Quand vous pensez à l’automatisation intelligente, à quoi pensez-vous ? Des usines sans éclairage ? Des chaînes de production complètement autonomes ? Des robots qui dirigent l’usine ? Ou pensez-vous à quelque chose de plus centré sur les données et prédictif ? Peut-être même quelque chose impliquant l’IA, la RA ou la RM ? Il s’avère qu’aucune de ces idées n’est fausse. Il y a beaucoup de pièces mobiles qui entrent dans l’idée d’automatisation intelligente… mais nous nous rapprochons de la libération de son potentiel.

Bien sûr, la technologie doit exister avant la mise en œuvre. La plupart du temps, les technologies individuelles d’intelligence et d’automatisation existent déjà. La clé est de les réunir. C’était un point central d’un débat d’experts d’Automate Forward.

 » n’est plus considéré comme les scientifiques fous dans le laboratoire « , a déclaré Tom Panzarella, directeur principal de la perception chez Seegrid.  » résoudre réellement un problème commercial, le quantifier pour l’entreprise et ensuite traiter la technologie non pas comme une fin, mais plutôt comme un outil. « 

Avec un état d’esprit plus pondéré sur le potentiel d’automatisation et les données, les entreprises peaufinent leurs infrastructures en vue d’une automatisation intelligente. On s’attend à ce que cela crée un « point de basculement » dans lequel il devient plus facile de mettre en œuvre des analyses statistiques complexes et l’IA dans les lignes de production.

« Les algorithmes eux-mêmes, dans de nombreux cas, ne sont pas nouveaux », a déclaré John Lizzi, chef exécutif de la robotique et des systèmes autonomes chez GE Research. « Mais c’est vraiment toute l’infrastructure, l’outillage et les cadres qui ont facilité les choses. »

Le voyage de l’automatisation n’est pas un chemin droit, en particulier avec les applications critiques de sécurité qui doivent respecter les réglementations de sécurité et gouvernementales. Rashmi Misra, responsable du développement commercial de l’IA, de la réalité mixte et du silicium chez Microsoft, a expliqué comment l’absence de directives et de normes d’automatisation peut entraîner des déficiences dans l’application, car les ingénieurs sont littéralement laissés à eux-mêmes.

« Nous sommes tous dans un écosystème devant travailler ensemble dans ces mêmes conditions », a-t-elle déclaré. Alors que les cas d’utilisation se présentent, il existe des variantes de cas qui doivent répondre aux modèles d’affaires et aux objectifs individuels d’automatisation. Elle a noté que certains cas d’utilisation établis, ou boîtes à outils, peuvent être adaptés à un autre modèle d’affaires.

Les toolkits peuvent servir de guide de référence pour les applications tout au long du parcours d’automatisation et peuvent être précieux pour les petites et moyennes entreprises qui ne disposent pas d’une grande division de recherche. Rishi Vaish, directeur technique et vice-président d’IBM AI Applications, a expliqué deux différents niveaux d’investissement qu’IBM réalise pour rendre sa technologie d’automatisation consommable.

« Le premier est dans l’outillage », a-t-il déclaré. « Un niveau d’investissement consiste à fabriquer continuellement ces outils ». Cela comprend les données, le modèle, le maintien du modèle en production et la possibilité pour le modèle de mesurer les biais dans le système.

« Le deuxième niveau d’investissement est lorsque nous construisons réellement une application », a-t-il expliqué. « Pour la plupart des entreprises qui veulent simplement se lancer, un certain niveau d’abstraction plus élevé est un moyen beaucoup plus rapide de donner le coup d’envoi de leur parcours d’IA. »

Les grands et les petits fabricants partagent cependant une même difficulté : intégrer efficacement la nouvelle technologie avec l’ancienne.

« Pour nous, c’est là que se situe le défi », a déclaré Jorge Ramirez, directeur mondial de l’automatisation de l’exécution et responsable de la cybersécurité de la fabrication chez General Motors. « Nous sommes limités par le capital. La solution facile serait de retirer tout l’ancien et de mettre le nouveau avec tous les nouveaux smarts qui jouent simplement de manière harmonieuse. »

Nous savons tous que ce n’est pas la réalité, cependant.

La convergence de l’héritage avec la technologie intelligente est l’un des plus grands défis de l’automatisation intelligente, mais elle se produit plus souvent, ce qui donnera un coup de main aux expansions de la boîte à outils, aux cas d’utilisation spécifiés et, finalement, à une adoption mondiale plus facile.

Lizzi a conseillé aux entreprises d’examiner à la fois les forces et les faiblesses d’un système pour déterminer où l’automatisation intelligente pourrait vivre. Il est également important d’examiner les forces et les faiblesses de la technologie intelligente aussi.