大型跨國工業(yè)企業(yè)正在擁抱人工智能，努力讓機器更智能，這樣它們就能在正在進行的數(shù)字工業(yè)革命中有效競爭。

我們時不時就能看到這些公司如何在人工智能和工業(yè)分析方面進行重大投資，以幫助推動其數(shù)字化轉型。但即使是中小型工業(yè)和制造業(yè)企業(yè)也應該考慮人工智能。

自主化有多重要

畢竟，如果你不考慮機器學習和人工智能，為什么要從生產系統(tǒng)中收集所有這些數(shù)據(jù)?在許多情況下，企業(yè)收集的數(shù)據(jù)超過了它們的使用能力。數(shù)據(jù)分析本身并不是目的，一定是用來發(fā)現(xiàn)問題、解決問題。而人工智能將在這方面發(fā)揮關鍵和不斷擴大的作用。

當然，機器學習可以在清理堆積如山的大數(shù)據(jù)中發(fā)揮重要作用，以識別重要規(guī)律，并為業(yè)務轉型挑選出有價值的見解。但這只是其優(yōu)勢的一部分。真正的價值來自使用人工智能來利用這些見解，真正的應用到你的采購、生產和銷售過程中。

比如生產線計劃會因資源可用性的變化而自動調整，并在整個供應鏈中管理這種變化，以避免中斷或沖突。隨著全球供應鏈變得越來越復雜，這種由人工智能驅動的智能將在幫助企業(yè)在“隨需應變/隨時應變”的市場競爭中發(fā)揮關鍵作用。

AI也分大小

看起來，AI承擔巨大責任，對中小型制造企業(yè)來說有點遙不可及。

實際上AI也有“大”和“小”之分。大型人工智能使用大量數(shù)據(jù)(通常在云計算中)，是從全局考慮，跨多個業(yè)務線，解決真正復雜的問題。這正是像通用電氣這樣的全球巨頭所做的。

而小型人工智能專注于解決“微問題”，比如弄清楚如何優(yōu)化一條生產線，同時滿足最小化人機協(xié)同的需求。小人工智能可能更好地處理在內部問題，它是實時的，基于邊緣分析，高度可用的系統(tǒng)驅動智能自動化。

當然，有效利用人工智能的第一步是讓你的基礎設施跟上速度。這通常意味著升級你的網(wǎng)絡，讓信息流動和系統(tǒng)在邊緣處理事情。只有到那時，部署傳感器來收集數(shù)據(jù)和分析才有意義。最后，這種進步也許會需要雇傭數(shù)據(jù)科學家來優(yōu)化你的環(huán)境，以充分利用人工智能的優(yōu)勢。

許多工業(yè)企業(yè)正處于這一進程的起點站。考慮到能源、交通、制造和電信等行業(yè)數(shù)字化轉型的需求和速度，把人工智能放在你的業(yè)務背景下考慮——即使從小做起——也很有意義。