산업계가 AI에 대해 최소한 생각해야 하는 이유

요즘 다들 인공지능(AI)과 머신러닝에 대해 이야기하는 것 같습니다. 대규모 다국적 산업체는 진행 중인 디지털 산업 혁명에서 효과적으로 경쟁할 수 있도록 기계를 더 스마트하게 만들기 위해 AI를 수용하고 있습니다. 2016년 MIT 슬론 경영 리뷰(MIT Sloan Management Review) 기사에서 GE가 디지털 혁신을 주도하기 위해 AI 및 산업 분석에 어떻게 막대한 투자를 하고 있는지 집중적으로 살펴보십시오. 하지만 중소 산업체 및 제조업 기업도 AI에 대해 생각해야 합니다. 적어도 조금은…

결국 기계 학습과 AI에 대해 생각하지 않는다면 왜 생산 시스템에서 모든 데이터를 수집합니까? 많은 경우 기업은 소비할 수 있는 것보다 더 많은 데이터를 수집하고 있습니다. 데이터 분석은 그 자체로 끝이 아닙니다. 그것은 무언가를 운전하는 데 사용해야합니다. 그리고 바로 여기서 AI가 중요하고 확장되는 역할을 할 것입니다.

확실히 머신 러닝은 산더미 같은 빅 데이터를 결합하여 중요한 패턴을 식별하고 비즈니스 혁신을 위한 귀중한 통찰력을 추출하는 데 중요한 역할을 할 수 있습니다. 그러나 그것은 이야기의 일부일 뿐입니다. 진정한 가치는 AI를 사용하여 이러한 통찰력을 활용하여 자율적으로, 아마도 실시간으로 실제로 무언가를 실현하는 데 있습니다.

이는 자원 가용성의 변경으로 인해 생산 라인 일정이 자동으로 수정되고 중단이나 충돌을 피하기 위해 전체 공급망에서 해당 변경을 관리함을 의미할 수 있습니다. 글로벌 공급망이 점점 더 복잡해짐에 따라 이 AI 기반 인텔리전스는 기업이 "온 디맨드/적시" 경제에서 효과적으로 경쟁하는 데 중요한 역할을 할 것입니다.

참조:AI 기반 세상에서 미래의 잠재적 직업은 무엇인가요?

큰 AI 대 작은 AI

야심 찬 소리? 다시 지구로 가져갑시다. 실제로 '빅 AI'와 '리틀 AI'가 있다고 생각합니다. 빅 AI는 종종 클라우드에서 인공 지능과 방대한 양의 데이터를 사용하여 여러 비즈니스 라인에서 대규모로 복잡한 문제를 해결합니다. 이것이 GE와 같은 글로벌 거물들이 하는 일입니다. Little AI는 인간 상호 작용의 필요성을 최소화하면서 단일 생산 라인을 최적화하는 방법을 찾는 것과 같은 "미시적 문제"를 해결하는 데 중점을 둡니다. 작은 AI는 자동화되는 운영 체제에 가까운 온프레미스에서 더 잘 처리될 수 있습니다. 지능형 자동화를 주도하는 고가용성 시스템에 대한 실시간 에지 기반 분석을 생각해 보십시오.

물론 AI를 효과적으로 사용하기 위한 첫 번째 단계는 인프라의 속도를 높이는 것입니다. 이는 종종 정보의 흐름과 에지에서 처리하는 시스템을 허용하도록 네트워킹을 업그레이드해야 함을 의미합니다. 그래야만 센서를 배포하여 데이터를 수집하고 분석을 통해 모든 것을 이해하는 것이 합리적입니다. 마지막으로, 이러한 발전은 데이터 과학자를 고용하여 AI의 이점을 최대한 활용할 수 있도록 환경을 최적화하는 것으로 이어질 수 있습니다.

많은 산업체가 그 진행의 시작 단계에 있습니다. 그러나 에너지, 운송, 제조, 통신과 같은 다양한 산업에서 디지털 혁신의 속도를 고려할 때 비즈니스의 맥락에서 AI에 대해 생각하는 것은 아주 조금이라도 의미가 있습니다.