Sbloccare la promessa dell’intelligenza artificiale nel settore industriale

Nel 2018, abbiamo esplorato l'opportunità da mille miliardi di dollari per l'intelligenza artificiale (AI) nel settore industriale.1Michael Chui, Nicolaus Henke e Mehdi Miremadi, "La maggior parte degli usi aziendali dell'intelligenza artificiale sarà in due aree", McKinsey, 7 marzo 2019. Mentre le aziende si stanno riprendendo dalla Durante la pandemia, la ricerca mostra che il talento, la resilienza, l’abilitazione tecnologica in tutti i settori e la crescita organica sono le loro massime priorità.2Che cosa conta di più? Cinque priorità per i CEO nella prossima normalità, McKinsey, settembre 2021.

Questo articolo è il risultato di uno sforzo collaborativo di Kimberly Borden, Mark Huntington, Mithun Kamat, Alex Singla, Joris Wijpkema e Bill Wiseman, che rappresentano le opinioni di Advanced Industries Practices di McKinsey.

Nonostante questa opportunità, molti dirigenti rimangono incerti su dove applicare le soluzioni di intelligenza artificiale per ottenere un impatto reale sui profitti. Il risultato è stato un lento tasso di adozione, con molte aziende che hanno adottato un approccio attendista invece di tuffarsi.

Invece di contemplare all’infinito le possibili applicazioni, i dirigenti dovrebbero stabilire una direzione generale e una road map e poi restringere la propria attenzione alle aree in cui l’intelligenza artificiale può risolvere specifici problemi aziendali e creare valore tangibile. Come primo passo, i leader industriali potrebbero acquisire una migliore comprensione della tecnologia dell’intelligenza artificiale e di come può essere utilizzata per risolvere specifici problemi aziendali. Saranno quindi in una posizione migliore per iniziare a sperimentare nuove applicazioni.

Il termine “intelligenza artificiale” soffre di un grave uso eccessivo. È quasi diventato un sinonimo di qualsiasi applicazione di tecnologia all’avanguardia, oscurandone la vera definizione e il vero scopo. Pertanto, è utile definire chiaramente l’IA e i suoi usi per le aziende industriali.

In breve, l’intelligenza artificiale è la capacità di una macchina di eseguire funzioni cognitive tipicamente associate alla mente umana, come la percezione, il ragionamento, l’apprendimento, l’interazione con l’ambiente e la risoluzione dei problemi. Esempi di tecnologie di intelligenza artificiale includono robotica, veicoli autonomi, visione artificiale, linguaggio, agenti virtuali e apprendimento automatico.

Un’area in cui l’intelligenza artificiale sta creando valore per le industrie è quella di aumentare le capacità dei lavoratori della conoscenza, in particolare degli ingegneri. Essenzialmente, tali applicazioni sfruttano le capacità predittive dell’intelligenza artificiale. Le aziende stanno imparando a riformulare le tradizionali questioni aziendali in problemi in cui l’intelligenza artificiale può utilizzare algoritmi di apprendimento automatico per elaborare dati ed esperienze, rilevare modelli e formulare raccomandazioni.

Le aziende devono innanzitutto definire un problema aziendale esistente prima di esplorare come l’intelligenza artificiale può risolverlo. Il mancato completamento di questo esercizio lascerà le organizzazioni a incorporare l’ultima soluzione di intelligenza artificiale “oggetto scintillante”.

Gli esempi seguenti dimostrano il valore dell'intelligenza artificiale nell'aumentare le conoscenze dei lavoratori e nello snellire i flussi di lavoro.

Alcune delle sfide più difficili per le aziende industriali sono la pianificazione di linee di produzione complesse, la massimizzazione della produttività riducendo al minimo i costi di cambio produzione e la garanzia della consegna puntuale dei prodotti ai clienti. L’intelligenza artificiale può aiutare grazie alla sua capacità di considerare una moltitudine di variabili contemporaneamente per identificare la soluzione ottimale. Ad esempio, in uno stabilimento di produzione di metalli, un agente di pianificazione basato sull’intelligenza artificiale è stato in grado di ridurre le perdite di rendimento dal 20 al 40%, migliorando significativamente la puntualità delle consegne ai clienti.

Gli approcci di ottimizzazione tradizionali crollano nel tentativo di gestire significative incertezze e fluttuazioni della domanda e dell’offerta. Questo problema è diventato particolarmente rilevante considerati tutti i problemi legati alla catena di approvvigionamento nell’ultimo anno. Utilizzando agenti di pianificazione basati sull'apprendimento per rinforzo,3L'apprendimento per rinforzo è un tipo di apprendimento automatico in cui un algoritmo impara a eseguire un'attività cercando di massimizzare le ricompense che riceve per le sue azioni. Per ulteriori informazioni, vedere Jacomo Corbo, Oliver Fleming e Nicolas Hohn, "È tempo che le aziende traccino un percorso per l'apprendimento per rinforzo", McKinsey, 1 aprile 2021. Le aziende possono tradurre questo problema in una domanda: "Quale ordine è più probabile che venga eseguito?" massimizzare il profitto?", il che fornisce una chiara raccomandazione.