AI가 미래를 제조하지만 여전히 사람이 필요한 이유

제조업은 인재 부족 현상이 심화되고 있습니다. Deloitte의 데이터에 따르면 2025년까지 제조 기술 격차가 벌어져 340만 명의 숙련 노동자가 필요하고 이 중 200만 명이 충족되지 않을 것이라고 합니다. 이 공백을 주도하는 것은 2025년까지 퇴직하거나 업계를 떠날 270만 명의 근로자와 산업 내 성장으로 창출될 약 700,000개의 일자리가 될 것입니다.

오해:AI와 자동화로 인해 일자리가 줄어들 것입니다

자동화와 로봇이 제조업 일자리를 위험에 빠뜨릴 것이라는 잘못된 인식이 여전히 널리 퍼져 있습니다. 그렇지 않다. 인간은 항상 제조 공정의 필수적인 부분이 될 것입니다. 시설이 계속 발전하고 더 많은 자산을 연결함에 따라 사람들은 현장에서 생성된 방대한 양의 데이터를 소화하여 더 빠르고, 더 좋고, 더 저렴하게 구축할 수 있어야 합니다. 이렇게 하려면 해당 데이터를 사람이 소화할 수 있는 정보로 변환해야 합니다. 인공 지능(AI)이 이를 도울 수 있습니다.

AI는 대량의 원시 데이터를 인간이 읽고 해석할 수 있는 정보로 변환할 수 있습니다. 그것이 없다면 사람들은 여러 데이터베이스 시스템에서 데이터를 수집하고, 함께 연결하고, 조사할 기능을 알고, 스프레드시트를 사용하여 수동으로 추출한 다음 결과를 해석하는 방법을 배워야 합니다. 이 프로세스는 번거롭고 지루하며 오류가 발생하기 쉽습니다. 데이터가 분석을 위해 준비되었을 때는 이미 분석을 수행할 시간과 인내심이 부족했을 것입니다. AI의 도움으로 이러한 개인은 수동으로 숫자를 계산하는 데 시간을 소비하는 대신 해당 데이터에서 유용한 인텔리전스를 끌어내고 실행하는 데 시간을 할애할 수 있습니다.

AT Kearney와 Drishti의 최근 연구에 따르면 AI와 자동화가 사람의 일자리를 빼앗는다는 개념을 더욱 불식시키기 위해 제조 작업의 72%가 여전히 사람에 의해 수행되며 동일한 사람들이 실제로 기계에 비해 3배 더 많은 가치를 창출한다고 보고했습니다. 제조 공정의 더 많은 부분이 자동화되더라도 어떤 기계도 인간의 판단과 직관을 대체할 수 없습니다.

과거의 산업 혁명과 마찬가지로 기술 혁신은 항상 새로운 위치를 창출합니다. PwC 보고서에 따르면 로봇 공학과 AI는 2037년까지 영국에서 200,000개의 일자리를 창출할 것이라고 밝혔습니다. AI, 기계 학습 및 자동화는 일자리를 지원하고 유지 관리하는 데 필요한 전문 기술로 인해 일자리를 창출합니다. 기계가 많은 양의 데이터를 생성하기 시작한 후에는 해당 데이터를 분석하고 사람이 읽을 수 있는 정보로 변환하는 소프트웨어가 필요합니다. 이 정보를 활용하려면 여전히 사람이 의미 있는 방식으로 정보를 사용하고 관련 조치를 취해야 합니다.

공백 채우기

이러한 역할을 수행하는 데 중요한 것은 젊은 세대의 인재를 유치하는 것입니다. 이것이 가능하긴 하지만, 그들에게 매력적인 직업 프로필은 현재 공장에서 사용 가능한 직업과 다를 것입니다. 환경의 산물인 젊은 노동력은 정보 액세스를 포함하여 모든 것을 주문형으로 얻는 데 익숙해졌습니다. 이것은 그들이 직장에 들어갈 때도 마찬가지입니다. 따라서 제조 비즈니스를 디지털화하는 것이 강력한 첫 번째 단계입니다.

젊은 세대는 과학 및 엔지니어링 경력에 대한 관심이 증가하고 있습니다. National Science Foundation에 따르면 2012년에 취득한 학사 학위의 약 30%가 이공계 전공이었습니다. 또한, 수여된 박사 학위의 58%가 해당 분야에 있었습니다.

더 많은 학생들이 과학 및 공학에 관심을 보이면서 고급 기술 분야에서 경력을 쌓는 것이 논리적인 진전입니다. AI와 머신 러닝은 계속해서 성숙해질 것이며 AI가 기술 중심의 대학 커리큘럼 및 교육 프로그램의 주류 구성 요소가 되는 것을 보게 될 것입니다.

AI는 제조업의 미래를 위한 핵심 구성요소입니다.

제조업 내에서 생성되는 데이터의 양은 엄청나지만 정보를 얻는 데 사용되지 않는다면 모두 수집하는 것은 의미가 없습니다. 예를 들어, 설비가 기계가 어떻게 작동하는지, 갑자기 너무 많은 전력을 소비하는지 또는 오작동으로 향하고 있는지 아는 것이 가장 중요합니다. 온도 및 압력과 같은 지표를 사전에 감지하고 이에 따라 조치를 취하면 비용이 많이 드는 가동 중지 시간을 방지할 수 있습니다.

불행히도 개인이나 팀이 분석하기에 너무 많은 데이터가 있으며, 이는 다시 한 번 인간과 함께 작동하는 AI 및 기계 학습의 필요성을 보여줍니다. 이러한 기술은 이를 대체하는 것이 아니라 강화할 것입니다. AI 및 머신 러닝은 정보의 골을 분석하고, 그 안의 추세를 식별하고, 비즈니스 리더가 정보에 입각한 결정을 더 빨리 내릴 수 있도록 하기 위해 만들어졌습니다.

제조업체는 항상 마진을 개선할 방법을 찾고 있습니다. AI에서 생성된 정보는 린 시설을 운영하고 잠재적인 문제를 사전에 해결하는 데 중요합니다. 기계가 최적이 아닌 용량으로 작동하는 것과 같이 상태가 오래 지속되면 될수록 제조업체는 더 많은 돈을 쏟아 붓습니다. AI는 이미 조직이 자산의 성과보다 앞서 있고 수익에 영향을 미치도록 돕고 있습니다. 이러한 추세는 계속될 것입니다. 또한 최신 기술과 함께 일하기를 열망하는 차세대 인재를 유치할 더 많은 일자리를 창출하는 데 도움이 될 것입니다.

산업이 계속 변화함에 따라 이를 지원하는 역할도 변화할 것입니다. 미래의 인력은 기계를 계속 작동시키는 데만 집중하는 것이 아니라 생성되는 데이터에서 배울 것입니다. 이를 통해 회사를 위해 더 나은 결정을 내릴 수 있습니다.

저자 소개

Prateek Joshi는 Plutoshift의 창립자이자 CEO입니다. , 물, 식품, 음료 및 화학 물질을 포함한 공정 산업에 성능 모니터링 소프트웨어 솔루션을 제공합니다. Joshi는 인공 지능 연구원이며 8권의 책을 출간했으며 TEDx 연사이기도 합니다. 그는 Forbes 30 Under 30, CNBC, TechCrunch 등에 소개되었습니다.