人工智慧具有改變製造業的潛力，但目前該行業的 AI 實施策略「存在嚴重缺陷」。這是來自 Soter Analytics 的創辦人兼首席執行官 Matthew Hart 的觀點。該公司專門生產 AI 驅動的可穿戴設備。根據科技服務和顧問公司 SkyQuest Technology 的報告，製造業 AI 市場規模預計將從 2023 年的 32 億美元增長至 2030 年的 646.3 億美元。那麼，為何目前只有五分之一的生成式 AI 項目在製造商中被視為成功呢？

Hart 以他擁有豐富經驗的採礦行業為例，指出該領域在全面採用 AI 方面面臨挑戰。Deloitte報告提到傳統採礦公司面臨的多重挑戰，包括訓練 AI 模型的測試方法不佳、對創新抱持抵制態度、缺乏對操作和財務回報的深入理解，以及缺少先進技術技能。Hart 表示，根本問題在於大量的舊有技術和設備難以與最新的 AI 創新技術兼容。公司試圖將這些舊有系統納入 AI 解決方案，從而自動化某些決策流程。

理論上，AI 技術正是企業為了滿足適應性和效率需求而精簡運營的理想工具。Hart 表示：「但他們發現，範疇會不斷擴大，而舊系統無法達到所需的功能。因此，AI 的實施變得相當複雜。」與 AI 不兼容的舊系統包括企業資源規劃（ERP）、物料需求計劃（MRP）和製造執行系統（MES）。此外，數十年前安裝的閉路攝像系統通常無法將收集到的數據傳輸到中央數據庫，這可能需要進行昂貴的伺服器升級。此外，AI 本身也未完全達到預期。生成式 AI 仍然會出現「幻覺」現象，並提供完全錯誤的建議。AI 模型在能夠處理從互聯網各處抓取的海量信息並按需求提取正確答案方面，還有一段路要走。機器學習是 AI 的核心，它會隨著經驗的累積而改進。然而，Hart 指出，一些訓練模型所需的數據仍然困在舊系統中，無法轉換成現代系統可用的格式。對 AI 的熱情容易導致對其功能過於樂觀的期待。採用者通常認為只要將所需數據輸入系統，便能迅速看到結果。「然後現實就會打擊你。」

Hart 表示，管理者犯的一個錯誤就是將這變成一個龐大的過程。「我們曾拒絕參與一些我們認為過於複雜的項目。」戰略規模過大最終會破壞該項目的成功。更好的 AI 實施方法是分階段進行，並讓人類在過程中參與決策，Hart 說道。他們仍然需要對安全、質量、生產力和審計等問題做出最終決策。Hart 預計，在未來數年內，人類將繼續在製造企業中發揮重要作用。無論 AI 應用如何訓練，都無法應對從未發生過的事件，而這正是人類創造力的優勢。「我們非常擅長設計新系統。」儘管如此，Hart 相信 AI 在處理大量數據的業務操作中將扮演越來越關鍵的角色。工作場所安全合規要求掌握數千條不斷變化的規定，是 AI 可以有效監控的一個領域。另一個領域是設備維護，結合生成式 AI 和計算機視覺可以以前所未有的規模處理狀態數據。自動化系統能夠同時運行多個場景和工作流程，由人類工程師決定最佳方案。想要在製造業中成功實施 AI？首先可以使用 ChatGPT 這類應用來獲得「相對合理的答案，但只是在非常基礎的層面」，Hart 建議道。「然後你可以構建生成式 AI 工作流程，模擬人類的思維方式。」

同樣重要的是，你要明確試圖用 AI 解決的問題。「當你將其分解成一個小且具體的問題時，」Hart 說道，「你可以構建出非常高質量的解決方案。」

資料來源：Why Manufacturers Are Failing in Their AI Initiatives， Oct. 7, 2024, Robert J. Bowman, SupplyChainBrain

翻譯：謝家軒