人工智能賦能制造業(yè)所能帶來的顛覆性意義顯而易見，在此前多項針對人工智能在企業(yè)中應(yīng)用規(guī)劃的調(diào)研中，高管均表現(xiàn)了濃厚的采納傾向。但時過境遷，2018年波士頓在調(diào)研評估企業(yè)在制造領(lǐng)域采用人工智能的實際進展時發(fā)現(xiàn)，將近90%的高管曾計劃在3年內(nèi)將人工智能用于生產(chǎn)，但實際僅有28%有全面詳盡的實施路線。

理想與現(xiàn)實的鴻溝有待彌合。波士頓咨詢認為，對于后進者而言，一個清晰條理的戰(zhàn)略是必備的啟動因素，同時企業(yè)必須配備合適的管控和支持基礎(chǔ)設(shè)施，對員工進行重新配置和再培訓。生產(chǎn)者若還未形成對人工智能應(yīng)用的全局觀，應(yīng)該迅速展開自我提升，這樣才能追趕上早期采用者。

如果說近期制造領(lǐng)域最熱門的技術(shù)話題，非人工智能莫屬（AI）。通過AI技術(shù)，生產(chǎn)者可以提高效率、改善靈活性、加速流程，甚至可以實現(xiàn)運營的自我優(yōu)化。BCG的一項分析發(fā)現(xiàn)，人工智能技術(shù)能夠幫助生產(chǎn)者降低多達20%的加工成本，其中70%的成本削減得益于員工生產(chǎn)力的提升。

自然而然，全球各地、各行業(yè)的企業(yè)都在探索將人工智能用于企業(yè)運營的可能性。但人工智能究竟能否如預(yù)期般產(chǎn)生如此大的效益？一些高管對此依然持懷疑的態(tài)度。為了更好地了解機遇和挑戰(zhàn)，BCG在2018年進行了調(diào)研，旨在評估企業(yè)在工業(yè)運營中采用人工智能的進展情況。

該項調(diào)查的參與者是來自全球1,096家企業(yè)的高管、生產(chǎn)和技術(shù)管理者，涵蓋廣泛的生產(chǎn)行業(yè)，包括汽車、消費品、能源、工程產(chǎn)品、醫(yī)療、加工產(chǎn)業(yè)、交通物流以及高科技行業(yè)。受訪者來自奧地利、加拿大、中國、法國、德國、印度、日本、墨西哥、波蘭、新加坡、英國和美國。

我們的研究發(fā)現(xiàn)，中國、印度和新加坡的企業(yè)對近期在生產(chǎn)領(lǐng)域推行人工智能的雄心最大。在所調(diào)查的產(chǎn)業(yè)中，醫(yī)療和能源在短期內(nèi)最熱切；加工產(chǎn)業(yè)和工程產(chǎn)品則不那么積極。

參與調(diào)查的大多數(shù)企業(yè)聲稱，他們認為人工智能越來越重要。然而，他們的投資、規(guī)劃和落實卻與理想不符。盡管87%的受訪者稱自己有計劃在未來3年內(nèi)將人工智能用于生產(chǎn)，但只有28%制定了全面的實施路線圖。其余72%的企業(yè)缺乏具體的計劃；32%在測試選定的人工智能使用場景，27%只有初步的想法，13%沒有優(yōu)先考慮甚至沒有考慮人工智能。

人工智能實施的不足反映出缺乏全局性規(guī)劃，揭示了理想和現(xiàn)實之間的巨大差距。過去，只有50%的企業(yè)利用人工智能實現(xiàn)了自己的目標。如今只有16%的企業(yè)在多個廠區(qū)充分落實了一個以上的人工智能使用場景——在我們的定義下，這種成就足以讓他們成為早期采用者。我們研究中涉及的12個國家，早期采用者的比例在美國（25%）、中國（23%）和印度（19%）最高；在日本（11%）、新加坡（10%）和法國（10%）最低（參閱圖1）。我們調(diào)研的德國企業(yè)中，只有15%是早期采用者。

美國企業(yè)的高人工智能采用率明顯反映了該技術(shù)的普及范圍較廣。即便如此，中國在人工智能投資上已經(jīng)超越美國，去年在全球針對人工智能初創(chuàng)公司的投資中占到了一半。同樣是在2017年，中國國務(wù)院發(fā)布了下一代人工智能開發(fā)計劃，制定了3步走的發(fā)展戰(zhàn)略，旨在到2030年在人工智能領(lǐng)域取得絕對優(yōu)勢；而與北京相鄰的天津市政府也宣布將對人工智能產(chǎn)業(yè)投入50億美元。其他新興國家，比如印度，同樣把人工智能應(yīng)用視為保持自身生產(chǎn)行業(yè)國際競爭力的必要因素，并進行大力投資。相反一些發(fā)達國家，比如日本依然專注于過去曾幫助他們提高競爭力的傳統(tǒng)杠桿（比如精益制造）。

在我們研究關(guān)注的8個產(chǎn)業(yè)中，交通物流（21%）和汽車（20%）企業(yè)在早期采用者中所占的比例最高，工程產(chǎn)品（15%）和加工產(chǎn)業(yè)（13%）則相對落后（參閱下圖）。這些差異反映出各個產(chǎn)業(yè)的起點以及跟數(shù)字化的聯(lián)系程度存在差異。汽車和高科技企業(yè)最為先進。其他產(chǎn)業(yè)還沒有意識到，許多數(shù)字化策略多年來已成為產(chǎn)業(yè)價值鏈里不可分割的部分。

企業(yè)的雇員人數(shù)也與人工智能的應(yīng)用相關(guān)。跟大企業(yè)相比，小企業(yè)不太可能成為早期采用者——或許因為小企業(yè)的預(yù)算更少，采用人工智能的能力更弱。盡管最近技術(shù)的進步和數(shù)據(jù)儲存、數(shù)據(jù)處理的成本不斷下降，降低了人工智能投資的門檻，但綜合能力的差距依然存在。

人工智能的使用場景

人工智能代表了工廠模式的轉(zhuǎn)變?，F(xiàn)在工廠里的自動化流程和機械都是按照規(guī)則運轉(zhuǎn)，機器人編程也只針對固定的使用場景。相比之下，未來的工廠將利用人工智能支持自動化流程和機械，通過智能決策應(yīng)對不熟悉或者預(yù)期之外的情況。技術(shù)系統(tǒng)的靈活性和可適應(yīng)性因此增強。比如，在以規(guī)則為導(dǎo)向的方案中，一個機器人無法從一箱未分類的零件中識別并選出所需的零件，因為它缺少所需的具體程序去處理無數(shù)可能的零件取向。而有人工智能支持的機器人不管目標取向如何，都可以從一堆紛亂的零件中挑選出自己需要的。

在生產(chǎn)運營的主要領(lǐng)域，不管是工廠內(nèi)還是工廠外，使用人工智能提高效率的場景多種多樣。37%的受訪者認為人工智能在工廠運營領(lǐng)域是最重要的提高生產(chǎn)力的杠桿；25%認為是在質(zhì)量領(lǐng)域，12%則選擇物流領(lǐng)域。與這些發(fā)現(xiàn)相一致的是，企業(yè)認為人工智能最重要的使用場景是自我優(yōu)化機器、質(zhì)量缺陷檢測和效率損失預(yù)測。盡管企業(yè)會發(fā)現(xiàn)個別的人工智能使用場景尤為重要，但生產(chǎn)者只能通過整合各職能部門、供應(yīng)商和客戶的數(shù)據(jù)池并推行人工智能才能取得全部的效益。

在工廠外，設(shè)計和供應(yīng)鏈管理是應(yīng)用人工智能最重要的運營領(lǐng)域。

在工廠內(nèi)，人工智能將給生產(chǎn)和維修、質(zhì)量、物流等支持部門帶來諸多好處。

有些人工智能的使用場景不止用于生產(chǎn)運營的某個領(lǐng)域。比如，可以生成和處理語言的虛擬助理（類似蘋果的Siri和亞馬遜的Alexa）能為操作者提供來自IT系統(tǒng)的基于特定環(huán)境的信息。有些企業(yè)已開始采用聲控系統(tǒng)進行挑選、包裝、接收和補貨操作。在這些應(yīng)用案例中，與EPR系統(tǒng)中材料清單連接的聲控系統(tǒng)可以指引操作者找到正確的箱子。

人工智能系統(tǒng)通過持續(xù)分析和學習事故報告（比如照片和文字報告），針對突發(fā)事故（比如機器故障、質(zhì)量偏差和性能損失）提出解決方案。

飛機制造商開始采用一種自我學習算法，利用事故報告，識別生產(chǎn)問題的模式，然后將目前的事故跟過去類似的事故進行比對，提出建議方案。

81%-88%的受訪者預(yù)期上述所列舉的使用場景到2030年將變得非常重要，但認為這種能力在諸多生產(chǎn)領(lǐng)域已得到充分發(fā)揮的受訪者比例卻相當少（6%-8%）。圖3是一個全景圖，涵蓋了受訪者認為在未來工廠最重要的使用場景。

彌合差距

4個驅(qū)動力對于在生產(chǎn)運營中成功推行人工智能至關(guān)重要：戰(zhàn)略和路線圖、管控模式、人員能力和IT基礎(chǔ)設(shè)施。與落后企業(yè)相比，早期采用者在充分發(fā)揮人工智能驅(qū)動力的作用方面取得了重大進步（參閱圖4）。

戰(zhàn)略和路線圖

為了給人工智能的實施提供方向和指導(dǎo)，企業(yè)需要制定一項明確的戰(zhàn)略。人工智能戰(zhàn)略應(yīng)聚焦最有價值的使用場景——能夠滿足企業(yè)的具體業(yè)務(wù)需求，幫助企業(yè)應(yīng)對挑戰(zhàn)——與企業(yè)的整體數(shù)字化戰(zhàn)略協(xié)調(diào)一致。企業(yè)還需要明確的實施路線圖，為投資提供商業(yè)論證和可衡量的目標。受訪者將明確的人工智能戰(zhàn)略列為最重要的驅(qū)動力。

管控模式

管理層的切實承諾是實現(xiàn)潛在提升的關(guān)鍵。高層管理者應(yīng)該利用有組織的溝通途徑，確保企業(yè)內(nèi)部清楚地理解人工智能。企業(yè)推行人工智能時應(yīng)設(shè)立明確的角色、劃清責任、配備一個清晰的組織結(jié)構(gòu)。要克服對人工智能應(yīng)用的文化抵觸，相關(guān)部門的高效協(xié)作和溝通是必不可少的。

人員能力

要采用人工智能（一般而言，即數(shù)字化），企業(yè)所需的人才必須擁有過硬的編程、數(shù)據(jù)管理和分析能力。企業(yè)應(yīng)該清楚地知道自己需要什么樣的技能組合，并評估所需人才和現(xiàn)有人才之間的技能差距。

像人工智能在生產(chǎn)運營中的基礎(chǔ)應(yīng)用等知識，員工可以通過企業(yè)內(nèi)或企業(yè)外的培訓項目習得。對于需要更加正規(guī)的相關(guān)IT課程培訓的技能，比如高級分析，企業(yè)必須通過招聘新型員工獲得，其中包括數(shù)據(jù)科學家。

93%的受訪者報告說企業(yè)在生產(chǎn)運營中應(yīng)用人工智能的能力不足。超過四分之一（29%）的受訪者表示自己的企業(yè)招聘了更多致力于推行人工智能的員工，將近一半（47%）的受訪者期待未來此類員工的數(shù)量進一步提升。

IT基礎(chǔ)設(shè)施

應(yīng)用程序接口和網(wǎng)絡(luò)規(guī)范提升了傳統(tǒng)IT系統(tǒng)和機器設(shè)備的互操作性，這是成功推行人工智能的關(guān)鍵。網(wǎng)絡(luò)安全是實踐者在采用人工智能和工業(yè)4.0時的另一個主要擔憂。

在實施人工智能時，企業(yè)應(yīng)該考慮采用敏捷的工作模式，根據(jù)需求的變化及時調(diào)整戰(zhàn)略和路線圖。企業(yè)應(yīng)該利用快速試錯、最小可行性產(chǎn)品的方法應(yīng)用人工智能技術(shù)，先小規(guī)模測試新想法，然后通過快速的迭代不斷完善，最終全面推行。早期采用者比落后者更可能使用敏捷工作模式。

我們的研究證明了人工智能正成為提升運營效率的最重要的工具。但許多企業(yè)沒能認識到，要想獲得人工智能產(chǎn)生的效益，遠不止技術(shù)投入那么簡單。一個闡述清晰的戰(zhàn)略是必備的啟動因素——但即便這樣也是不夠的。企業(yè)必須配備合適的管控和支持基礎(chǔ)設(shè)施，對員工進行重新配置和再培訓。對人工智能應(yīng)用還沒有全局觀的生產(chǎn)者應(yīng)該迅速展開自我提升，這樣才能追趕上早期采用者。

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問題，請及時聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請諒解！