在商业技能领域人工智能（AI）是个热门话题，而且也引起了家当公司的把稳。通过运用得当的AI技能组合，制造商可以提高效能，改进灵巧性，加快流程，乃至促进自优化运营。BCG的一份剖析创造，AI的利用可降落制造商最高20%的加工本钱，而这种减少最高有70%源自于更高的劳动生产率。制造商还可以利用AI开拓和生产为特定客户量身定制的创新产品，并且将订货到交货韶光大大缩短，从而产生更多的发卖。AI因此是未来工厂不可或缺的一部分，而技能将会增加工厂构造和流程的灵巧性。
环球各地的公司，不同的行业都在探索在经营当中运用AI的可能性，这一点绝不出奇。但一些主管对AI能否带来承诺的好处依然存疑。为了更好地理解个中的机遇与寻衅，波士顿咨询公司（BCG）最近对大众对AI的期望以及AI在家当经营中的采取情形进行了梳理。
BCG的研究聚焦在一份涵括浩瀚制造业超过1000名高管和经理的环球调查的结果上。总体上，我们创造制造商预期AI成为改进生产力的关键杠杆。但实现并没有跟上预期的节奏，这很大程度上是由于许多公司缺少AI的4种使能器：计策（包括全面的路线图），实现的管理模式，干系的员工能力，以及IT根本举动步伐的支持。
研究背景
调查创造，交通、物流、汽车、技能公司处在AI采取的前沿，而加工家当（比如化工）就比较滞后。相对付日本、法国和德国，美国、中国和印度在AI采取方面的领先上风令人印象深刻。不同国家A采取速率的差异反响出对AI好处的期望偏差。
只管像中国这样的新型国家对这些好处非常狂热，但很多工业化国家，比如德国，其不雅观点就比较守旧了。由于德国公司在订定AI采取的详细操持方面也掉队了，其滞后的夏装有可能还会持续。德国海内采取AI技能最生动确当属汽车业，而加工业还有很长一段路要走。
调查结果表明，如果故意实现AI的宏图壮志，工业制造商必须显著加大实在行力度。光靠技能本身是不足的。要想充分发挥AI潜能，公司必须在组织层面考虑所有必要的使能者。
AI将变革企业
AI让打算机和机器有能力用聪明的办法去实行任务。AI帮助制造商决定最好的动作序列来实现目标，也能让他们远程实时对运营进行管理。
运营AI的根本
AI在运营中的许多利用都用到了机器学习——这是数据挖掘与数据科学的算法家族。这些算法不是按照静态、预设的规则或者指令，而是通过剖析数据来学习，然后利用所得洞察天生预测或者演习预测模型。
AI技能在运营当中有多少运用：
机器视觉。通过可见光、x射线或者激光旗子暗记感应生产环境——比方说，用摄像头对零件和产品进行分类。语音识别。处理语音等听觉旗子暗记——比方说，用类似Alexa或者Siri的虚拟助手处理操作员有关质量问题的评论。自然措辞处理。剖析文本，阐明最可能的意思——比方说，从不同的绩效报告天生择要。信息处理。从非构造化文本中析取知识并获取查询答案——比方说，通过搜索产品干系的笔墨报告。从数据学习。根据生产干系的履历数据对值进行预测或者分类——比方说，利用机器和流程产生的历史数据来预测事宜。方案与探索。选择一系列的行动让特定目标最大化——比方说，让自动导引车（AVG）识别最佳的下一步。语音天生。通过文本或语音跟人沟通——比方说，大声朗读指令。处理与掌握。操纵物体——比方说，让不须要分外培训的机器人从储存箱中捡起未分类的零件。导航与运动。在物理环境下机动——比方说，让AGV在工厂内自主移动并优化路线。很多行业领袖期望AI能从端到端（包括工程、采购、供应链管理、工业作业（生产及干系功能）、营销、发卖以及客户做事）变革流程以及代价链。在最近的一次研究中，家当公司高管认为运营可能是受到AI影响最大的环节。
AI的浸染是增强，而不是取代制造商现有用于持续改进生产力的手段。AI是工业4.0紧张的技能建构块之一。此外，制造商还可以用AI来增强传统的效好手段，比如自动化和精益管理。比方说，通过识别质量问题的根源从而帮助肃清毛病，AI可以支持精益管理减少摧残浪费蹂躏。的确，我们调研40%的参与者估量，到2030年，AI会成为生产力改进的一个非常主要的驱动力，而相信它对当今生产力起到非常主要浸染的人占比为29%（拜会图1）。
图1：AI的浸染越来越主要
AI采取将显著改变劳动力的构成，并且由于减少了生产过程中的人工活动而降落加工本钱。比方说，本日质控干系的任务须要密集的人类参与，但在有了AI的广泛支持后将会变得高度自动化。不过即便现有事情会被消灭，须要与AI互补技能的新事情机会也会涌现。总体而言，调查参与者呈现出轻微的偏见，认为AI的净效应会是总劳动力的减少。
不过，不同国家之间对AI的期望也很不一样。比方说，来自中国公司的受访者认为AI采取会显著减少其总劳动力（这反响了对低技能工人的技能替代），而来自德国的公司预期其更高技能的劳动力并不会减少太多。
AI的用例
AI表示了工厂的范式转移。本日的工厂自动化流程和工具采取的是规则导向的做法，本日的机器人编程处理的是固定的场景。相反，未来的工厂会利用AI来支持自动化流程和机器制造以相应不熟习或者意外情形，从而做出明智决定。因此，技能系统会变得更加灵巧适应性更强。比方说，在基于规则的做法下，机器人无法从一批未整理的零件中识别和选择所需的零部件，由于它缺少必要的详细编程去处理零件无数可能的方向。比较之下，有AI支持的机器人可以从一堆乱糟糟的零件中挑出想要的零件，不管其方向如何。
各种AI用例包括改进工厂内外不同运营领域的生产力。在调查受访者当中，有37%认为AI对工厂运营中生产的生产力改进发挥了最主要的杠杆浸染。而12%的人选择了物流是AI浸染最大的地方。跟这些创造同等的是，公司把自优化机器、质量毛病检测以及效能丢失预测视为最主要的AI用例。只管不同的公司对不同用例的代价意见胡有所不同，但制造商唯有运用AI并集成内部门歧职能以及供应商与客户的数据池才能重返发挥其浸染。
（1）工厂之外
在工厂外围，工程和供应链管理是AI运用最主要的运营领域：
工程：制造商可以利用AI促进研发努力，从而优化设计，改进对客户需求和期望的相应并且简化生产。AI支持天生式产品设计，根据既定目标和约束利用算法探索各种可能的设计办理方案。通过迭代式测试和学习，AI算法优化设计，推举在人类看来非传统的办理方案。一些航天公司正在利用天生式设计以全新的设计开拓翱翔器部件，比如供应跟传统设计功能相同但是却轻便许多的仿生学构造。供应链管理。需求预测是供应链管理领域运用AI的关键主题。通过更好地预测需求变革，公司可以有效地调度生产操持改进工厂利用率。AI通过剖析和学习产品发布、媒体信息以及景象情形等干系数据来支持客户需求预测。一些公司还利用机器学习算法识别需求模式，其手段是将仓库、企业资源操持（ERP）系统与客户洞察的数据合并起来。（2）工厂内部
在工厂内部，AI会把各种好处带给生产以及诸如掩护、质量与物流等支持职能：
生产。我们的研究涵括了所有的生产环境，包括连续加工（比如生产化学和建筑材料的）以及离散型生产（比如装置任务）。在所有的环境中，制造商都会利用AI来降落本钱提高速率，从而提升生产力。他们还会用它来改进灵巧性应对生产的繁芜性——比方说客户定制产品的生产。AI还可以让机器和部件成为自优化的系统，通过对当前和历史数据进行连续剖析和学习实时调度自身参数一些钢铁厂已经在利用AI让熔炉自动优化设置了。AI剖析铸沟的材料构成，识别稳定工艺条件的最低温度，从而降落整体的能耗。在另一个主要的生产用例中，得到智能图像识别能力增强的机器人可以从未定义的位置（比如箱子里或传送带上）里捡起未分类的零件。这已经在汽车业有了实际运用。掩护。制造商会利用AI减少设备故障提高资产利用。AI支持预测性掩护——比方说，通过根据实际情形更换磨损部件来避免故障。AI会持续剖析和学习机器和部件产生的数据（比方说传感器数据和产品构造）。这一技能对加工业尤其有好处，由于故障会导致发卖丢失。比方说，一些炼油厂已经实现了在设备失落效前估计剩余韶光的机器学习模型。这种模型会考虑超过1000个与材料投入、材料输出、工艺参数以及景象条件有关的变量。质量。制造商可以利用AI帮助尽早检测出质量问题。视觉系统利用图像识别技能识别毛病以及产品功能的偏差。由于这些系统可以持续学习，其性能会随着韶光转移而改进。汽车供应商已经开始利用带机器学习算法的视觉系统识别有质量问题的部件，包括检测没有涌如今用于演习算法的数据集内的毛病。AI还可以持续剖析和学习由机器和生产环境产生的数据。比方说，AI可以将材料属性和行为与钻床设置信息比较，预测钻孔超出耐受度的风险。物流。我们的研究关注于产内物流和仓储，而不是外部供应链的物流。AI会促进场内材料供应的自动转移和效率，这对付管理制造多种产品衍生和定制产品所带来的日益增长的繁芜性是必不可少的。在工厂和仓库内运输物品的无人车会利用AI感应障碍调度车辆路线从而实现最佳路线。医疗包培植部制造商已经开始在自己的维修中央利用无人车。在不须要磁条或者传送带勾引的情形下，这些车辆可以在碰着障碍时停下来然后自动确定最佳路线。机器学习算法会利用物流数据——比如材料进出的数据、库存量、零件的周转率等——来促进仓库自主优化运营。比方说，有一个算法会建议将低需求的零件转移到更远的地方，并且将高需求的零件放到可以更快获取的附近区域。一些AI用例还可以运用到多个运营领域。比方说，能够天生措辞并进行处理的虚拟助理（类似苹果的Siri和Amazon的Alexa）可向操作员供应源自IT系统的干系背景信息。一些公司已经在利用语音分拣系统处理分拣、打包、吸收以及补给事务。在这些运用中，语音系统会连接到ERP系统的物料清单勾引操作员去到精确的箱子那里。
AI系统会根据事宜报告（比如图片和书面报告）建议相应事宜（比如机器故障、质量离差、性能丢失）的办理方案，而且还会持续剖析和学习这些报告。飞机制造商已经实现了利用事宜报告识别生产问题模式的自学习算法，然后将当前事宜与过去类似事宜进行匹配，并且提出办理方案建议。
在研究参与者中国，期望上述用例到2030年会变得非常主要的人占比在81%到88%之间，但是认为这种能力已经在生产的多个领域完备实现的占比就相称低（6%到8%）。图2供应了受访者认为在未来工厂中发挥主要浸染的用例排名的概览。
图2：AI在未来的工厂中将变得无所不在
年夜志与现实之间的差距
很多公司都打算加快履行AI，但是我们的研究创造，均匀而言，中国、印度、新加坡的公司对在近期在生产中履行AI的抱负最大。在受调查的离散家傍边，医疗保健和能源是近期最有野心的；加工业和工程产品每每就没那么急迫。
参与我们研究的大多数公司都说他们把稳到AI的主要性正在增强。然而，他们的投资、话以及履行都没法跟他们的野心相称。只管87%的受访者成操持在未来3年内在生产中履行AI，但只有28%订定了全面履行的路线图。剩下的72%缺少详细操持：32%正在测试选定用例，27%只有一些初步想法，13%并未将AI列为优先事变或者还没有考虑。
有限的履行程度反响出综合方案的缺少，这揭示了空想之丰满与现实之骨感的差距。在过去，在实现AI用例方面，只有约50%的公司实现了自己的目标。因此不奇怪的是，只有约16%的公司在多个厂区充分实现了超过1个的AI用例——这样的成绩按照我们的定义可称之为早期采取者。对付纳入我们研究的12个国家来说，早期采取占比最高的国家包括美国（25%）、中国（23%）以及印度（19%），最低的这天本（11%）、新加坡（10%）以及法国（10%）（拜会图3）。在受访的德国公司中，只有15%属于早期采取者。
图3：中国、美国的AI早期采取者最多，对推进AI最积极
美国公司的高采取水平可能反响出那里的AI技能的广泛遍及。即便如此，中国在AI投资上仍压倒了美国，去年中国投资占到了AI初创企业环球投资的将近一半。2017年中国国务院还颁布了《下一代人工智能发展方案》，打算用三步走的策略到2030年达到AI环球领先水平；天津市政府已经设立了300亿元的基金来支持AI家当。其他的新兴国家，比如印度，其态度也类似，将AI采取视为保持其制造业环球竞争力的必要元素，并且对AI进行了大规模投资。与之相反的是，一些工业化国家，比如日本，仍旧专注于过去提升其竞争能力的传统手段（比如精益制造）。
在我们关注的8个行业中，交通和物流（21%）以及汽车业（20%）的早期采取者所占份额最高，工程产品（15%）和加工业（13%）相对滞后。（拜会图4）这些差异反响了行业的不同奇点以及与数字化的密切关系不同。汽车和技能公司属于最前辈行列并不出奇。其他行业乃至还没有学习已经成为那些行业代价链不可或缺部分的浩瀚数字化策略。
图4：不同家当的AI年夜志与现实之间的差距
公司雇员数也会对AI履行产生影响。小企业相对付大企业成为早期采取者的可能性更低——这大概是由于小公司每每预算更加窘迫，腾出给AI采取的能力更少。只管最近的技能发展以及数据存储和数据处理的本钱低落会降落对AI投资的阈值，总体的能力差距可能仍将持续。
缩小差距
有4个使能器对AI在运营中的成功履行至关主要：计策和路线图，管理模式，员工能力，以及IT根本举动步伐。在让AI使能器充分发挥方面，早期采取者比滞后的公司所取得的进展要大得多。（拜会图5）
图5：AI履行的四大使能器
（1）计策与路线图
为了给自己所有的AI履行活动供应方向和辅导，公司须要有清晰的计策。AI计策该当专注于最有代价的用例——那些办理公司特定业务需求和寻衅的用例——并且跟公司的总体数字化计策保持同等。公司还须要清晰的实现路线图，为投资建立商业案例和可衡量的目标。调查参与者将为运营订定清晰的AI计策列为最主要的使能器。
（2）管理模式
管理层给出看得见的承诺对付实现潜在的改进非常关键。高层管理该当利用构造化的沟通来确保组织内对AI有清晰的理解。公司该当为AI履行建立明确的角色和任务，并且设立清晰的组织架构。干系职能部门间有效协作和沟通对付战胜AI运用的文化抵触必不可少。
（3）员工能力
为了采取AI——以及更广泛的数字化——公司必须让员工具备很强的编程、数据管理及剖析等技能。公司该当对所需的技能集有清晰的想法，并且该当评估那些需求与员工目前所具备的技能之间的差距。
对付理解运营AI根本这样的主题，员工可以通过培训操持得到所需的技能，这种培训可以来自公司内部或者外部。对付须要更正式的IT干系学习课程，比如前辈剖析，公司必须招聘包括数据科学家在内的新型员工。
在研究的参与者当中，93%者报告自己公司内部没有足够能力在运营中履行AI。4人中就有超过1人（29%）称自己的公司已经增加了专门做AI的员工数量，而将近一半（47%）预期未来几年这个数字还会增长。
（4）IT根本举动步伐
遗留IT系统和机器设备的互操作性对付AI履行的成功非常关键，这须要由API和网络标准来促进。网络安全是致力于AI与工业4.0实践者的另一个主要关怀。
在履行AI中，公司该当考虑采取敏捷的事情模式，这样可以在需求变革时调度自己的计策和路线图。在运用AI技能中，公司该当采取快速失落败，最小可行产品的做法，这样可以小规模测试新想法然后通过快速迭代调度，末了再全面铺开。早期采取者比滞后者更有可能采取这种敏捷事情模式。
入门指南
这份研究的创造指向了行动需求，这不仅哀求行业公司采纳行动，工业机器和自动化制造商也要行动起来。
对机器与自动化板块的影响
作为对所有其他类型家当公司的供应商，机器和自动化制造商在实现AI技能潜能已经知足工厂对AI支持运用的需求中将扮演主要角色。AI将让机器与自动化制造商形成新的创收商业模式，比如“机器即做事”。为了挖掘这一市场，此类制造商该当增强自身设备并且网络数据来试验AI技能。
在所有行业里，调查受访者把自优化机器视为机器主要的AI用例。机器与自动化制造商可为家当公司供应利用机器学习技能实时剖析参数并优化流程的机器。
调查受访者还把稳到机器视觉系统的主要性正在不断增加。机器制造商可以直接将机器视觉集成到自己的机器系统里面。只管底层的AI技能来自于有名供应商，但机器制造商该当考虑开拓自己的AI办理方案以便避免对特定供应商形成依赖。
作为开拓AI支持的剖析与自优化机器的第一步，机器与自动化制造商该当对自身机器性能保持完备透明。这会让用户在AI之旅中取得进展，比如感知机器参数，以及对数据的持续学习。感知与行动须要监控温度、转矩、振动等过程参数来得到对机器情形以及制造零件的质量的洞察。末了，透明性还为自调度系统奠定根本。此外，机器和自动化制造商还必须让客户放心从他们的机器访问的数据是安全机密的。
为了在实现AI的竞赛中不被落下，家当公司该当采纳构造化的三步走策略：
（1）评估现状
公司该当从苹果自身痛点以及AI成熟度开始，然后该当拿自己的现状与同行或者行业均匀水平进行基准比较。由于健壮的IT根本举动步伐对AI事实必不可少，公司必须评估其运营IT的现状。进行车间评估的一个先决条件是在一定设备上建立一个评估主题和基准的库。
（2）确立使能器
公司该当制全面的AI用例清单来处理在康健检讨中创造的痛点问题。所有利益攸关者都该当集中起来召开研讨会深入谈论用例，确定优先实现哪一个。在评估该优先用例额财务及非财务好处时，公司该当为投资测算商业案例。对量化好处以及所需投资有履历的AI专家的输入在这一阶段具有极其主要的代价。在找出了这个优先考虑的用例之后，公司可以为AI在运营中的运用订定目标图，并且为履行订定路线图。
公司的管理模式该当清晰描述AI履行的角色与任务，并且该当建立一个折衷的组织架构。公司还须要将目前劳动力的本色与那些须要实现的AI用例进行比拟，确定如何缩短差距。此外，公司还须要为用例实现定义IT需求，并且为有效能和效率的数据管理订定第二套管理模式。数据科学家和具备AI知识的IT专家该当参与到需求的定义中来。
（3）测试与办理方案拓展
公司该当在工厂的特定地方测试AI用例。为了加快流程，公司该当在定义好愿景、建立起使能器的同时发起第一批试点操持。每一个试点的目标该当是迅速开拓出最小可行办理方案，然后通过敏捷开拓方法以多次迭代的办法改进试点的设计。员工通过与试点操持的互动可以体验到AI用例是什么觉得。为了促进这些试点，公司必须利用可产生迅速影响的技能工具，比如资产监控传感器和智能眼镜等。公司还该当扩大试点成功的办理方案。末了，为了发挥AI履行的全部潜能，公司该当全范围履行集成的办理方案。
我们的研究表明，AI即将成为增强运营生产力最主要的手段。但许多公司仍未意识到得到AI的好处须要的不仅仅是对技能的投资。一个描述清晰的计策时必不可少的出发点——但即便如此仍旧不足。公司还必须有适当的管理和支持根本举动步伐就位，同时还必须对劳动力进行重新配置和培训。尚未对AI履行采纳全面视角的公司制造商该当迅速提高自己的竞争能力才能遇上那些早期采取者。
附：报告下载。
译者：boxi，由36氪编译组出品。编辑：郝鹏程。
译文地址：http://36kr.com/p/5133138.html
本文由 @郝鹏程 授权发布于大家都是产品经理，未经作者容许，禁止转载。
题图来自 Pexels，基于 CC0 协议