领先的产品生命周期管理（PLM）和数字化线程解决方案提供商“2024未来聚焦”展览显示，工业领域在AI采用准备方面存在巨大的不匹配。根据报告，约80%的参与制造和加工工业商品的公司无法理解AI的概念或有效使用AI所需的战略能力。尽管如此，84%的公司对AI寄予了全球乐观的情绪，他们期望AI能为新的或改进的服务注入活力，其中82%的公司预计质量标准将会突然提高。
就准备情况与期望之间的调查结果而言
这项普遍研究对来自美国、欧洲和日本的835名享有声望的高级主管进行了调查，这些主管来自各种不同的工业背景。调查结果突显了一个紧迫的问题：重要的公司部分存在产能瓶颈（79%）、缺乏专业知识（77%）、IT解决方案通常是孤立的（75%）和对数据质量的担忧（70%）等问题，这是工业界的主要问题。
这些障碍构成了工业部门在使用和正确运行AI技术方面的重要因素。更加积极的是，报告记录了对AI引入作为PLM过程一部分的可能优势的共识。据调查发现，75%的受访者支持AI作为其业务战略中的积极因素。有趣的是，三分之一的受访者认为他们目前的PLM和数据基础设施非常适合支持AI技术，而三分之二的受访者持相反观点。这是受访者中意见分歧的一个标志。
数据质量的关键作用
Ara的报告将高质量的数据放在其AI计划的首要位置，并关注如何实现。参与者的调查反映了产品信息数据、质量控制数据、生产数据和消费者数据的重要性，但由于当前数据质量的问题，这些数据仍可能无法达到业务目标。为了应对这个问题的上升，51%的回答者正在加快提高生产力流程的活动，而46%的回答者正在关注服务数据，45%的回答者正在关注研发数据集。
这些工作进展形式的多样性显示了AI在工业界使用方式的变化，这是由于工业界现在开始关注高质量数据的作用。虽然Aras的首席执行官Roque Martin指出了公司整体对创新技术AI的迫切行动的必要性，从产品开发到生产和销售，但他们希望看到那些适应新技术和数据丰富的领域的公司远远超过那些具有动态和过时的PLM系统的公司。通过采用AI，企业可以更多地从技术进步和所带来的机遇中获益。
在工业挑战中的AI乐观情绪
调查的其他参与者表示乐观，其中84%的人认为AI将带来其他或改进的服务，82%的人认为服务的质量和可靠性将得到改善。这种展望为AI使公司和客户变得更好提供了机会，当前的限制不应成为恐惧的动力。
工业界对AI的部署准备情况可以从Aras进行的“当今工业部门”报告中观察到。表面上看，调查结果对知识、能力和数据质量的不足进行了无可挑剔的批判性评估。然而，关于AI作为一种变革性因素的乐观情绪非常强烈。通过努力解决这些挑战，ALM将继续专注于改善PLM系统的质量和现代化。除了目前的短期成功目标，这是一个长期可持续发展和竞争生存的努力，在这个时代，AI是一个重要的决定因素。
研究产生的见解成为公司意识到需要新的整合模型来采用AI的警钟。这个觉醒也带来了一个新时代的黎明，在这个时代，技术和人类专业知识将其优势结合起来，以实现前所未有的效率和创新水平。
本文最初发表在《Plants & Work Engineering》上。
工业领域面临人工智能整合挑战，阿拉斯报告发现
