なぜ産業はAIについて少なくとも少し考えるべきなのか

最近、誰もが人工知能（AI）と機械学習について話しているようです。大規模な多国籍企業は、機械をよりスマートにするためにAIを採用しているため、進行中のデジタル産業革命で効果的に競争することができます。 MIT Sloan Management Reviewの2016年の記事をご覧ください。これは、GEがデジタルトランスフォーメーションの推進を支援するためにAIと産業分析に大規模な投資を行っていることに焦点を当てています。しかし、中小規模の産業や製造企業でさえ、AIについて考える必要があります…少なくとも少しは。

結局のところ、機械学習とAIについて考えていないのなら、なぜ本番システムからすべてのデータを収集するのでしょうか。多くの場合、企業は消費できるよりも多くのデータを収集しています。データ分析はそれ自体が目的ではありません。何かを運転するために使用する必要があります。そして、そこでAIが重要かつ拡大する役割を果たします。

確かに、機械学習は、ビッグデータの山をくまなく調べて重要なパターンを特定し、ビジネス変革のための貴重な洞察を引き出す上で貴重な役割を果たすことができます。しかし、それは話の一部にすぎません。真の価値は、AIを使用してこれらの洞察を活用し、実際に何かを実現することから得られます。自律的に、場合によってはリアルタイムで。

これは、リソースの可用性の変化に応じて生産ラインのスケジュールが自動的に変更され、中断や競合を回避するためにサプライチェーン全体でその変更を管理することを意味する場合があります。グローバルなサプライチェーンがますます複雑になるにつれて、このAI主導のインテリジェンスは、企業が「オンデマンド/ジャストインタイム」経済で効果的に競争するのを支援する上で重要な役割を果たします。

関連項目：AIを活用した世界では、将来の潜在的な仕事は何ですか？

ビッグv。リトルAI

野心的に聞こえますか？それを地球に持ち帰りましょう。実は「ビッグAI」と「リトルAI」があると思います。 Big AIは、人工知能と大量のデータを、多くの場合クラウドで使用して、複数の事業分野にわたる非常に複雑な問題を大規模に解決しています。それがGEのような世界的な巨人がやっていることです。 Little AIは、人間の相互作用の必要性を最小限に抑えながら、単一の生産ラインを最適化する方法を見つけるなど、「ミクロの問題」に取り組むことに焦点を当てています。自動化されている運用システムの近くでは、ほとんどAIをオンプレミスで処理する方が適切な場合があります。インテリジェントな自動化を推進する高可用性システムに関するリアルタイムのエッジベースの分析を考えてみてください。

もちろん、AIを効果的に使用するための最初のステップは、インフラストラクチャを高速化することです。これは多くの場合、ネットワークをアップグレードして、情報の流れとシステムがエッジで処理できるようにすることを意味します。そうして初めて、センサーを展開してデータを収集し、すべてを理解するための分析を行うことが理にかなっています。最後に、その進歩は、AIの利点を最大限に活用するために環境を最適化するために、データサイエンティストを雇うことにつながる可能性があります。

多くの産業はその進歩の始まりに過ぎません。しかし、エネルギー、運輸、製造、通信などの多様な業界におけるデジタルトランスフォーメーションのペースを考えると、ビジネスのコンテキストでAIについて考えることは、ほんの少しでも理にかなっています。