果関係を確立することへと移行できます。 「つまり、「Aが発生すると、Bが発生するので、Cが実現することはわかっています」とKureishy氏は説明します。 「それはあなたをより良い予測のスタンスに導きます。あなたは言い始めることができます：「私はこれらの異常を見始めています。あるレベルで介入しなければ、この状態Cが発生することを私は知っています。」

次の層は洗練を拡張します。 「プロセスを修正または最適化するために、規範的な方法で非常に明確な推奨を行うことができます」とKureishy氏は付け加えました。最上位層は、異常を発見し、より大きな問題を引き起こす前にそれらに対処するこのプロセス全体が完全に自動化されている場所です。 「私たちはターミネーターについて話している」とKureishyは冗談を言った。

産業組織は、AI戦略の旅が明確な最終目的地であると結論付けることを避ける必要があります。 「丘の向こうには涅槃はありません」とダーカンは言った。 「これはますます複雑になり続けています。」

最後に、業界のリーダーは、「データの統合が最も重要ですが、データ自体は予測モデルと分析モデルの始まりにすぎない」ことを理解する必要があります」とダーカン氏は付け加えました。このような専門家は、資産階層、資産モデル、および資産コンテキストを理解することが重要です。 「その後、組織周辺のデータフローとデータインフラストラクチャに関するより詳細な詳細情報の構築を開始できます」とDurcan氏は付け加えました。そこから、彼らは記述的な視覚化と運用上の反応のためにデータを活用することができます。 「それは、90％の人々がそれを使用することになるものです」と彼は付け加えました。 「しかし、そこにたどり着くには、旅の最初の一歩を踏み出す必要があります。」