Производители достигают ROI от ИИ — теперь время масштабировать для большего влияния

ИИ доставляет ROI в производстве, но масштабирование остается вызовом. Без более сильных данных и сетевых фундаментов прогресс застаивается.

Ник Лещински, Principal Solutions Engineer, UKI, в Riverbed Technology

От цеха до цепочки поставок, искусственный интеллект (ИИ) уже доставляет измеримые возврат по всей промышленности. Просто спросите 87% лидеров сектора, которые сказали в Global Survey Riverbed 2025, что ROI от Искусственного Интеллекта для IT-операций (AIOps) соответствовал или превзошел их ожидания.

Вызов, однако, в масштабировании этих выгод по всему предприятию. Только 12% ИИ-инициатив полностью развернуты в производстве прямо сейчас, и всего 37% организаций в секторе сейчас чувствуют себя полностью готовыми операционализировать ИИ в масштабе. Этот структурный разрыв рисует ИИ как работу в процессе: частично реализованную, но неспособную продвинуться к завершению.

С Industry 4.0 уже в процессе, не нужно доказывать, что ИИ окупается — данные уже показывают, что он это делает. Но в то время как он демонстративно эффективен в контролируемых тестах, большинство производителей борются с масштабированием этих выгод через свои сложные, реальные среды. Это, вероятно, останется случаем, пока правильные цифровые фундаменты не будут на месте.

Почему ИИ-оптимизация препятствуется в производстве

По данным Deloitte, «умное производство» — которое использует ИИ для таких вещей, как предиктивное обслуживание, обеспечение качества, оптимизация цепочки поставок и мониторинг энергоэффективности — уже обеспечивает 10–20% улучшение производственного выхода и 10–15% в разблокированной мощности. Чистый потенциал поэтому огромен, но широта его возможного влияния делает масштабирование ИИ сложным.

Это потому, что среды умного производства зависят от надежного и безопасного потока данных между всеми устройствами, машинами, объектами и логистическими сетями. ИИ-модели должны поглощать, интерпретировать и действовать на этом переплетении телеметрии в реальном времени — часто через легаси-системы, пограничные устройства и облачные платформы. Принимателям решений нужно уметь видеть и анализировать эту информацию тоже.

Свернутые или заторы в данных создают операционное напряжение, в то время как ограниченная видимость в поведении системы делает оптимизацию и масштабирование значительно более сложными. Давление растет для решения этих проблем на инфраструктурном уровне.

Появляющийся разрыв в готовности данных

Производительные преимущества ИИ неоспоримы. Но благодаря набору структурных проблем, масштабируемость этих выгод неуловима. Прежде чем технология может быть принята предприятием, производители должны установить инфраструктурную строгость, необходимую для ее поддержки. Новые результаты исследований рисуют это преследование ИИ-готовности в деталях:

– 91% производителей говорят, что движение данных ИИ критично для их стратегии.

– 96% называют производительность сети и надежность топовыми соображениями.

– Почти половина (47%) не имеет уверенности в точности и полноте своих данных.

Вместе взятые, эти цифры доказывают, что все еще много прогресса должно быть сделано. Если более девяти десятых лидеров видят движение данных и производительность сети как критические, то интеграция ИИ зависит от инфраструктуры, построенной для быстрого и надежного движения данных. В то же время почти в каждой второй организации не полностью доверяют движимым данным. Оба компонента должны быть решены для избежания контрпродуктивных инвестиций.

Хотя производители ясно понимают, что ИИ нужно для процветания, многие все еще работают на цифровых фундаментах, которые еще не достаточно надежны и гибки, чтобы вместить его в масштабе. Добавьте к этому фрагментацию, вызванную множеством инструментов наблюдаемости, и становится очевидно, почему системы, поддерживающие производственные операции, не могут двигаться дальше proof-of-concept инициатив.

Строительство фундаментов для операционализации ИИ

На организационном уровне успех ИИ будет сформирован качеством данных, скоростью, с которой они движутся, и прозрачностью, которую команды имеют в системах, несущих их. Так что перед инвестированием в полноразмерное развертывание, императивно, чтобы производители:

— Относились к производительности сети и потоку данных как к стратегическим приоритетам
ИИ-системы производства должны работать через распределенные производственные среды и взаимосвязанные цепочки поставок, все движимые высокообъемными реально-временными данными. В результате, производительность сети больше не может рассматриваться как фоновая IT-проблема.

Поскольку этот сдвиг от пилота к операционной модели требует намеренного лидерства и координации, организации нуждаются в последовательности в том, как их данные захватываются и движутся. Фреймворки вроде OpenTelemetry помогают достичь стратегического выравнивания путем стандартизации телеметрии через сложные сети — создавая стабильную, высокофункциональную数据骨干, которую ИИ нуждается для интеграции предприятием.

— Укрепляли качество данных и доверие
ИИ-модели только так эффективны, как данные, которые они потребляют. И в производстве, где данные генерируются и воронятся через ряд активных источников, несоответствия или неточности вводят риск и компромитируют целостность.

— Сокращали разброс инструментов и слепые зоны, чтобы лидеры могли видеть пробелы в производительности
С организациями, обычно запускающими 13 инструментов наблюдаемости от девяти вендоров, фрагментация остается главным барьером к масштабированию ИИ. Хотя каждый из этих инструментов может решать конкретную проблему, их коллективное перекрытие создает дублирование и ограничивает видимость — делая трудным понимание того, как системы взаимодействуют под ИИ-драйвленными нагрузками.

Это архитектурное напряжение — почему 95% производителей проходят через процесс консолидации инструментов. В этом контексте, интеграция своего технологического стека в единую платформу наблюдаемости дала глобальной производственной организации доступ к данным-драйвленным и действенным инсайтам для улучшения продуктивности и производительности. Этот вид фонорного ясности — что уполномачивает организации масштабировать ИИ с уверенностью и без трения.

Превращение потенциала ИИ в операционную реальность

Амбициозно, 85% производителей ожидают быть ИИ-готовыми к 2028 году. Но если только 37% чувствуют себя полностью готовыми сегодня, жизнеспособность этого таймлайна будет определена тем, как быстро организации могут закрыть разрыв готовности.

На протяжении тех следующих нескольких лет ИИ станет еще более глубоко встроенным, чем сейчас — с влиянием, которое оно имеет на производственные линии, цепочки поставок и процессы принятия решений, только добавляя дополнительное давление на эффективность телеметрии и наблюдаемости.

Никогда не было более очевидно, что производители, инвестирующие в полную-верность данные и полностековую видимость сейчас — в то время как также адаптирующие свои стратегические принципы для предвидения новых требований Industry 4.0 — будут лучше позиционированы для превращения их успешных ИИ-пилотов в устойчивые операционные и коммерческие преимущества.

Ник Лещински — Principal Solutions Engineer, UKI, в Riverbed Technology.