人工智能驱动的工业价值链转型 -Artefact

在全球范围内，各行各业正迈入一个由数据和人工智能驱动的新转型阶段。不断上涨的能源成本、供应链中断、可持续发展要求以及日益扩大的人才缺口，正迫使制造商重新思考其运营和创新方式。

在本次为《The Bridge》杂志进行的对话Artefact的管理合伙人兼全球行业负责人亚历山大·蒂翁·德·拉·肖姆（Alexandre Thion de la Chaume）与合伙人兼全球制造业负责人弗洛伦斯·贝内齐特（Florence Bénézit）共同探讨了人工智能在工业和制造业领域面临的主要挑战，以及人工智能要真正成为推动绩效、创新和韧性的驱动力所需满足的条件。

全球产业正处于转折点

当今的工业格局高度分散。其中既有拥有全球生产网络的大型跨国制造商，也有数千家在利基市场运营的专业化中小企业。尽管这些企业各不相同，但它们都面临着许多相同的结构性挑战。

“从规模、发展成熟度以及转型进程来看，工业企业之间存在极大差异，”亚历山大解释道，“但它们都面临着成本上升、供应链日益复杂以及对可持续发展期望不断提升的挑战。”

以下几种趋势正给工业价值链带来压力：

与此同时，制造商必须应对市场对更个性化产品日益增长的需求。这种向个性化转型的趋势，要求生产系统更加灵活，数据基础设施也需进一步完善。“客户越来越期待能够满足其特定需求的产品，”弗洛伦斯指出，“这需要能够快速适应变化的工业流程，而数据在实现这种灵活性方面发挥着核心作用。”

因此，工厂现代化以及引入数据驱动的决策机制，不仅对提升竞争力至关重要，对于吸引那些期待现代化数字工作环境的熟练工人也同样重要。

人工智能为应对整个工业价值链中的这些挑战提供了强大的工具。人工智能不仅限于生产环境，还能支持企业多个领域的决策。“人工智能可用于更准确地预测需求并协调供应链，”亚历山大表示，“它还能提高工厂的安全性、优化运营，并提升市场营销、法务或人力资源等职能部门的工作效率。”

从历史上看，许多工业人工智能应用主要集中在预测、质量控制和能源优化等领域。这些应用场景依然重要，目前已在众多行业得到广泛部署。然而，生成式人工智能的出现极大地拓展了应用的可能性，使企业能够：

弗洛伦斯指出，生成式人工智能有望重塑员工与工业系统之间的交互方式：“未来，操作员只需向机器人询问某个工作站的相关安全规程即可。人工智能将改变我们在工厂内获取知识的方式。”这种变革有望简化复杂技术信息的获取流程，同时提升生产效率和作业安全性。

尽管许多人工智能应用仍处于萌芽阶段，但某些应用场景已在工业环境中取得了可量化的成果。其中最成熟的应用之一便是预测性维护。通过实时分析机器数据，人工智能模型能够预判设备故障，并在故障发生前提出维护建议。“预测性维护可将维护成本和停机时间降低约30%，”亚历山大指出。

另一个影响深远的应用场景是通过人工智能代理实现运营工作流的自动化。工业业务流程通常涉及多个数据源、接口和顺序任务。基于人工智能的自动化能够简化这些工作流，并显著缩短处理时间。在某些情况下，企业通过结合自动化、人工智能和改进的用户界面，已将流程耗时缩短了70%至75%。

在产品技术含量极高、产品目录可能包含数千个型号的工业领域，人工智能也在重塑客户支持服务。传统上，客服团队必须在大量文档和数据库中进行检索才能解答技术问题。如今，生成式人工智能使操作人员能够通过单一界面查询产品信息，从而更快地响应客户需求，降低回电率，既提高了工作效率，也提升了客户满意度。

尽管存在这些机遇，但在工业领域部署人工智能仍面临诸多挑战。主要障碍并非技术本身，而是数据的质量和可用性。“在许多工业企业中，数据处于分散状态、难以获取，或者结构混乱，”弗洛伦斯指出。其中有两类数据尤为关键：

产品数据通常通过产品生命周期管理（PLM）系统进行管理，但这些平台在不同组织中并不总是得到全面实施或标准化。工厂数据则带来了额外的挑战。这类数据是实时生成的，不同生产基地可能采用不同的标准，而且通常需要通过大规模的数据采集计划才能加以利用。

安全考量进一步增加了复杂性。工业环境秉持着强烈的安全文化，任何连接到机器的数字系统都必须满足严格的网络安全要求。“那些机器背后有工作人员在操作，”弗洛伦斯强调道，“安全必须始终是重中之重。”

除了数据基础设施之外，治理是工业领域成功部署人工智能的另一个关键要素。工业企业通常在这样的环境中运营：一旦出现错误，可能会对运营或安全造成严重后果。因此，它们往往对adopt AI 。

例如，生成式人工智能系统有时可能会产生错误的输出结果。在某些数字场景中，这种情况或许可以接受，但在工业环境中则需要谨慎管理。治理框架有助于组织在创新与风险管理之间取得平衡。这包括：

弗洛伦斯还提到了代理质量这一日益突出的挑战。随着企业部署人工智能代理来实现流程自动化，它们将需要建立机制来评估这些系统的可靠性和准确性。“正如我们今天监控数据质量一样，我们很快也将需要监控人工智能代理的质量，”她表示。

人工智能正迅速成为推动整个工业价值链转型的关键动力。从预测性维护到工作流自动化，再到客户支持的优化，人工智能已在显著提升生产力和运营效率。与此同时，要成功部署人工智能，仅靠采用新技术是远远不够的。

工业组织必须构建坚实的数据基础，实施健全的治理框架，并确保人工智能系统在安全且受控的环境中部署。

通过投资数据质量、数据治理和现代数字基础设施，工业企业能够充分释放人工智能的潜力，并为未来构建更具韧性、更高效且更具创新力的价值链。

观看法语原版采访：