Når du tænker på intelligent automatisering, hvad tænker du så på? Fabrikker med slukket lys? Fuldstændigt autonome produktionslinjer? Robotter, der styrer fabrikken? Eller tænker du på noget mere datacentreret og forudsigeligt? Måske endda noget, der involverer AI, AR eller MR? Det viser sig, at ingen af dem er forkerte. Der er mange bevægelige dele, der indgår i idéen om intelligent automatisering … men vi er ved at komme tættere på at frigøre dens potentiale.

Naturligvis skal teknologien eksistere, før den kan gennemføres. Meget af tiden findes der allerede individuelle intelligens- og automatiseringsteknologier. Nøglen er at bringe dem sammen. Dette var et fokuspunkt på en Automate Forward-paneldiskussion.

” ikke længere betragtes som de skøre videnskabsmænd i laboratoriet,” sagde Tom Panzarella, senior director of perception hos Seegrid. “De skal faktisk løse et forretningsproblem, faktisk kvantificere det for forretningen og derefter behandle teknologien ikke som et mål, men snarere som et redskab.”

Med en mere afbalanceret tankegang om automatiseringspotentiale og data finjusterer virksomhederne deres infrastrukturer som forberedelse til intelligent automatisering. Dette forventes at skabe et “vendepunkt”, hvor det bliver lettere at implementere komplekse statistiske analyser og AI i produktionslinjerne.

“Algoritmerne i sig selv er i mange tilfælde ikke nye”, siger John Lizzi, executive leader for robotteknologi og autonome systemer hos GE Research. “Men det er i virkeligheden hele infrastrukturen, værktøjet og rammerne, der har gjort det nemmere.”

Automatiseringsrejsen er ikke en lige vej, især ikke med sikkerhedskritiske applikationer, der skal overholde sikkerheds- og statslige bestemmelser. Rashmi Misra, chef for forretningsudvikling inden for AI, mixed reality og silicium hos Microsoft, diskuterede, hvordan manglende retningslinjer og standarder for automatisering kan føre til mangler i applikationen, fordi ingeniørerne bogstaveligt talt er overladt til sig selv.

“Vi er alle i et økosystem, der skal arbejde sammen under de samme betingelser,” sagde hun. Mens der opstår anvendelsestilfælde, er der varianter af tilfælde, der skal tage højde for individuelle automatiseringsforretningsmodeller og mål. Hun bemærkede, at nogle etablerede use cases eller værktøjskasser kan tilpasses til en anden forretningsmodel.

Toolkits kan tjene som en referenceguide for applikationer langs automatiseringsrejsen og kan være værdifulde for små og mellemstore virksomheder, som ikke har en stor forskningsafdeling. Rishi Vaish, CTO og VP for IBM AI Applications, forklarede to forskellige niveauer af investeringer, som IBM foretager for at gøre sin automatiseringsteknologi forbrugsbar.

“Det første er i værktøjet,” sagde han. “Et niveau af investering er løbende at lave disse værktøjer.” Dette omfatter data, modellen, at holde modellen kørende i produktionen og at gøre det muligt for modellen at måle bias i systemet.

“Det andet investeringsniveau er, når vi rent faktisk bygger en applikation,” forklarede han. “For de fleste virksomheder, der bare vil i gang, er et eller andet højere abstraktionsniveau en meget hurtigere måde at få deres AI-rejse sparket i gang på.”

Store og små producenter deler dog en lignende vanskelighed, nemlig at integrere den nye teknologi effektivt med den gamle teknologi.

“For os er det der, hvor udfordringen ligger,” siger Jorge Ramirez, global direktør for udførelsesautomatisering og Chief Manufacturing Cybersecurity Officer hos General Motors. “Vi er begrænset af kapital. Den nemme løsning ville være at fjerne alt det gamle og sætte det nye ind med alle de nye smarte teknologier, der bare spiller harmonisk sammen.”

Vi ved dog alle, at det ikke er virkeligheden.

Konvergens mellem legacy og smart teknologi er en af de største udfordringer inden for smart automatisering, men det sker oftere, hvilket vil give en hånd til udvidelser af værktøjskassen, specificerede brugssituationer og i sidste ende til en nemmere global vedtagelse.

Lizzi rådede virksomheder til at se på både styrkerne og svaghederne ved et system for at afgøre, hvor smart automatisering kan bo. Det er også vigtigt at se på styrkerne og svaghederne ved den smarte teknologi også.