Schroders Insight: Πώς η τεχνητή νοημοσύνη βελτιώνει το βιομηχανικό λογισμικό
![Schroders Insight: Πώς η τεχνητή νοημοσύνη βελτιώνει το βιομηχανικό λογισμικό](https://cdn.epixeiro.gr/craftuploads/_mainImage169/industry_viom_robot.jpg?mtime=20200916165912)
Στο πώς η τεχνητή νοημοσύνη βελτιώνει το βιομηχανικό λογισμικό εστιάζει σε ανάλυσή του του ο Dan McFetrich, Global Sector Specialist της Schroders.
Οι κατασκευαστές στρέφονται ολοένα και περισσότερο σε ψηφιακές λύσεις για την ενίσχυση της παραγωγικότητας. Συζητάμε πώς η τεχνητή νοημοσύνη έχει τη δυνατότητα να ενισχύσει αυτή την τάση και αναδεικνύουμε μελέτες περιπτώσεων δύο εταιρειών αναφέρει ο Dan McFetrich και εξηγεί:
Η άνοδος της τεχνητής νοημοσύνης αναφορικά με το βιομηχανικό λογισμικό είναι μια τάση που οι επενδυτές δεν μπορούν να αγνοήσουν. Καθώς οι κατασκευαστές στρέφονται όλο και περισσότερο σε ψηφιακές λύσεις για την ενίσχυση της παραγωγικότητας και τη μείωση της σπατάλης, πιστεύουμε ότι η ενσωμάτωση της τεχνητής νοημοσύνης σε αυτές τις πτυχές θα αλλάξει το παιχνίδι και παραθέτουμε δύο παραδείγματα παρακάτω. Με την προώθηση της καινοτομίας, τη βελτίωση της λειτουργικότητας και το άνοιγμα νέων αγορών, το βιομηχανικό λογισμικό με τη χρήση AI πρόκειται να διαδραματίσει κρίσιμο ρόλο στη διαμόρφωση του μέλλοντος της βιομηχανίας παραγωγής.
Το βιομηχανικό λογισμικό είναι ζωτικής σημασίας για τη παραγωγή
Η εργασία στην παραγωγή έχει ανακάμψει σε μεγάλο βαθμό μετά την πανδημία, αλλά η ανάπτυξη έχει αρχίσει να ακινητοποιείται. Συνεχίζουμε επίσης να παρατηρούμε ανησυχητικές ελλείψεις δεξιοτήτων σε βασικούς ρόλους σε όλη τη διαδικασία της παραγωγής. Η βιομηχανία πασχίζει να καλύψει θέσεις εργασίας με ειδίκευση και το Ινστιτούτο Μεταποίησης των ΗΠΑ εκτιμά ότι περίπου 425.000 από αυτές τις θέσεις δεν θα καλυφθούν έως το 2029.
Θέσεις "μεσαίων δεξιοτήτων" που προβλέπεται να μην καλυφθούν έως το 2029
Τα δημογραφικά στοιχεία του εργατικού δυναμικού της μεταποίησης συνεχίζουν επίσης να γερνούν. Αυτή η διαφαινόμενη δημογραφική αλλαγή και η επακόλουθη έλλειψη εργαζομένων είναι ένας από τους πυλώνες του πλαισίου 3D Reset της Schroders. Το 3D (demographics, decarbonisation and deglobalisation) διαμορφώνει ένα νέο οικονομικό καθεστώς.
- Διαβάστε περισσότερα: The 3D Reset: Δημογραφικά στοιχεία
Δεδομένων αυτών των συνεχιζόμενων δημογραφικών αλλαγών και ελλείψεων δεξιοτήτων, τα ποσοστά πληθωρισμού στους μισθούς στον κλάδο μεταποίησης των ΗΠΑ αποδεικνύονται πολύ πιο επίμονα από τον γενικό πληθωρισμό των προϊόντων στη μεταποιητική βιομηχανία, δημιουργώντας πιέσεις στα περιθώρια κέρδους των κατασκευαστών. Ο παρακάτω δείκτης κόστους απασχόλησης δείχνει ότι η αύξηση των συνολικών αμοιβών παραμένει πολύ πιο πάνω από τα προ του Covid επίπεδα.
Πληθωρισμός τιμών παραγωγής στην βιομηχανία μεταποίησης vs δείκτης κόστους απασχόλησης
Αυτή η πίεση στα περιθώρια κέρδους οδηγεί τους κατασκευαστές στην ψηφιοποίηση για τη βελτίωση της βιομηχανικής παραγωγικότητας. Η υιοθέτηση βιομηχανικού λογισμικού ήταν και συνεχίζει να είναι βασικός παράγοντας για την αύξηση της παραγωγικότητας της βιομηχανίας και η ανάγκη αυτή επιταχύνθηκε από τον COVID.
Η τεχνητή νοημοσύνη ενισχύει τη βελτιστοποίηση του βιομηχανικού λογισμικού και επιταχύνει την υιοθέτησή του
Ποιος θα είναι ο αντίκτυπος του βιομηχανικού λογισμικού με τεχνολογία AI; Πιστεύουμε ακράδαντα ότι η επικείμενη ενσωμάτωση της τεχνητής νοημοσύνης στην ανάπτυξη βιομηχανικού λογισμικού θα ενισχύσει σημαντικά την αξία για τους κατασκευαστές. Συγκεκριμένα, αναμένουμε τα ακόλουθα οφέλη από την ανάπτυξη της ΤΝ:
- Αυξημένη αποδοτικότητα: Η τεχνητή νοημοσύνη μπορεί να αυξήσει την αποτελεσματικότητα της γραφής κώδικα για τους software engineers, επιταχύνοντας τα χρονοδιαγράμματα καινοτομίας και εξορθολογίζοντας τις διαδικασίες υποβολής προσφορών κατά παραγγελία.
- Βελτιωμένη λειτουργικότητα: Η ΤΝ μπορεί να βελτιώσει την αξιοπιστία, τη διεπαφή και τη χρηστικότητα των πλατφορμών λογισμικού. Οι αλγόριθμοι machine learning μπορούν να αναλύσουν τα δεδομένα για τον εντοπισμό μοτίβων, ενώ η ΤΝ χρησιμοποιεί αυτές τις πληροφορίες για τη λήψη αποφάσεων σε πραγματικό χρόνο, ενισχύοντας τελικά την αξία του λογισμικού.
- Επέκταση της αγοράς: Η ενσωμάτωση της Τεχνητής Νοημοσύνης μπορεί να οδηγήσει στην υιοθέτηση του βιομηχανικού λογισμικού σε νέες αγορές, καθώς οι ενισχυμένες δυνατότητες και οι βελτιωμένες επιδόσεις ανοίγουν νέες ευκαιρίες.
Μελέτη περίπτωσης 1 - Από την πρόσφατη εκδήλωση πελατών της Emerson "Emerson Exchange" στη Γερμανία
Η Emerson, ο παγκόσμιος ηγέτης στα συστήματα αυτοματισμού διεργασιών, απεικονίζει αυτές τις τάσεις στην πράξη. Στην εξαμηνιαία εκδήλωση για τους πελάτες της στο Ντίσελντορφ, η εταιρεία παρουσίασε το όραμά της για "απεριόριστο αυτοματισμό", με το λογισμικό να διαδραματίζει κεντρικό ρόλο. Το σύστημα αυτοματισμού διεργασιών DeltaV της Emerson απασχολεί σήμερα 600 εργαζόμενους στην ανάπτυξη λογισμικού και 70 στην ανάπτυξη hardware, γεγονός που υπογραμμίζει τη στροφή της εταιρείας προς λύσεις που βασίζονται σε software λογισμικό.
Σε πολλά εργοστάσια, ο κώδικας ελέγχου hardware του αρχικού συστήματος αυτοματισμού μπορεί να είναι 15-20 ετών με περιορισμένη τήρηση αρχείων. Για αυτόν τον λόγο, η Emerson μόλις λάνσαρε ένα προϊόν με την ονομασία "Revamp", το οποίο χρησιμοποιεί τεχνητή νοημοσύνη για να βοηθήσει τους πελάτες να εκσυγχρονίσουν την εγκατεστημένη βάση αυτοματισμού τους, αντικαθιστώντας τα απαρχαιωμένα και μη υποστηριζόμενα συστήματα ελέγχου με το νεότερο σύστημα ελέγχου DeltaV.
DeltaV revamp
- Εκσυγχρονισμός παλαιού DCS με βάση το cloud. PLC και συστήματα ασφαλείας σε DeltaV
- Generative AI copilot για ομάδες έργου
- Σχεδόν στιγμιαία ανάλυση του πεδίου εφαρμογής του έργου
- Αυτοματοποιημένη μετάβαση του βασικού στρώματος ελέγχου
- Κανόνες και συστάσεις που παράγονται από machine learning
- Μειωμένος κίνδυνος και κόστος κεφαλαίου
- Βελτίωση του χρονοδιαγράμματος και της αποδοτικότητας
Πηγή: Emerson, Απρίλιος 2024
Αυτό το εργαλείο αναλύει τα τρέχοντα αρχεία διαμόρφωσης του εγκατεστημένου απαρχαιωμένου συστήματος και, χρησιμοποιώντας τεχνητή νοημοσύνη, μεταφράζει το αρχείο διαμόρφωσης σε ένα DeltaV σύστημα ελέγχου, δημιουργώντας αυτόματα έως και το 70% της απαιτούμενης διαμόρφωσης. Αυτό μπορεί να εξοικονομήσει εκατομμύρια δολάρια σε κόστος εργασίας για τη μετατροπή της διαμόρφωσης από το ένα σύστημα στο άλλο και να αφαιρέσει μήνες δουλειάς από το χρονοδιάγραμμα του έργου εκσυγχρονισμού. Μπορεί επίσης να καταγράψει τον προηγούμενο κώδικα, δημιουργώντας αφηγήσεις που τον επεξηγούν, επιτρέποντας στις ομάδες έργου της Emerson να δημιουργήσουν γρήγορα νέο κώδικα όταν χρειάζεται.
Η Emerson αναμένει ότι η τεχνητή νοημοσύνη θα βοηθήσει στη δοκιμή και την επικύρωση αυτών των νέων συστημάτων ελέγχου software, θα επιταχύνει τους κύκλους ανάπτυξης προϊόντων και τη διαδικασία υποβολής προσφορών κατά παραγγελία για νέους πελάτες. Η Emerson βλέπει επίσης αυτές τις εξελίξεις να οδηγούν σε νέες επιχειρηματικές δυνατότητες σε κάθετους τομείς όπως οι βιοεπιστήμες και η επιστήμη των υδάτων.
Μελέτη περίπτωσης 2 - Η SAP είναι ο κορυφαίος πάροχος λογισμικού επιχειρηματικών εφαρμογών παγκοσμίως
Πιστεύουμε επίσης ότι η Τεχνητή Νοημοσύνη θα αποτελούσε game changer για την SAP. Όπως οι περισσότερες εταιρείες λογισμικού, η SAP θα επωφεληθεί από την αύξηση της αποτελεσματικότητας στην ανάπτυξη software λογισμικού, π.χ. από την γραφή κώδικα. Πράγματι, η εταιρεία ανακοίνωσε πρόσφατα οργανωτική αναδιάρθρωση με τη φιλοδοξία να αυξήσει την αυτοματοποίηση μέσω ευρύτερης χρήσης της ΤΝ.
Ωστόσο, ίσως το πιο σημαντικό είναι ότι η ΤΝ θα μπορούσε να δώσει σημαντική ώθηση στις προοπτικές εσόδων της SAP. Μια από τις πιο σημαντικές περιπτώσεις χρήσης της ΤΝ είναι στο back office, δεδομένης της εξοικονόμησης αποδοτικότητας, και τα συστήματα της SAP ουσιαστικά διαχειρίζονται από το back office μιας εταιρείας (π.χ. οικονομικά, ανθρώπινο δυναμικό, προμήθειες και εφοδιαστική αλυσίδα). Έτσι, θεωρητικά, ο συνδυασμός της φύσης των προϊόντων της, με τον τεράστιο όγκο δεδομένων που καταγράφονται στα συστήματα της SAP, σημαίνει ότι η SAP μπορεί να προσφέρει σημαντικά οφέλη παραγωγικότητας στους πελάτες της και να κατακτήσει μερίδιο από αυτές τις εξοικονομήσεις.
Αν και είναι ακόμη νωρίς, καθώς η SAP βρίσκεται στη διαδικασία προώθησης προϊόντων με ΑΙ χαρακτηριστικά, το ενδιαφέρον για την τεχνητή νοημοσύνη θα μπορούσε να συμβάλει στην προώθηση της υιοθέτησης του νέου cloud προϊόντος της SAP για τον προγραμματισμό των επιχειρηματικών πόρων (ERP). Λόγω της άκαμπτης φύσης των ERP προϊόντων, οι υφιστάμενοι πελάτες της SAP ήταν κάπως διστακτικοί στο να αλλάξουν το τρέχον on-premises προϊόν τους. Ωστόσο, δεδομένου ότι οι πελάτες μπορούν να έχουν πρόσβαση σε χαρακτηριστικά που σχετίζονται με την ΤΝ μόνο με το νέο προϊόν της SAP, η ΤΝ έχει τη δυνατότητα να ωθήσει τους πελάτες προς το νέο προϊόν, καθώς θα γνωρίζουν ότι αυτοί που θα καθυστερήσουν να προσαρμοστούν, θα μπορούσαν να έχουν σημαντικό ανταγωνιστικό μειονέκτημα.
Αξίζει επίσης να αναφερθεί ότι η SAP έχει τιμολογήσει το προϊόν της με δυνατότητα AI σε ένα premium 30%. Συνολικά, πιστεύουμε ότι η τεχνητή νοημοσύνη είναι πιθανό να δώσει σημαντική ώθηση τόσο στα έσοδα της SAP όσο και στα περιθώρια κέρδους.
Αυτά τα δύο παραδείγματα δείχνουν πώς το AI θα βελτιώσει την ανάπτυξη των industrial software προϊόντων και θα δημιουργήσει νέα use cases.
Οι κινητές αξίες που αναφέρονται προορίζονται μόνο για ενδεικτικούς σκοπούς και δεν αποτελούν σύσταση για αγορά ή πώληση.
Σχόλια